-
题名基于粒子群算法的卫星蓄电池区间预测方法
被引量：2
- 1
-
-
作者
曹孟达
张涛
李文桦
王羽
刘亚杰
-
机构
国防科技大学系统工程学院
-
出处
《无线电工程》
2020年第4期285-293,共9页
-
基金
装备技术基础项目(181GF35003)。
-
文摘
卫星在阴影区运行时需要蓄电池提供能源,而锂离子电池由于能量密度大、自放电率低、循环寿命长的优点逐渐成为多数卫星的选择。卫星蓄电池在外太空工作时,容量会随着循环次数的增多而逐渐下降。针对这种健康状态(State of Health,SOH)退化的问题,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)的上下边界估计(Lower Upper Bound Estimation,LUBE)神经网络建立预测模型,将放电过程中的截止电压、样本熵和工作温度作为神经网络模型输入,电池SOH作为神经网络模型输出。在提高预测区间覆盖率(Prediction Intervals Coverage Probability,PICP)的同时减少预测区间宽度(Normalized Mean Prediction Intervals Width,NMPIW),构建了集成指标(Coverage Width-based Criterion,CWC)。基于该指标函数的不可微性,采用PSO优化神经网络模型使CWC尽可能地降低以兼顾PICP和NMPIW指标的最优。采用NASA的18号电池测试数据,对所提区间预测算法的有效性进行了分析验证。
-
关键词
电池健康状态
粒子群算法
上下边界估计法
区间预测
-
Keywords
battery state of health
particle swarm optimization
lower upper bound estimation(lube)
interval prediction
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
-
题名超短期光伏出力区间预测算法及其应用
被引量：41
- 2
-
-
作者
黎敏
林湘宁
张哲原
翁汉琍
-
机构
三峡大学电气与新能源学院
强电磁工程与新技术国家重点实验室(华中科技大学)
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2019年第3期10-16,共7页
-
基金
国家自然科学基金重点项目(51537003)~~
-
文摘
光伏出力预测能为电力系统经济安全运行提供重要依据,传统预测方法多为确定性点预测,其结果一般有不同程度的误差,概率性区间预测方法能有效描述光伏出力的不确定性因而逐步受到重视。针对超短期光伏出力区间预测问题,提出一种基于粒子群优化与边界估值理论的预测模型,用于光伏出力区间预测。通过利用粒子群算法对边界估值理论的输出权值进行优化,能够直接、快速地寻找最优的预测区间上下限,从而克服传统区间预测方案中计算量大与需要数据分布假设的限制,实现对超短期光伏出力的区间预测。最后,基于澳大利亚昆士兰大学光伏电站实例仿真验证模型,评估不同置信水平下模型的区间预测性能,并与传统的点预测方案进行对比,结果表明,所提出模型能生成高质量的超短期光伏出力区间预测,能够为光伏并网安全稳定运行提供更好的决策支持。
-
关键词
粒子群优化
边界估值理论
区间预测
光伏出力预测
-
Keywords
particle swarm optimization (PSO)
lower upper bound estimation (lube) method
interval prediction
photovoltaic output prediction
-
分类号
TM615
[电气工程—电力系统及自动化]
-
