基于PSO-CNN的储能锂离子电池组荷电状态评估 |
| |
引用本文: | 李肖辉,肖亚哲,田志国,王京,李晶晶.基于PSO-CNN的储能锂离子电池组荷电状态评估[J].电源技术,2024(4):685-692. |
| |
作者姓名: | 李肖辉 肖亚哲 田志国 王京 李晶晶 |
| |
基金项目: | 国家电网有限公司科技项目(4000-202237504A-3-0-SF); |
| |
摘 要: | 将卷积神经网络(convolutional neural network,CNN)的权值和阈值作为粒子群算法(particle swarm optimization,PSO)的粒子,将CNN的损失函数作为PSO的适应度函数,从而构建PSO-CNN算法对储能锂离子电池组的荷电状态(state of charge,SOC)进行预测。以储能系统现场采集的充放电数据为样本,分别采用本文算法、基于PSO优化的支持向量机(support vector machine,SVM)、CNN进行训练,并在完整充放电数据集上对比3种算法的预测效果。结果表明本文算法收敛性好、预测精度高。最后采用另一储能现场的数据验证本文算法具有良好的鲁棒性,可以广泛适用于储能系统锂离子电池组SOC的在线预测。
|
关 键 词: | 荷电状态 锂离子电池组 粒子群算法 卷积神经网络 |
|
|