Print

基于人工智能的电网用蓄电池健康度评估

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

  • 1 影响蓄电池SOH的因素
  • 2 蓄电池SOH评估
  •   2.1 改进LMBP算法推导
  •   2.2 数据测试验证
  •     2.2.1 建立蓄电池SOH评估模型
  •     2.2.2 网络训练与MATLAB数据仿真测试
  •   2.3 实际应用
  • 3 结论

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e5138edf50c5ed4f41222ca1.html