基于粒子群算法優(yōu)化SVM在電池SOC估算中的應(yīng)用
相關(guān)鏈接： 中國(guó)安全網(wǎng) 中國(guó)質(zhì)量網(wǎng) 中國(guó)論文網(wǎng) 中國(guó)資訊網(wǎng)
張 凱
（山東能源棗礦集團(tuán)蔣莊煤礦，山東 棗莊 27751 9）
摘要：為了實(shí)現(xiàn)井下救生艙動(dòng)力電池SOC (State Of Charge)的估算，將支持向量機(jī)(SVM)的方法應(yīng)用于電池SOC的估算中。為了得到合適的懲罰因子c和核函數(shù)K，利用粒子群算法來(lái)優(yōu)化支持向量機(jī)；建立了支持向量機(jī)模型，對(duì)井下救生艙的電池剩余電量進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明：采用粒子群優(yōu)化支持向量機(jī)的方法具有較高的準(zhǔn)確度，有一定的實(shí)用價(jià)值。
關(guān)鍵詞：電池SOC；粒子群優(yōu)化；SVM;救生艙 中圖分類號(hào)：TD77+4
0 引言
煤礦井下礦用救生艙以及避難硐室可為井下遇險(xiǎn)礦工提供避難空間的艙室，動(dòng)力電池作為重要的后備電源，其性能要求要高于其他應(yīng)用領(lǐng)域。由于動(dòng)力電池的剩余電量是電壓、放電電流和溫度等變量的非線性函數(shù)，對(duì)其計(jì)量存在著計(jì)量誤差大和狀態(tài)預(yù)測(cè)性差等問(wèn)題。支持向量機(jī)因具有更好的泛化精度，在非線性模式中得到了應(yīng)用，為了使支持向量機(jī)具有更高的預(yù)測(cè)精度，懲罰因子C和核函數(shù)K的選取尤為重要。本文將粒子群算法應(yīng)用于支持向量機(jī)的尋優(yōu)中，對(duì)電池電量的估計(jì)具有非常高的估計(jì)精度，達(dá)到了滿意的預(yù)測(cè)精度。
1 支持向量機(jī)模型
2 基于粒子群算法的SVM參數(shù)優(yōu)化
粒子群算法屬于智能方法中的一個(gè)成員，用于解決全局優(yōu)化問(wèn)題，其中每個(gè)粒子都代表空間的一個(gè)候選解，種群中的任一粒子通過(guò)調(diào)節(jié)自己的速度運(yùn)行，以全局最優(yōu)為向?qū)нM(jìn)行移動(dòng)，直至全局優(yōu)化位置。每個(gè)粒子通過(guò)下列信息改變當(dāng)前位置：粒子當(dāng)前位置、粒子當(dāng)前速度、粒子當(dāng)前位置與自己最好位置之間的距離、粒子當(dāng)前位置與群體最好位置之間的距離。粒子群優(yōu)化支持向量機(jī)的步驟如下：
(1)首先設(shè)置粒子群的參數(shù)：設(shè)置粒子群的種群數(shù)N、粒子維數(shù)d、最大迭代數(shù)M、最大速度V max、慣性權(quán)重W、學(xué)習(xí)因子c1和c2。
(2)用訓(xùn)練樣本集對(duì)種群進(jìn)行訓(xùn)練，先根據(jù)經(jīng)驗(yàn)和試驗(yàn)大致確定（C，g）的范圍，初始化各粒子的位置向量X t和速度向量V t設(shè)粒子i的當(dāng)前最優(yōu)位置為Pt，Pt=X t(1,2,…,N)。
(3)采用均方差函數(shù)作為收斂準(zhǔn)則，判斷算法收斂準(zhǔn)則是否滿足。如果滿足，轉(zhuǎn)向第6步，否則執(zhí)行第4步。
(4)將各粒子當(dāng)前的適應(yīng)值和最優(yōu)適應(yīng)值進(jìn)行對(duì)比，更新粒子的最優(yōu)適應(yīng)值。
(5)更新粒子的位置和速度。如果迭代次數(shù)已達(dá)到最大迭代次數(shù)或用已搜索到的最優(yōu)位置計(jì)算出的適應(yīng)值已滿足給定適應(yīng)值的要求時(shí)，則停止迭代。
(6)將測(cè)試樣本輸入到已經(jīng)訓(xùn)練好的SVM模型預(yù)測(cè)中，來(lái)檢驗(yàn)此模型的可靠性。
粒子群優(yōu)化SVM的主要參數(shù)見(jiàn)表1。
3電池實(shí)驗(yàn)數(shù)據(jù)的提取
在實(shí)驗(yàn)中，對(duì)SE60AHA型磷酸鐵鋰離子電池進(jìn)行放電實(shí)驗(yàn)，采用ADI公司的AD7280A芯片對(duì)電池進(jìn)行監(jiān)測(cè)，放電容量為30%，放電時(shí)環(huán)境溫度為20℃，放電電流為15 A，獲得25組數(shù)據(jù)，其中15組數(shù)據(jù)用來(lái)訓(xùn)練，10組數(shù)據(jù)用來(lái)測(cè)試。訓(xùn)練的數(shù)據(jù)輸入量分為放電電流、電池組電壓和環(huán)境溫度，輸出量為目標(biāo)要求的電池SOC值，分別用Xtrain和Ytrain表示。測(cè)試集分別用Xtest和Ytest表示。為了使支持向量機(jī)便于訓(xùn)練和測(cè)試，還需對(duì)采集到的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)的歸一化處理，將數(shù)據(jù)限制在一定范圍之內(nèi)。這里使用MATLAB工具箱中的mapminmax函數(shù)，設(shè)置ymin=0，ymin=1，將數(shù)據(jù)歸一化到[0，1]，按照下面的公式進(jìn)行歸一化：
4實(shí)驗(yàn)步驟
將采集好的數(shù)據(jù)輸入32位Win7電腦，在MATI_AB7.0環(huán)境下，采用libsvm工具箱，進(jìn)行粒子群優(yōu)化支持向量機(jī)的電池SOC估算，算法流程如圖1所示。
通過(guò)表1中的初始參數(shù)，采用libsvm中的psoS-VMcgForClass函數(shù)對(duì)支持向量機(jī)進(jìn)行尋優(yōu)，得到最優(yōu)的懲罰因子C=95，核函數(shù)參數(shù)g=0.01。將10組測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè)，限于篇幅，本文給出了經(jīng)過(guò)歸一化后的測(cè)試集數(shù)據(jù)，如表2所示。圖2為預(yù)測(cè)結(jié)果與實(shí)際結(jié)果對(duì)比。
由圖2可知，采用粒子群優(yōu)化支持向量機(jī)的預(yù)測(cè)方法，其預(yù)測(cè)結(jié)果與實(shí)際結(jié)果基本一致，預(yù)測(cè)結(jié)果誤差最大的是第三組數(shù)據(jù)，其預(yù)測(cè)值為0.58，實(shí)際值為0. 64，相差為0.06，故預(yù)測(cè)的準(zhǔn)確率較高。
5結(jié)論
動(dòng)力電池作為井下救生艙重要的后備電源，對(duì)電池SOC的估算要求較高。本文采用粒子群算法來(lái)優(yōu)化SVM對(duì)電池SOC進(jìn)行估算，根據(jù)井下救生艙的要求建立合適的模型。通過(guò)實(shí)驗(yàn)結(jié)果可知，該方法得到的蓄電池SOC估算結(jié)果與實(shí)測(cè)值基本一致，具有很強(qiáng)的應(yīng)用價(jià)值。
