%0 Journal Article
%T 结合支持向量机的卡尔曼预测算法在VRLA蓄电池状态监测中的应用
%A 李昌
%A 罗国阳
%J 电工技术学报
%P 168-174
%D 2011
%X 阀控式铅酸蓄电池在性能劣化时的系统状态模型是难以准确获知的,针对这一问题,在建立了蓄电池等效电路模型及其线性系统状态空间描述基础上,导出了一种适用于蓄电池性能劣化时的非线性求解方法,进而提出了一种结合支持向量机的卡尔曼预测算法。利用支持向量机迭代修正卡尔曼预测过程中的新息误差,使得卡尔曼预测算法具备了对蓄电池劣化时的状态方程修正功能。实验结果表明,该算法能准确预测蓄电池的实时剩余容量,辨识出蓄电池健康状态的非线性劣化趋势。
%K 支持向量机
%K 卡尔曼预测
%K SVM-KF
%K SOC
%K SOH
%U http://www.ces-transaction.com/CN/abstract/abstract1382.shtml