| 基于BP神经网络的微电网蓄电池荷电状态估计 |
| |
| 引用本文： | 朱晓青,马定寰,李圣清,吴文凤,明瑶,张煜文. 基于BP神经网络的微电网蓄电池荷电状态估计[J]. 电子测量与仪器学报, 2017, 31(12): 2042-2048 |
| |
| 作者姓名： | 朱晓青 马定寰 李圣清 吴文凤 明瑶 张煜文 |
| |
| 作者单位： | 湖南工业大学 电气与信息工程学院株洲412007,湖南工业大学 电气与信息工程学院株洲412007,湖南工业大学 电气与信息工程学院株洲412007,湖南工业大学 电气与信息工程学院株洲412007,湖南工业大学 电气与信息工程学院株洲412007,湖南工业大学 电气与信息工程学院株洲412007 |
| |
| 基金项目： | 国家自然科学基金(61673165)、湖南省自然科学基金(2017JJ4024)、湖南省教育厅开放基金 (15k036)、湖南省重点实验室(2016TP1018)资助项目 |
| |
| 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。
|
| 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 |
Estimation of state of charge for micro grid battery based on BP neural network |
| |
| Zhu Xiaoqing,Ma Dinghuan,Li Shengqing,Wu Wenfeng,Ming Yao and Zhang Yuwen. Estimation of state of charge for micro grid battery based on BP neural network[J]. Journal of Electronic Measurement and Instrument, 2017, 31(12): 2042-2048 |
| |
| Authors: | Zhu Xiaoqing Ma Dinghuan Li Shengqing Wu Wenfeng Ming Yao Zhang Yuwen |
| |
| Affiliation: | College of Electrical and Information Engineering, Hunan University of Technology, Zhuzhou 412007, China,College of Electrical and Information Engineering, Hunan University of Technology, Zhuzhou 412007, China,College of Electrical and Information Engineering, Hunan University of Technology, Zhuzhou 412007, China,College of Electrical and Information Engineering, Hunan University of Technology, Zhuzhou 412007, China,College of Electrical and Information Engineering, Hunan University of Technology, Zhuzhou 412007, China and College of Electrical and Information Engineering, Hunan University of Technology, Zhuzhou 412007, China |
| |
| Abstract: | |
| |
| Keywords: | micro grid battery state of charge BP neural network new adaptive algorithm |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载免费的PDF全文 |
|
