基于粒子群的模糊神经网络铅酸蓄电池SOC估计

研究估计变电站阀控式铅酸蓄电池荷电状态(SOC)的方法。采用模糊神经网络对蓄电池的荷电状态预测建立模型,然后利用粒子群算法对网络中的连接权值、隶属度函数进行优化,用蓄电池在不同倍率下的充放电实验数据训练网络,根据训练好的网络模型对蓄电池SOC进行了预测,最后将预测结果与传统模糊神经网络预测结果进行对比。结果表明:该方案达到了对蓄电池荷电状态准确预测的目的,且预测误差小,具有良好的实用性。     

电动车电池SOC估计的径向基函数神经网络方法

结合电池容量估计问题,将广义生长剪枝径向基函数神经网络方法用于判断电动车蓄电池的荷电状态.通过神经网络输入参数的选择,文章设计标准模型、递推模型和安时模型三种不同的估计模型.实验结果表明:估计模型经过训练后,可以通过,蓄电池的工作电压、工作电流和表面温度参数估计蓄电池的荷电状态实时值,其中安时模型的训练时间、估计精度、网络的规模较其他两种模型更为出色.同时,本文引入解耦卡尔曼滤波器算法,有效提高了广义生长剪枝径向基神经网络的训练速度,在保证精度的前提下,将模型的训练时间缩短了1/2.     

基于BP神经网络的SOC估计及铅酸蓄电池特性

蓄电池特性是影响电动汽车充电时间和续驶里程的主要因素,针对应用较普遍的铅酸蓄电池展开研究具有重要意义。基于阻容等效电路建立了铅酸蓄电池充放电模型,通过不同倍率的充放电实验获得了模型参数与电池荷电状态(SOC)的关系式。采用BP型神经网络模型对铅酸蓄电池SOC进行估计,在Matlab环境下基于SOC神经网络模型对铅酸蓄电池充放电过程进行仿真研究。仿真结果表明铅酸蓄电池模型可以真实地模拟充放电特性,仿真结果与实验结果的平均误差为2.5%。     

LS-SVM在通信电源蓄电池SOC估计中的应用

结合统计学习理论的方法,将最小二乘支撑向量机(LS-SVM)用于通信电源中蓄电池的荷电状态(SOC)检测。选定径向基核函数为支撑向量机算法的核函数,并选取矩阵分块求逆的方法改进最小二乘支撑向量机的算法,在此基础上建立了蓄电池荷电状态估计的模型。通过仿真实验验证了该算法具有较好的SOC估计效果,对于实际应用,可以选择合理的剪辑标准,从而得到更好的估计效果。     

基于神经网络和MS-AUKF算法的蓄电池荷电状态估计

蓄电池的荷电状态(state of charge,SOC)是表征电池当前剩余电量的重要参数。提出一种基于神经网络和主从式自适应无迹卡尔曼滤波(masterslaveadaptiveunscented Kalmanfilter,MS-UKF)算法的SOC估计方法。首先,建立蓄电池的戴维南(Thevenin)二阶模型,针对开路电压与电池SOC之间的非线性关系,采用神经网络模型代替多项式模型,以提高拟合精度。根据实时测量数据,基于最小二乘法在线确定电池模型的参数。针对传统的扩展卡尔曼滤波(extendedKalmanfilter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)方法存在噪声方差固定,会产生误差造成估计精度不高的问题,采用MS-AUKF算法。该算法的主滤波器用来估计系统状态,辅助滤波器用来估计噪声方差矩阵。算法每次迭代时更新系统模型的噪声方差,克服了传统卡尔曼滤波算法中,噪声方差初值人为设定可能导致滤波发散的缺点。仿真结果表明,相比于EKF、UKF算法,MSAUKF在估计电池SOC时具有更高的精确度和收敛速度。     

准抗毁化电源蓄电池SOC预测的GA-BP网络方法

针对蓄电池荷电状态的预测问题,从蓄电池荷电状态与其可直接测量的外特性参数之间不确定的非线性关系出发,依据BP网络映射功能使其可以以任意精确度逼近非线性函数、遗传算法的良好全局搜索寻找最优能力使其解决BP网络盲目选择初始权值、阈值的问题,并利用数值最优化LM算法训练BP网络使其解决BP网络收敛速度慢和容易陷入局部最小值的问题,提出了一种蓄电池荷电状态预测的遗传算法和BP网络相结合方法.设计了准抗毁化电源蓄电池荷电状态的BP网络和GA-BP网络预测模型.仿真结果表明,预测模型经过训练后,可以通过蓄电池的实时外特性参数预测蓄电池的实时荷电状态;GA-BP网络的收敛速度和预测精确度均优于BP网络.验证了GA-BP网络预测方法的有效性.     

基于PSO-RBF混合算法锂离子电池SOC估算

为提高锂离子电池荷电状态的预测精度,将粒子群算法引入到径向基神经网络中,建立锂离子电池荷电状态混合估算算法。采用粒子群算法对径向基神经网络隐层节点中心和宽度及连接权值进行优化,降低径向基神经网络参数取值的繁杂度,提高荷电状态预测精度。利用Arbin BT2000多功能蓄电池测试平台,获取到锂离子电池放电数据,进行模拟训练和预测。实验表明:混合算法相对RBF网络具有更好的预测能力,满足荷电状态估算精度误差小于5%的要求,验证了该模型是有效、可行的。     

基于QGA-QBP的动力电池SOC估计

提出了一种基于量子遗传算法改进量子神经网络模型的荷电状态估计方法.考虑电池健康状态指标,分析引入内阻参数对电池估计精度的影响.针对传统神经网络及其改进算法的不同估计缺陷,在其基础上进行量子编码并动态自适应调整量子旋转角,缩短搜索时间的同时提高了收敛精度.最后在MATLAB仿真测试,验证了所提算法相较传统神经网络的收敛性...     

基于GA-BP神经网络的锂离子电池SOC估计

电池荷电状态(state of charge,SOC)的估计是电动汽车电池管理系统(battery management system,BMS)的最为重要的关键技术之一。为此,提出了一种基于改进型遗传算法(genetic algorithms,GA)的BP神经网络的锂离子电池SOC估计。利用MATLAB人工神经网络工具箱和谢菲尔德(Sheffield)遗传算法工具箱共同建立GA-BP神经网络模型,用于预测锂离子电池在任一状态下的SOC。经仿真实验表明,与经典的BP神经网络预测方法相比,基于改进型GA-BP神经网络的锂离子电池荷电状态估计精度有效提高了,且具备良好的收敛性。     

应用Kalman滤波法估计铅酸蓄电池SOC

在蓄电池的充／放电过程中,正确估计其剩余容量,对充／放电控制器采取下一步的动作有着非常重要的指导作用,针对蓄电池充／放电的实际情况,在分析了传统SOC估计方法不足的基础上,引入Kalman滤波法作为蓄电池荷电状态（soc）估计的主要算法。本文采用Randles等效电路模型,详细给出了Kalman滤波法估计SOC的算法推导,通过Matlab软件仿真验证了运用KalmaJ,滤波法可以有效跟踪蓄电池SOC的变化,并且控制精度优于传统方法。     

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。     

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.     

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。     

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。     

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。     

绝缘子憎水性图像水珠/水迹形状提取算法

绝缘子表面憎水性检测是判别绝缘子性能优劣的主要手段.传统的检测方法具有其主观性,图像处理技术的引入为憎水性检测提供了更为客观的方法.考虑到绝缘子所处环境的复杂性(污秽、光照等)以及憎水性图像本身的特殊性(水的透明性),本文首先对绝缘子憎水性图像进行自适应直方图均衡和基于模糊逻辑的滤波,以达到增强图像的效果;然后通过基于模糊熵的自动阈值分割方法来获取水珠(水迹)的形状信息,最后用数学形态学的二值重构开运算来去除由于分割引入的噪声.实验统计结果表明,该方法能够对各级憎水性图像进行有效地分割.