-
题名基于PSO-CNN的储能锂离子电池组荷电状态评估
- 1
-
-
作者
李肖辉
肖亚哲
田志国
王京
李晶晶
-
机构
许继集团有限公司许昌许继电科储能技术有限公司
-
出处
《电源技术》
CAS
北大核心
2024年第4期685-692,共8页
-
基金
国家电网有限公司科技项目(4000-202237504A-3-0-SF)。
-
文摘
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
-
Keywords
state of charge
lithium ion battery group
particle swarm optimization
convolutional neural network
-
分类号
TM912.9
[电气工程—电力电子与电力传动]
-
-
题名基于集成卷积神经网络的电力系统暂态稳定评估
- 2
-
-
作者
肖亚哲
-
机构
华北水利水电大学电力学院
-
出处
《信息与电脑》
2022年第4期56-58,共3页
-
文摘
笔者采用集成卷积神经网络(Convolutional Neural Network,CNN)对电力系统进行暂态稳定评估。首先构造3个结构不同的CNN模型;其次输入某种工况下系统的特征量及其对应的暂稳标签,让3组CNN模型分别进行迭代训练,并输出暂态稳定评估结果;最后对所有CNN模型的评估结果进行投票,并将得票数高者作为模型最终评估结果。以IEEE10机39节点作为仿真算例,结果表明该模型评估准确率高,可以满足对系统进行在线评估的要求。
-
关键词
卷积神经网络
暂态稳定
准确率
-
Keywords
CNN
transient stability
accuracy
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TM712
[电气工程—电力系统及自动化]
-