基于ANFIS和减法聚类的动力电池放电峰值功率预测

作者：孙丙香; 高科; 姜久春; 罗敏; 何婷婷; 郑方丹; 郭宏榆

来源：电工技术学报, 2015, 30(04): 272-280.

DOI：10.19595/j.cnki.1000-6753.tces.2015.04.034

• 动力电池
• 峰值功率
• ANFIS
• 减法聚类
• 混合训练

动力电池的短时峰值功率预测对于实际使用来说至关重要。本文采用基于一阶Sugeno模糊推理系统的自适应神经模糊推理系统(ANFIS)模型估计放电峰值功率。选取温度、SOC和欧姆内阻为模型输入量,10s脉冲放电峰值功率为输出变量。基于实测和曲线拟合相结合的方法得到训练数据组,采用305组数据组模型进行训练,采用网格生成法和减法聚类法分别生成模糊集合,并采用单一BP神经网络方法和混合训练方法分别进行模型训练。发现采用减法聚类法生成模糊结构,能大幅减少模糊规则的数目,并提高收敛速度,在满足预测准确度的前提下降低了模型的复杂程度;采用混合训练方法进行网络学习能够加强模型的收敛能力并克服单一BP算法的局部最优问题,准确度更高。最后,采用125组数据组模型进行验证,预测误差在10%以内,基于ANFIS的模型能够很好地估计电池的脉冲峰值功率。

• 单位
  惠州市亿能电子有限公司; 北京交通大学; 广东电网公司电力科学研究院