基于GA优化BP神经网络的微电网蓄电池健康状态评估

• 作者: 李振璧 邓伟锋
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 微电网 蓄电池 健康状态 遗传算法 BP神经网络
• 年，卷（期）: 2018,（21）
• 所属期刊栏目: 智能电网
• 页码范围: 56-60,85
• 页数: 6页
• 分类号: TM912
• 字数: 3072字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1390.2018.21.010

摘要

由于微电网蓄电池在工作过程中其电力性能会发生退化,其性能退化具有明显的非线性和波动性的特征,传统的数学建模方法普适性差、不同工况条件下预测受限、精度不足,难以准确的评估其健康状态.针对上述问题,构建了标准BP神经网络和基于遗传算法优化的BP神经网络,借助微电网蓄电池每次放电过程中的可测参数对网络进行训练,使神经网络的权值和阈值得到较为准确的调整.通过测试集对建立的神经网络进行测试,结果表明,基于遗传算法优化的BP神经网络能有效提高评估结果的准确性,使误差结果控制在精度要求的范围内,最大误差在5％以内,平均误差2％.证明了基于遗传算法优化的BP神经网络对不同工况条件下的蓄电池SOH的精确评估是有效可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李振璧	安徽理工大学电气与信息工程学院	61	325	10.0	16.0
2	邓伟锋	安徽理工大学电气与信息工程学院	3	12	2.0	3.0