基于BiLSTM-MhSa-ResNet的储能电站SOC预测

作者：廖圣瑄; 李林; 丁伟; 唐起超; 唐志军; 杨继盛

来源：电子设计工程, 2023, 31(22): 78-82.

DOI：10.14022/j.issn1674-6236.2023.22.016

• 荷电状态
• 深度学习
• 锂电池
• 神经网络
• 储能电站

储能电站荷电状态（SOC）评估对储能电站安全稳定运行起到重要作用。针对当前传统神经网络预测精度不足的问题，提出一种双向长短期记忆多头残差网络（BiLSTM-MhSa-ResNet）进行SOC预测。该模型使用多头自注意力机制提高了特征值的获取能力，通过残差神经网络解决了梯度异常问题，应用双向长短期记忆网络捕获了长期依赖关系，从而提高了预测能力。实验结果表明，采用BiLSTM-MhSa-ResNet进行充电SOC预测时，平均绝对误差为1.02%，均方根误差为1.31%，决定系数为0.998，提高了SOC预测的准确性。进行放电SOC预测实验时，该模型也具有较好的训练效果。

• 单位
  电子科技大学