基于LIBSVM的铅酸蓄电池荷电状态估计
【摘要】 研究准确预测蓄电池荷电状态soq的方法对于快速、准确调节充电裝置的动态充电过程具有重要意义。从基于测量蓄电池端电压和内阻实现预测其soc出发，研究了基于卡尔曼滤波提高蓄电池端电压、内阻和充放电电流测量准（确性的方法，在此基础上，进一步提出利用UBSVM支持向量机基于蓄电池端电压、内阻和SOC的训练样本数据，建立反映其非线性映射的回归预测模型建模方法。最后通过实验数据验证了所提SOC预测模型建模方法的可行性。与利用BP神经网络预测SOC的结果对比表明，基于相同训练样本，所提方法建立的预测模型具有SOC估计预测误差小，对蓄电池宽运行范围的SOC评估具有良好适用性等特点。关键词:卡尔曼滤
