基于PSO-CNN的储能锂离子电池组荷电状态评估.pdfVIP

研究设计电源技术

基于PSO-CNN的储能锂离子电池组荷电状态评估

李肖辉，肖亚哲，田志国，王

三京，李晶晶

(许继集团有限公司许昌许继电科储能技术有限公司，河南许昌461000)

摘要：将卷积神经网络（convolutionalneuralnetwork，CNN)的权值和阈值作为粒子群算法（particle

swarmoptimization，PSO)的粒子，将CNN的损失函数作为PSO的适应度函数，从而构建PSO-CNN

算法对储能锂离子电池组的荷电状态(stateofcharge,SoC)进行预测。以储能系统现场采集的充放

电数据为样本，分别采用本文算法、基于优化的支持向量机(，SVM)、

PSosupportvectormachine

CNN进行训练，并在完整充放电数据集上对比3种算法的预测效果。结果表明本文算法收敛性好、

预测精度高。最后采用另一储能现场的数据验证本文算法具有良好的鲁棒性，可以广泛适用于储能

系统锂离子电池组SOC的在线预测。

关键词：荷电状态；锂离子电池组；粒子群算法；卷积神经网络

中图分类号：TM912.9文献标识码：A文章编号：1002-087X(2024)04-0685-08

D0I:10.3969/j.issn.1002-087X.2024.04.018

Stateofchargeevaluationofenergystoragelithiumionbatterygroup

basedonPSO-CNN

LIXiaohui,XIAOYazhe,TIANZhiguo,WANGJing,LIJingjing

(XUJICEPRIEnergyStorageTechnologyCo.,Ltd.,XJGroupCorporation,XuchangHenan461000,China)

Abstract:Withtheweightsandthresholdsoftheconvolutionalneuralnetwork(CNN)astheparticles

oftheparticleswarmoptimization(PSO)algorithmandthelossfunctionofCNNasthefitnessfunc-

tionofthePSO,thePSO-CNNalgorithmwasbuilttopredictthestateofcharge(SOC)oftheenergy

storagelithiumionbatterygroup.Theon-sitecharge-dischargedatacollectedbytheenergystorage

systemweretakenassamples,andtheproposedalgorithm,supportvectormachine(SVM)optimized

basedonPSO,andCNNwererespectivelyusedfortraining,andthepredictioneffectsofthethreeal-

gorithmswerecomparedonthecompletecharge-dischargedataset.Theresultsshowthatthepro-

posedalgorithmhasgoodconve