混沌粒子群算法-高斯过程回归的SOH估计

提出基于混沌粒子群算法-高斯过程回归（CPSO-GPR）的铅酸蓄电池健康状态估计方法。首先考察了铅酸蓄电池充电过程的电压电流变化曲线，进行了恒流充电特征的分析对比，建立了铅酸蓄电池恒流充电时间与电池容量衰减的高斯过程回归模型。针对传统的智能算法易陷入局部最优解的问题，将混沌过程引入传统粒子群算法中，增强其优化的广度和深度，形成混沌粒子群算法来优化回归模型中的超参数，从而获得更高质量的超参数解，以提高回归模型的预测精度。两种算法相协同，形成了CPSO-GPR算法。实验结果表明，该算法能够实现对铅酸蓄电池健康状态的精准估计和在线监测，对新数据点的估计精度在3%以内。