电池储能系统SOC神经网络融合估计方法

• 作者: 孙玉树 李宏川 王波 贾东强 裴玮 唐西胜
• 来源期刊: 湖南大学学报（自然科学版）
• 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
• 年，卷（期）: 2024,（10）
• 所属期刊栏目: 电气与信息工程
• 页码范围: 35-44
• 页数: 10页
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2023235

摘要

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.