电工电能新技术

作者：宋洁1， 赵雪莹1,2， 朱玉婷1， 梁丹曦1， 徐桂芝1， 邓占锋1

单位：1.全球能源互联网研究院有限公司， 北京 102209；
\r\n2.清华大学电机系， 北京 100084

关键词：储能电站, 门控神经网络, 荷电状态, 神经网络学习

基金：国家电网公司科技项目（2018-2020-SGGR0000DLJS1801307)

电站荷电状态（SOC）估算是电池管理系统中重要的功能之一，同时SOC也是保障储能电站正常运行和安全的重要参数。对于储能电站，SOC的准确估计能防止电池的过充或过放，延长电池使用寿命，准确估算SOC也是当前的难点。本文提出使用门控神经网络(GRU)结合Dropout正则化算法估算SOC，实现电池SOC的准确估计与良好泛化能力。GRU网络用来学习电压、电流测量值与SOC的非线性关系。训练时，Dropout将隐藏层中的所有神经元以一定的概率随机置为0，避免对隐藏层中任一节点产生依赖，防止过拟合，从而增加模型的泛化能力。实验结果显示，本文提出的方法可实现SOC准确估计，最优结果为平均绝对误差1.38%，均方根误差1.66%。

来源：2022年第4期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2022年第4期