基本信息:
- 专利标题： 基于改进集成学习的电动汽车电池SOC预测方法及系统
- 申请号：CN202311156741.4 申请日：2023-09-07
- 公开(公告)号：CN117421970A 公开(公告)日：2024-01-19
- 发明人： 石琴 , 侯伟路 , 武骥 , 潘廷亮 , 张晓楠 , 吴为教
- 申请人： 合肥工业大学
- 申请人地址： 安徽省合肥市包河区屯溪路193号
- 专利权人： 合肥工业大学
- 当前专利权人： 合肥工业大学
- 当前专利权人地址： 安徽省合肥市包河区屯溪路193号
- 代理机构： 合肥市泽信专利代理事务所
- 代理人： 江楠竹
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F16/215 ; G06F17/11 ; G06F18/214 ; G06F17/18 ; G06F17/16 ; G06Q10/04
摘要：
本发明涉及电动汽车电池技术领域，更具体的，涉及基于改进集成学习的电动汽车电池SOC预测方法及系统。本发明的预测方法基于XGBoost模型，通过集成学习预测出参考预测值，并引入自适应卡尔曼滤波ACKF进行优化，结合安时积分法预测的常规预测值，实现流程的串联、并构建出闭环估计框架，从而提高电动汽车SOC的估计精度和稳定性。经过仿真对比，本发明的预测方法具有不错的鲁棒性和收敛性。本发明采用的自适应卡尔曼滤波ACKF可以对噪声协方差和测量噪声协方差进行自适应更新，使得收敛能力和估计精度进一步优化，同时提高泛化能力。本发明解决了现有的开环估计方法预测精度低、误差大的问题。
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |