摘 要:新能源汽车大功率动力电池荷电状态(state-of-charge,SOC)的快速精确估计是动力电池能耗管理系统的核心技术,针对大功率动力电池这一非线性、强耦合系统,提出基于支持向量机(support-vector-machine,SVM)静态预测和基于卡尔曼滤波(Kalman)动态预测的动力电池SOC预估方法。仿真实验结果表明,采用基于SVM和Kalman滤波结合的预估方法可以快算完成动力电池SOC的估计,并且动力电池模型参数的变动几乎不影响算法的准确性,表明算法具有一定的鲁棒性。
关键词:荷电状态;卡尔曼滤波;支持向量机;预测模型
中图分类号:U473.4;U461.2;TP391.9;TP301.6 文献标志码:A 文章编号:1674-5124(2013)05-0092-04
Estimation method research of high volume battery based on SVM and Kalman filter
LI Zheng-guo1, MENG Fan-kun2
(1. Shenzhen Polytechnic,Shenzhen 518055,China;
2. College of Electrical Engineering,South China University,Hengyang 421001,China)
Abstract: Fast and accurate state-of-charge(SOC) estimation
Key words: state-of-charge; kalman filter; support-vector-machine; predication model