基于IRVM的锂电池荷电状态评估方法与仿真验证

针对相关向量机算法多步预测精度低和在线预测适应性差的问题，提出一种改进的增量相关向量机模型对锂离子电池的荷电状态进行在线预测。选择锂离子电池电压、充放电电流和表面温度作为模型的输入，荷电状态作为模型的输出，构造模型的训练集。选用快速序列稀疏贝叶斯学习算法进行训练，并结合增量学习法建立增量学习相关向量机模型进行锂离子电池在线预测方法研究。研究发现通过自动调整核参数的方法，可以保证有较高的预测精度。算法验证实验表明，该算法预测精度高、计算速度快且通用性强，可为锂离子电池荷电状态的预测与应用提供参考。