基于改进概率神经网络的储能电池荷电状态估计.pdfVIP

人工智能技术ArtificialIntelligenceTechnology2024第52卷第2期Vol.52No.2

基于改进概率神经网络的储能电池荷电状态估计

12333

翟苏巍，李文云，周成，汪成，侯世玺

（1.中国南方电网云南电网有限责任公司电力科学研究院，云南昆明650217；2.中国南方电网云南电力

调度控制中心，云南昆明650011；3.河海大学人工智能与自动化学院，江苏南京210098）

摘要：锂离子电池荷电状态（SOC）估计技术是储能电站电池管理系统重要组成部分。为了实现对SOC的准确

估算，提出一种改进概率神经网络（MPNN）用于储能电池荷电状态估计。相较于传统神经网络，结合概率函数

和补偿机制的MPNN，不仅可避免陷入局部最优，而且具有更优秀的拟合能力，可进一步提高SOC估计精度。仿

真实验表明，所提MPNN方法的SOC估计值平均绝对误差和均方误差均低于1%，获得了满意的性能。

关键词：储能电站；锂离子电池；荷电状态；神经网络；数据驱动

中图分类号：TM912文献标志码：A文章编号：2096-4145（2024）02-0094-07

State-of-ChargeEstimationofEnergyStorageBatteriesBasedon

ModifiedProbabilisticNeuralNetworks

12333

ZHAISuwei，LIWenyun，ZHOUCheng，WANGCheng，HOUShixi

（1.ElectricPowerResearchInstituteofChinaSouthernPowerGridYunnanPowerGridCo.，Ltd.，Kunming

650217，China；2.YunnanPowerDispatchingControlCenterofChinaSouthernPowerGrid，Kunming650011，

China；3.CollegeofArtificialIntelligentandAutomation，HohaiUniversity，Nanjing210098，China）

Abstract:Stateofcharge（SOC）estimationtechnologyforLi-ionbatteryisanimportantpartofbatterymanagementsysteminenergy

storagepowerstation.InordertoachieveaccurateSOCestimation，thepaperproposesamodifiedprobabilisticneuralnetwork（MPNN）

tomakeanestimationofSOC.Comparedwithtraditionalneuralnetworks，MPNNcombinedwithprobabilityfunctionandcompensation

mechanismcannotonlyavoidfallingintolocaloptimization，butalsohasbetterfittingability，furtherimprovingSOCestimation

accuracy.SimulationresultsshowthatthemeanabsoluteerrorandmeansquareerrorofSOCestimationusingtheproposedMPNN

methodarebothlowerthan1%，andsatisfactoryperformanceisobtained.

Keywords:energystoragestation；Li-ionbatteries；stateofcharge；neuralnetwork；data-driven