基于人工智能的电网用蓄电池健康度评估

被引：15

作者：

王洪 ^{[1
]}

卢志涛 ^{[1
]}

王少博 ^{[1
]}

李伟杰 ^{[2
]}

机构：

[1] 国网冀北电力有限公司张家口供电公司

[2] 北京国电光宇机电设备有限公司

来源：

广东电力 | 2019年 / 32卷 / 04期

关键词：

蓄电池; 健康度; 人工智能; 预判;

D O I：

暂无

中图分类号：

TM912 [蓄电池]; TP18 [人工智能理论];

学科分类号：

0808 ; 081104 ; 0812 ; 0835 ; 1405 ;

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-propagation,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。

引用

收藏

页码：79 / 84

页数：6

相关论文

共 19 条

[1] 基于机器学习的电网设备档案数据异常诊断研究 [J].

龙婧 ;

刘伟 ;

殷胜 .

电力信息与通信技术, 2018, 16 (07) :21-27

[2] 基于配用电大数据的短期负荷预测 [J].

丁晓 ;

孙虹 ;

郑海雁 ;

季聪 ;

徐金玲 ;

仲春林 ;

熊政 .

电力工程技术, 2018, 37 (03) :21-27

[3] 变电站蓄电池机理分析及其状态多维度智能检测策略研究 [J].

王志华 ;

王朋 ;

梅成林 ;

王建勇 ;

彭岳云 ;

杨忠亮 .

电网与清洁能源, 2018, 34 (01) :115-122

[4] 考虑蓄电池记忆效应的风光储混合系统控制策略研究 [J].

殷志敏 ;

章旭泳 ;

俞强 ;

缪正 ;

刘平平 .

浙江电力, 2018, 37 (01) :47-51

[5] 基于机器学习的数据脱敏系统研究与设计 [J].

王鑫 ;

王电钢 ;

母继元 ;

常健 ;

张凤 .

电力信息与通信技术, 2018, 16 (01) :33-38

[6] 利用电力大数据挖掘表计串户计量差错的实践 [J].

李东晨 ;

张文扬 ;

刘莺 .

电力大数据, 2017, 20 (09) :46-51

[7] 变电站蓄电池运行维护关键技术难点分析 [J].

王志华 ;

陈基顺 ;

王建勇 ;

杨忠亮 .

广东电力, 2017, 30 (08) :8-13

[8] 基于大数据的多种能源功率预测技术研究及应用 [J].

范强 ;

文贤馗 ;

林呈辉 ;

潘华 ;

张建侠 ;

冯永生 ;

陈和龙 ;

罗治松 ;

杨刚 ;

张俨 .

电力大数据, 2017, 20 (08) :36-40

[9] 龙口水电站220V直流系统蓄电池更新改造及容量试验 [J].

张春龙 ;

赵国栋 ;

姚景涛 ;

方玮 .

内蒙古电力技术, 2017, 35 (03) :57-60

[10] 通信及调度机房多组并联蓄电池组实现在线逐组核容关键技术方案 [J].

李伟杰 ;

魏合民 ;

李志波 ;

王晓强 .

中国新技术新产品, 2017, (04) :10-12+131