基于BP神经网络的阀控铅酸盐蓄电池劣化程度预测

为了提高对阀控铅酸盐蓄电池劣化程度的预测准确度,构建了一个具有自学习功能的BP神经网络预报模型,使用不同放电深度下的192组数据对BP神经网络进行训练和学习,然后使用训练好的BP神经网络对实时采集到的数据进行预报和分析,预报准确率达93%以上,证明预报模型具有较高的可靠性.

基于模糊神经网络的蓄电池劣化程度预测研究

阀控铅酸盐蓄电池是变电站通信电源系统的重要组成部分,担负着在故障状态下为变电站通信系统提供不间断供电电源的重任。通过对阀控铅酸盐蓄电池劣化程度的各种因素进行分析,研究了采用模糊神经网络建立阀控铅酸盐蓄电池劣化程度预测模型,通过对测量数据进行劣化程度的预测,与实际测量数据进行比较,证明预测模型具有较高的可靠性。