提出基于布谷鳥搜索（CS）和支持向量回歸（SVR）的鋰離子電池健康狀態(tài)（SOH）預測算法,通過CS進行SVR參數(shù)尋優(yōu),得到優(yōu)化的SVR模型。以單次放電過程的平均電壓和溫度作為模型輸入,得到SOH預測結(jié)果并計算預測誤差。根據(jù)誤差、采用CS算法進行模型優(yōu)化,得到數(shù)據(jù)集中第5、7號電池預測的誤差分別穩(wěn)定在0.50%和0.75%以內(nèi)。采用效果較好的基于平方指數(shù)和周期協(xié)方差函數(shù)（SE）的多尺度高斯過程回歸（MGPR）算法、基于改進粒子群（IPSO）優(yōu)化的SVR算法和基于遺傳算法（GA）優(yōu)化的SVR算法作為對比。CS-SVR算法與GA-SVR算法相比,預測結(jié)果更加準確,在第5號電池上的平均絕對百分比誤差（MAPE）和均方根誤差（RMSE）分別下降了0.31%和0.3,在第7號電池上則分別下降了0.14%和0.13。 

【文章頁數(shù)】：4 頁

【文章目錄】：
1 基礎(chǔ)算法介紹
    1.1 支持向量回歸(SVR)
    1.2 布谷鳥搜索(CS)
2 CS-SVR模型
3 數(shù)據(jù)來源及預處理
    3.1 鋰離子電池數(shù)據(jù)集
    3.2 數(shù)據(jù)預處理
4 結(jié)果與分析
    4.1 CS-SVR預測模型性能分析
    4.2 CS-SVR算法性能比較與分析
5 結(jié)論


【參考文獻】：
期刊論文
[1]基于遺傳算法和支持向量回歸的鋰電池健康狀態(tài)預測[J]. 劉皓,胡明昕,朱一亨,於東軍.  南京理工大學學報. 2018(03)



本文編號：3706614