基于HCOAG算法优化KELM的全钒液流电池SOC估计

作者：陆鹏; 付华; 卢万杰; 张慧峰; 郑翔宇

来源：电力系统保护与控制, 2023, 51(07): 135-145.

DOI：10.19783/j.cnki.pspc.221050

• 灰狼算法
• 郊狼算法
• 核极限学习机
• 全钒液流电池
• 荷电状态

针对直流微电网储能系统中全钒液流电池SOC难以精确估计的问题，提出一种基于郊狼算法(coyote optimization algorithm, COA)与灰狼算法(grey wolf optimization, GWO)的混合算法(hybrid COA with gwo, HCOAG)优化核极限学习机(kernelextremelearningmachine, KELM)的全钒液流电池SOC估计方法。首先将改进的郊狼算法(improved COA, ICOA)与简化操作的灰狼算法(simplified GWO, SGWO)采用正弦交叉策略融合组成HCOAG算法，利用HCOAG算法对KELM模型的参数进行寻优。然后利用基准函数对HCOAG算法进行测试，并与其他智能算法对比寻优能力。最后通过CEC-VRB-5 kW型号电池进行仿真和实验，验证了该估计方法的准确性与可行性。结果表明，所提HCOAG-KELM方法估计精度优于GWO-KELM、ICOA-KELM、KELM、扩展卡尔曼滤波(extended kalman filter, EKF)和无迹卡尔曼滤波(unscented kalman filter, UKF)算法模型，同时估计误差在2%之内，满足实际需求。

• 单位
  辽宁工程技术大学