基于RVM算法的蓄电池SOC预测

由于蓄电池真实的荷电状态与多种因素如电池温度、充放电电压、充放电电流和电池老化等成高度非线性,使得蓄电池荷电状态预测模型建立困难,且预测精度差。针对以上问题,用基于相关向量机的预测方法,以电池充电端电压和充电电流为输入量、电池的荷电状态为输出量建立预测模型,分析该模型性能与高斯核函数带宽之间的关系。通过分析得出,高斯核函数带宽取值为0.9时,相关向量机方法具有较为理想的预测效果。与支持向量机模型相比较,该模型稀疏性强、复杂度低、预测时间短,并提高了对新测试样本点的预测精度,泛化能力强。