论文摘要
目前对蓄电池检测的研究大部分集中在剩余电量方面,基于人工智能技术的蓄电池健康度（state of health,SOH）评估研究相对较少。为此,对电网用蓄电池失效机理进行分析,列举出影响蓄电池SOH的主要参数,提出以数据驱动的改进列文伯格-马夸尔特最优化方法的反向传播（Levenberg-Marquardt back-propagation,LMBP）神经网络算法来评估蓄电池的健康程度。测试数据表明,改进的LMBP算法评估结果相对误差小于2%,说明基于数据驱动的人工智能技术可作为行之有效的蓄电池SOH评估方法。
论文目录
文章来源
类型: 期刊论文
作者: 王洪,卢志涛,王少博,李伟杰
关键词: 蓄电池,健康度,人工智能,预判
来源: 广东电力 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 国网冀北电力有限公司张家口供电公司,北京国电光宇机电设备有限公司
基金: 国网冀北电力有限公司科技项目(SGTYHT,16-JS-198)
分类号: TM912;TP18
页码: 79-84
总页数: 6
文件大小: 1074K
下载量: 272