期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于递归小脑模型神经网络和卡尔曼滤波器的锂电池荷电状态预测
1
作者
徐智帆
李华森
+1 位作者
李文院
余凯
《综合智慧能源》
CAS
2024年第7期81-86,共6页
由于储能系统被广泛应用到新能源汽车、分布式发电等领域,其在运行过程中的可靠性是研究的重点之一。荷电状态(SOC)是反映电池续航能力的关键参数。为保证储能系统的正常运行,提出了一种锂电池SOC估计的方法,将递归小脑模型神经网络(RCM...
由于储能系统被广泛应用到新能源汽车、分布式发电等领域,其在运行过程中的可靠性是研究的重点之一。荷电状态(SOC)是反映电池续航能力的关键参数。为保证储能系统的正常运行,提出了一种锂电池SOC估计的方法,将递归小脑模型神经网络(RCMNN)和卡尔曼滤波器(KF)都用于荷电状态估计。为了强化RCMNN的捕获动态特征的能力,在联想记忆层和权值记忆层均加入了递归单元。将采集的电压、电流和温度作为模型的输入,用于模拟储能系统的不同充、放电情况。考虑到实际工况下电池放电的复杂性,在不同的放电条件和不同SOC初值的情况下将SOC的实际值与预测值进行对比。试验结果表明,该预测方法在不同条件下都具有较高的精度和鲁棒性。
展开更多
关键词
荷电状态
锂电池
储能系统
递归
小脑
模型
神经网络
卡尔曼滤波器
下载PDF
职称材料
锂电池剩余寿命预测的递归小脑模型
2
作者
徐智帆
《福建电脑》
2022年第4期7-11,共5页
为了保证储能系统的安全性和可靠性,本文提出一种新的锂电池剩余寿命预测的方法。该方法采用联想记忆层和权值记忆层都具有递归单元的递归小脑模型神经网络来预测锂电池的剩余寿命。采用马里兰大学的先进寿命周期工程中心的数据集进行...
为了保证储能系统的安全性和可靠性,本文提出一种新的锂电池剩余寿命预测的方法。该方法采用联想记忆层和权值记忆层都具有递归单元的递归小脑模型神经网络来预测锂电池的剩余寿命。采用马里兰大学的先进寿命周期工程中心的数据集进行验证测试,测试的结果表明,该方法在不同的预测起始点都具有很好的准确性。
展开更多
关键词
锂电池
递归
小脑
模型
神经网络
剩余寿命
下载PDF
职称材料
题名
基于递归小脑模型神经网络和卡尔曼滤波器的锂电池荷电状态预测
1
作者
徐智帆
李华森
李文院
余凯
机构
国网厦门供电公司
国网漳州供电公司
国网福建物资公司
国网福建建设公司
出处
《综合智慧能源》
CAS
2024年第7期81-86,共6页
文摘
由于储能系统被广泛应用到新能源汽车、分布式发电等领域,其在运行过程中的可靠性是研究的重点之一。荷电状态(SOC)是反映电池续航能力的关键参数。为保证储能系统的正常运行,提出了一种锂电池SOC估计的方法,将递归小脑模型神经网络(RCMNN)和卡尔曼滤波器(KF)都用于荷电状态估计。为了强化RCMNN的捕获动态特征的能力,在联想记忆层和权值记忆层均加入了递归单元。将采集的电压、电流和温度作为模型的输入,用于模拟储能系统的不同充、放电情况。考虑到实际工况下电池放电的复杂性,在不同的放电条件和不同SOC初值的情况下将SOC的实际值与预测值进行对比。试验结果表明,该预测方法在不同条件下都具有较高的精度和鲁棒性。
关键词
荷电状态
锂电池
储能系统
递归
小脑
模型
神经网络
卡尔曼滤波器
Keywords
state of charge
lithium-ion battery
energy storage system
recurrent cerebellar model neural network
Kalman filter
分类号
TM91 [电气工程—电力电子与电力传动]
TK01 [动力工程及工程热物理]
下载PDF
职称材料
题名
锂电池剩余寿命预测的递归小脑模型
2
作者
徐智帆
机构
国网厦门供电公司
出处
《福建电脑》
2022年第4期7-11,共5页
文摘
为了保证储能系统的安全性和可靠性,本文提出一种新的锂电池剩余寿命预测的方法。该方法采用联想记忆层和权值记忆层都具有递归单元的递归小脑模型神经网络来预测锂电池的剩余寿命。采用马里兰大学的先进寿命周期工程中心的数据集进行验证测试,测试的结果表明,该方法在不同的预测起始点都具有很好的准确性。
关键词
锂电池
递归
小脑
模型
神经网络
剩余寿命
Keywords
Lithium-ion Battery
Recurrent Cerebellar Model Neural Network
Remaining Useful Life
分类号
TM91 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于递归小脑模型神经网络和卡尔曼滤波器的锂电池荷电状态预测
徐智帆
李华森
李文院
余凯
《综合智慧能源》
CAS
2024
0
下载PDF
职称材料
2
锂电池剩余寿命预测的递归小脑模型
徐智帆
《福建电脑》
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
