基于局部信息融合及支持向量回归集成的锂电池健康状态预测

基于局部信息融合及支持向量回归集成的锂电池健康状态预测

Prediction for state of health of lithium-ion batteries by local information fusion with ensemble support vector regression

为了提高锂电池健康状态(State of health,SOH)的预测准确率,该文将支持向量回归(Support vector regression,SVR)算法与集成学习理论相结合,提出一种基于局部信息融合的支持向量回归集成(Local information fusion with ensemble support vector regression,LIF-ESVR)算法.该算法的核心思想是利用数据的局部信息融合替代原有全局信息,并将信息层融合问题转化为决策层融合问题.首先将原始的训练集划分为若干个子训练集,每个子训练集都包含了原始训练集中的部分重要信息;然后,在每个子训练集上训练一个对应的SVR模型;最后,利用集成学习算法将已训练好的多个SVR模型进行融合.在美国国家航空航天局蓄电池数据上的实验结果表明,所提方法的性能优于现有的锂电池SOH预测方法,具有广泛的应用价值.

作 者：陈建新 候建明 王鑫 邵海涛 宋广磊 薛宇 Chen Jianxin Hou Jianming Wang Xin Shao Haitao Song Guanglei Xue Yu

作者单位：陈建新,候建明,王鑫,邵海涛,宋广磊,Chen Jianxin,Hou Jianming,Wang Xin,Shao Haitao,Song Guanglei(国网新疆电力公司 信息通信公司,新疆 乌鲁木齐,830000)

薛宇,Xue Yu(南瑞集团有限公司 国网电力科学研究院有限公司,江苏 南京,210003)

刊 名：南京理工大学学报（自然科学版） ISTIC EI PKU

英文刊名：Journal of Nanjing University of Science and Technology

年，卷(期)：2018 42(1)