基于贝叶斯正则化算法BP神经网络钒电池SOC预测

• 作者: 李明兴 杨春生 牛红涛 隋良红
• 来源期刊: 现代电子技术
• 关键词: 钒电池 荷电状态 BP神经网络 贝叶斯正则化算法
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 能源技术
• 页码范围: 158-161
• 页数: 4页
• 分类号: TN915-34|TP301.6
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2016.08.041

摘要

电池荷电状态（SOC）用于表征电池的剩余电量，是全钒液流电池的一个重要参数。在此介绍常用的钒电池SOC预测方法，并对比其优缺点。基于电池SOC的非线性特征，提出采用BP神经网络预测钒电池的SOC，并采用L?M优化算法以及贝叶斯正则化算法对网络进行优化。使用贝叶斯正则化改进的神经网络在对项目中全钒液流电池测试过程实时预测SOC。实验结果表明，采用贝叶斯正则化算法改进的神经网络能够提高SOC的实时预测精度，具有很好的实用前景。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨春生		27	140	7.0	10.0
2	隋良红		10	41	3.0	6.0
3	牛红涛		10	26	2.0	5.0
4	李明兴	四川大学制造科学与工程学院	2	23	1.0	2.0