基于小波神经网络算法的锂电池荷电状态预测∗

为了提高锂电池的使用寿命,提出一种基于小波神经网络的荷电状态 (StateofCharge,SOC)预测方法. 分析了马里兰大学 K２锂电池测试数据,在此基础上建立基于小波神经网络算法的锂电池SOC预测模型,然后对比预测值与实际值的误差,检验了预测模型的准确性,实现对锂电池 SOC的预测.试验结果表明,基于小波神经网络算法的锂电池SOC预测精度优于传统的 BP神经网络.该研究成果为锂电池SOC准确预测提供了一种新的预测方法.     

基于神经网络的磷酸铁锂电池SOC预测研究

利用神经网络进行了电动汽车用的磷酸铁锂（LiFePO4）电池荷电状态（state of charge,SOC）预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt（LM）算法建立了磷酸铁锂电池的BP（back propagation）神经网络模型,并进行了电池SOC值的预测。结果表明,基于神经网络的电池SOC预测方法具有较高的精度,可用来预测磷酸铁锂电池的SOC值。     

基于神经网络的动力电池SOC研究

利用神经网络进行了动力电池荷电状态(SOC)预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt(LM)算法建立了动力电池的BP(back propagation)神经网络模型,并进行了电池SOC值的预测。结果表明,基于神经网络的电池SOC预测方法具有较高的精度,可用来预测磷酸铁锂电池的SOC值。     

基于QPSO-BP神经网络的锂电池SOC预测

电池荷电状态(state of charge,SOC)的预测是电动汽车电池管理系统的关键任务之一,为此对锂电池荷电状态的预测进行了研究,提出了一种基于QPSO-BP神经网络的锂电池SOC预测.在分析了磷酸铁锂(LiFePO4)电池充放电机理后,运用MATLAB人工神经网络工具箱建立基于量子微粒群算法(QPSO)的BP(back propagation)神经网络模型,用于预测锂离子电池充放电过程中的任一状态下的SOC.仿真实验验证了方法的准确性.结果表明,与现有的神经网络预测方法相比,基于QPSO-BP神经网络的锂电池SOC预测方法准确度高,且具备很好的实用性.     

一次性锂电池电量预测技术研究

针对在一次性锂电池电量预测方面所存在的不足,提出一种新型实用的一次锂电池SOC预测方案。该系统采用锁相放大技术设计一款交流内阻测量装置,采集锂电池交流内阻,根据交流内阻与SOC变化关系构建函数模型,并以该模型实现一次锂电池SOC预测。实验结果证明,该系统可有效用于一次性锂电池的电量预测,且测试结果较为可靠。     

基于卷积-双向长短期记忆网络的电池SOC预测

锂电池的预测性维护是电池应用的重点,实现它的关键是有效地预测锂电池的荷电状态(SOC)。随着信息技术和深度学习网络算法的发展,深度学习法在SOC预测方面显示出很好的潜力。提出了一种基于卷积-双向长短期记忆网络(CNN-BiLSTM)的SOC预测方法,利用卷积神经网络(CNN)模型提取局部特征,双向长短期记忆网络(BiLSTM)充分利用双向SOC的时间信息。在公共数据集上的对比实验表明,该模型提高了SOC预测的准确性。     

动力锂电池折旧率的规律研究

碳酸铁锂电池在使用过程中,各项参数会发生规律性变化,其折旧率的规律是反映锂电池能量的重要指标。通过建立电池模型,研究了锂电池剩余电量的估计方法,列举了常见的电池SOC(电池的荷电状态,State of Charge)的估计方法,分析了各种方法的优点和局限性,提出基于人工神经网络模型的SOC预测方法,并在车仿真软件ADVISOR上进行仿真分析。最后通过动力电池SOC的仿真结果,给出了电动汽车动力电池SOH(电池的寿命状态,State of Health)的预测方法,提出通过曲线拟合模型进行预测,得出电池衰减速度的规律。     

基于极限学习机的磷酸铁锂电池SOC估算研究

SOC(state of charge)的准确估算是电池管理系统的重要目标之一。针对传统神经网络方法在磷酸铁锂电池SOC估算中存在计算复杂、学习时间过长的问题,提出了一种新的基于ELM(extreme learning machine)的电池SOC估算方法。利用电池充放电系统完成磷酸铁锂电池在不同电流下的放电实验,获得实时测量的电压、电流。运用实验获得的数据对模型进行训练和预测,将预测效果与BP(back propagation)神经网络和SVM(support vector machine)进行对比,研究ELM在SOC预测中的可行性和优势。经分析可知,基于ELM的磷酸铁锂电池荷电状态估算模型的精度更高,并且网络训练速度得到大幅提升。     

基于ICS-LSSVM的电动汽车锂电池SOC预测

为了提高锂电池的荷电状态(state of charge, SOC)预测精度,将布谷鸟的卵被发现概率和步长控制量进行动态设置,对布谷鸟算法进行改进,采用改进布谷鸟算法(improved cuckoo search, ICS)对最小二乘支持向量机(least squares support vector machine, LSSVM)的惩罚参数和核函数宽度进行优化,建立基于ICS-LSSVM的电动汽车锂电池SOC预测模型,采用磷酸铁锂电池充放电数据进行仿真分析,并与其他模型对比。结果表明,基于ICS-LSSVM的电动汽车锂电池SOC预测模型的均方根误差、平均相对误差和决定系数分别为0.0193、3.14%和0.994,预测效果优于其他模型,验证了模型的正确性和实用性。     

基于SVM的锂电池SOC估算

以锂电池SOC作为研究对象,将基于VC维和结构最小化理论为基础的支持向量机(SVM)的方法引入到锂电池SOC的估算中。充分利用支持向量机的对锂电池非线性独特的功能,综合考虑锂电池的电压、温度及电流等因素对SOC的影响,提出了支持向量机估算电池SOC的算法,并将其在锂电池充放电实验中验证。结果表明,支持向量机在估算锂电池SOC时,可以获得更高的估算精度,为电池管理系统提供一种实用的SOC估算方案。     

小功率金卤灯再启动特性机理的探讨

利用专门设计的金卤灯再启动特性测试仪记录了金卤灯再启动特性的若干典型曲线，对某些异常特性的发生机理进行了分析，找到了它们与金卤灯内在质量的联系，研究表明通过测量金卤灯的再启动特性可以方便地诊断金卤灯的内在质量。     

变电站隔离闸刀触头的检修方法

电网运行中GW4、GW5、GW7等型隔离闸刀触头容易发热,影响变电设备的操作和安全运行;通过分析闸刀触头发热的原因,找出处理发热的办法,以解决触头发热的问题,促进电网安全生产和稳定运行。     

发电机转子接地故障的处理方法

论述发电机转子动态不稳定接地故障的分析处理方法.     

发电机定子绝缘剩余寿命评估参量的选择

为选择发电机定子绝缘剩余寿命评估的特征量,测量了运行23年的发电机定子线棒局部放电、tanδ和击穿电压等参量,分析了非破坏性参量与击穿电压的关系,并根据绝缘老化机理和过程,得出了tanδ、Δtanδ、S+k,S-k, Asy等5个特征参量。分析发现第一主成分中上述参量的比重较大,证明它们能较好预测绝缘的老化状态。     

动态信号分析仪示值误差测量结果的不确定度评定

介绍了用直接测量法评价动态信号分析仪的频谱幅值和频率指标时,测量结果的不确定度分析和评定过程.讨论了影响频谱幅值示值误差和频率示值误差的测量不确定度的几个主要来源.通过实例,给出了频谱幅值示值误差和频率示值误差的不确定度分析和评定结果.     

加快黄河北干流梯级开发的思考

根据规划在黄河北干流上布置万家寨、龙口、天桥、碛口、古贤、甘泽坡6座水利枢纽工程。北干梯级开发可有效控制和管理黄河的水沙关系、洪水;改善生态环境,使水资源得到合理利用;向华北电网提供大量电力,对秦晋2省工农业、通航和旅游等具有促进作用,并带动地方经济的发展。     

一种考虑了负荷特性的企业电网潮流算法

大型企业电网的负荷特性主要表现为感应电动机群特性,为了改进现在常用的电力系统潮流算法中用恒功率模型来表征节点负荷,不能满足工程精度要求的问题,提出了在对企业电网负荷节点电动机群进行等效变换后,引入负荷特性的潮流计算的思路,在此基础上进行了理论推导,并经过现场实测数据,进行了仿真。仿真结果表明,负荷特性的潮流计算方法符合企业工程精度要求,可以达到提升业电网潮流计算结果在精确度、实用度等方面的要求,具有一定的理论和工程意义。     

凝汽器热水井冲击振动的综合治理实践

给出了凝汽器热水井冲击振动发生的部位及具体原因。结合机组的实际情况,实施了优化运行、设备治理及系统改造等综合治理措施。     

铅酸蓄电池板栅浇铸缺陷分析

铅酸蓄电池板栅浇铸过程中出现的缺陷通常分为宏观缺陷和微观缺陷两大类。本文通过宏观和微观分析的方法,结合板栅的实际情况,对Pb-Ca-Sn-Al四元合金板栅浇铸过程中产生的缺陷进行了介绍和分析。     

压实度标准制定的合理性

通过土料干湿法对比试验和环刀取土尺寸效应对比试验, 探讨了影响分层碾压土基垫层 压实度的主要因素, 指出通过击实试验制定土基压实度标准和施工质量检验时应注意的问题, 以及如何确保压实度标准制定的合理性和现场检验的客观性。