科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着储能电站在新型电力系统中的大范围应用，提高锂离子电池荷电状态（SOC）预测精度对提升储能电站乃至电力系统安全稳定具有重大意义。本文提出了一种结合多尺度卷积网络（CNN）和残差长短期记忆网络（LSTM）的电池SOC预测方法，首先利用多尺度CNN自动提取传感器数据中不同类型特征，然后将特征输入LSTM网络挖掘时间维度的关联性，同时在LSTM网络两端加入残差连接以避免模型过拟合。在储能系统实测数据上对比实验表明，所提出的模型在各指标下均取得了最好预测结果，特别是在电池处于复杂工作情况时更能提取关键特征，从而表现出更优秀的预测性能。
-
单位西安交通大学; 华电电力科学研究院有限公司
