《表1 蓄电池SOC估算有关的指标》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进的WNN在蓄电池SOC估算中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

PCA是一种常用的对数据预处理的方法，其主要思想是把多个指标参数转化为少数几个主成分（综合指标），起到减少后续模型的输入参数，但又不丢失主要影响因子的效果。由于在实际问题中，多个指标之间并不是独立不相关的，每个指标都会提供一定的信息，如果直接剔除掉某些参数指标，对结果的精度影响较大，而PCA选出来的主成分表示为原始指标参数的线性组合，各个主成分表示的信息侧重点不同，可反映原始变量指标的绝大部分信息，起到降低数据“维数”的同时又不损失原始数据的作用。在电池SOC估算当中，由于电池每时每刻的荷电状态都有着高度非线性的特点，其SOC估算值会受到许多指标的影响，常见的指标有电池内阻、放电电压、放电电流、温度、电池老化程度、电极材料等[13-15]。近年来研究又发现了其他影响电池SOC的参数指标，其中包括电流的积分值∫idt、电压的积分值∫vdt、电流的一阶微分值di和二阶微分值d2i、电压的一阶微分值dv和二阶微分值d2v[16-17]。输入变量越多，对SOC估算的精度越高，但与此同时整个模型的收敛性会下降，通过主成分分析，可以在研究电池SOC估算时，考虑少数几个主成分，对原始指标进行综合分析，减少后续神经网络模型的计算量，提高整个模型SOC估算效率。本文选取的影响电池SOC估算指标及其对应的符号如表1所示。