基于LSTM的锂电池储能装置SOC与SOH联合预测

TM912%TP18; 锂电池储能装置在电网中承担削峰填谷、调频保电的重要工作,因此有必要预测其运行状态,为下一步制定运维与检修计划提供依据.为实现锂电池储能装置荷电状态(state of charge,SOC)与健康状态(state of health,SOH)的联合预测,首先分析了预测电压与温度的必要性和SOC与SOH的关联性,然后提出采用长短期记忆(long short-term memory,LSTM)网络来预测电压与温度的变化,并增加锂电池储能装置历史运行状态作为特征量来提高预测精度.最后在电压与温度预测值的基础上,对SOC和SOH进行联合预测.仿真结果表明,相比小波神经网络、BP神...

Full description

Bibliographic Details

Published in:	全球能源互联网 Vol. 5; no. 1; pp. 37 - 45
Main Authors:	刘运鑫, 姚良忠, 周金辉, 陈超, 柯德平, 廖思阳, 龚烈锋, 程帆
Format:	Journal Article
Language:	Chinese
Published:	武汉大学电气与自动化学院,湖北省 武汉市 430000%浙江省电力公司电力科学研究院,浙江省 杭州市 310000 2022 Editorial Office of Journal of Global Energy Interconnection
Subjects:	健康状态 联合预测 荷电状态 锂电池 长短期记忆网络 锂电池;长短期记忆网络;荷电状态;健康状态;联合预测
Online Access:	Get full text
Tags:	Add Tag No Tags, Be the first to tag this record!