基于人工智能的电网用蓄电池健康度评估

• 作者: 卢志涛 李伟杰 王少博 王洪
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 蓄电池 健康度 人工智能 预判
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 电网运行与控制
• 页码范围: 79-84
• 页数: 6页
• 分类号: TM912|TN710|TP183
• 字数: 6047字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2019.004.011

摘要

目前对蓄电池检测的研究大部分集中在剩余电量方面,基于人工智能技术的蓄电池健康度(state of health,SOH)评估研究相对较少.为此,对电网用蓄电池失效机理进行分析,列举出影响蓄电池SOH的主要参数,提出以数据驱动的改进列文伯格-马夸尔特最优化方法的反向传播(Levenberg-Marquardt back-propaga-tion,LMBP)神经网络算法来评估蓄电池的健康程度.测试数据表明,改进的LMBP算法评估结果相对误差小于2％,说明基于数据驱动的人工智能技术可作为行之有效的蓄电池SOH评估方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟杰		3	7	2.0	2.0
2	王洪		12	16	2.0	3.0
3	王少博		3	8	2.0	2.0
4	卢志涛		1	3	1.0	1.0