典型文献
基于门控神经网络的储能电站荷电状态估计研究
文献摘要：
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％.
文献关键词：
储能电站;门控神经网络;荷电状态;神经网络学习
中图分类号：
作者姓名：
宋洁;赵雪莹;朱玉婷;梁丹曦;徐桂芝;邓占锋
作者机构：
全球能源互联网研究院有限公司,北京102209;清华大学电机系,北京100084
文献出处：
引用格式：
[1]宋洁;赵雪莹;朱玉婷;梁丹曦;徐桂芝;邓占锋-.基于门控神经网络的储能电站荷电状态估计研究)[J].电工电能新技术,2022(04):82-88
A类：
B类：
门控神经网络,储能电站,荷电状态估计,SOC,算是,电池管理系统,重要参数,过充,过放,出使,GRU,Dropout,正则化算法,泛化能力,电流测量,测量值,非线性关系,有神,任一,一节,过拟合,平均绝对误差,神经网络学习
AB值：
0.301136
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
