基于门控神经网络的储能电站荷电状态估计研究
Advanced Technology of Electrical Engineering and Energy（2022）
摘要
电站荷电状态(SOC)估算是电池管理系统中重要的功能之一,同时SOC也是保障储能电站正常运行和安全的重要参数.对于储能电站,SOC的准确估计能防止电池的过充或过放,延长电池使用寿命,准确估算SOC也是当前的难点.本文提出使用门控神经网络(GRU)结合Dropout正则化算法估算SOC,实现电池SOC的准确估计与良好泛化能力.GRU网络用来学习电压、电流测量值与SOC的非线性关系.训练时,Dropout将隐藏层中的所有神经元以一定的概率随机置为0,避免对隐藏层中任一节点产生依赖,防止过拟合,从而增加模型的泛化能力.实验结果显示,本文提出的方法可实现SOC准确估计,最优结果为平均绝对误差1.38％,均方根误差1.66％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要