期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
电池储能系统SOC神经网络融合估计方法
被引量:
3
1
作者
孙玉树
李宏川
+3 位作者
王波
贾东强
裴玮
唐西胜
《湖南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023年第10期31-40,共10页
为了更好地获取电池储能系统当前的运行状态,提出了基于神经网络融合的电池储能系统SOC估计方法.首先,对比分析了前馈(BP)、门控循环单元(GRU)和长短时记忆(LSTM)神经网络算法的优劣,BP计算时间较短,LSTM对时序数据估计精度较高;然后,利...
为了更好地获取电池储能系统当前的运行状态,提出了基于神经网络融合的电池储能系统SOC估计方法.首先,对比分析了前馈(BP)、门控循环单元(GRU)和长短时记忆(LSTM)神经网络算法的优劣,BP计算时间较短,LSTM对时序数据估计精度较高;然后,利用KL散度、皮尔逊相关系数和灰色关联度分析了不同输入参量和SOC的相关程度,并和LSTM估计结果相比对,筛选出对电池储能系统SOC影响较大的特征参量;最后,应用经验模态分解算法将SOC数据分解为多个分量,利用样本熵将分量聚合为高低两个频段,进而应用BP、LSTM神经网络算法分频段估计,和单一策略相比,该方法在提高SOC估计精度的同时,减少了计算时间.
展开更多
关键词
电池储能系统
soc融合估计
相关性分析
经验模态分解
样本熵
下载PDF
职称材料
题名
电池储能系统SOC神经网络融合估计方法
被引量:
3
1
作者
孙玉树
李宏川
王波
贾东强
裴玮
唐西胜
机构
中国科学院电工研究所
中国科学院大学
国网北京市电力公司
出处
《湖南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023年第10期31-40,共10页
基金
国家重点研发计划项目(2021YFB2402002)
中国科学院青年创新促进会项目(2023000018)。
文摘
为了更好地获取电池储能系统当前的运行状态,提出了基于神经网络融合的电池储能系统SOC估计方法.首先,对比分析了前馈(BP)、门控循环单元(GRU)和长短时记忆(LSTM)神经网络算法的优劣,BP计算时间较短,LSTM对时序数据估计精度较高;然后,利用KL散度、皮尔逊相关系数和灰色关联度分析了不同输入参量和SOC的相关程度,并和LSTM估计结果相比对,筛选出对电池储能系统SOC影响较大的特征参量;最后,应用经验模态分解算法将SOC数据分解为多个分量,利用样本熵将分量聚合为高低两个频段,进而应用BP、LSTM神经网络算法分频段估计,和单一策略相比,该方法在提高SOC估计精度的同时,减少了计算时间.
关键词
电池储能系统
soc融合估计
相关性分析
经验模态分解
样本熵
Keywords
battery energy storage system
soc
fusion estimation
correlation analysis
empirical mode decom-position
sample entropy
分类号
TM614 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
电池储能系统SOC神经网络融合估计方法
孙玉树
李宏川
王波
贾东强
裴玮
唐西胜
《湖南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部