基于BP神经网络的微电网蓄电池荷电状态估计

被引：38

作者：

朱晓青

马定寰

李圣清

吴文凤

明瑶

张煜文

机构：

[1] 湖南工业大学电气与信息工程学院

来源：

电子测量与仪器学报 | 2017年 / 31卷 / 12期

基金：

湖南省自然科学基金;

关键词：

微电网; 蓄电池; 荷电状态; BP神经网络; 增强型学习率自适应算法;

D O I：

10.13382/j.jemi.2017.12.023

中图分类号：

TM912 [蓄电池];

学科分类号：

080802 [电力系统及其自动化];

摘要：

由于微电网蓄电池工作时的电力特性具有明显的非线性和不规则性,依靠传统数学方法难以准确估计其荷电状态(state of charge,SOC)。针对上述问题,构建了BP神经网络拓扑结构,并采用增强型学习率自适应算法对网络的传统学习模式加以改进,学习时神经网络模型中各神经元间权值得到合理调整,并且提高了误差收敛效率。仿真结果表明,估计结果在预设精度要求的范围之内,平均误差不超过4%,证明经过优化学习算法的BP神经网络模型对蓄电池荷电状态的精确估计是有效可行的。

引用

页码：2042 / 2048

页数：7

共 15 条

[1]

Real-Coded Quantum-Inspired Genetic Algorithm-Based BP Neural Network Algorithm [J].

Liu, Jianyong ;

Wang, Huaixiao ;

Sun, Yangyang ;

Fu, Chengqun ;

Guo, Jie .

MATHEMATICAL PROBLEMS IN ENGINEERING, 2015, 2015

[2]

Model based identification of aging parameters in lithium ion batteries.[J].Githin K. Prasad;Christopher D. Rahn.Journal of Power Sources.2013,

[3]

BP neural network with rough set for short term load forecasting.[J].Zhi Xiao;Shi-Jie Ye;Bo Zhong;Cai-Xin Sun.Expert Systems With Applications.2007, 1

[4]

智能电网中储能蓄电池组建模与仿真 [J].