基于遗传算法优化支持向量回归的电池SOH预测

针对实车运行过程中电池当前可用容量难获取、电池健康状态评估不准确的问题，提出利用车辆的停车充电片段数据，通过箱型图及卡尔曼滤波算法对安时积分法计算所得的电池容量进行修正，构建支持向量回归模型用于电池衰减预测，通过皮尔森相关性分析确定有效的模型输入参数，结合遗传算法优化模型参数。结果表明：优化后模型的拟合优度可达88%，相较于优化前提高了12%，可以实现电池健康状态的准确预测。