基于改进的高斯过程回归的SOC估计算法

来源 :储能科学与技术 | 被引量 : 0次 | 上传用户:wwjms
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了提高锂离子电池荷电状态(SOC)的估计精度,文中采用基于高斯过程回归(GPR)机器学习的锂离子电池数据驱动方法,首先选取数据集,将电池测量参数电流和电压作为模型的输入向量,SOC作为模型的输出向量来训练模型,为了提高模型精度,文中改进了高斯过程回归模型.将上一时刻估计的SOC值加入到移动窗口中,并与电流和电压一起作为输入向量.通过窗口的大小不断更新训练集,从而训练出高精度SOC估计模型.通过实验采集的数据,并和GPR、最小二乘支持向量机(LSSVM)、支持向量机(SVM)和神经网络(NN)相比,所提模型估计的SOC均方根误差(RMSE)控制在1.5%以内,验证了提出方法的有效性.
其他文献
随着社会的不断发展,对能源的需求与依赖也随之增大.面对当前这种形式,人们除了采用传统的火力发电以外,逐渐开始利用水能、风能、太阳能等清洁能源发电.清洁能源往往通过自然界存在的能量进行发电,因而其发电具有随机性和间歇性,从而影响电压与电网的稳定连接.储能电池可作为介质来维持电网与清洁能源之间的稳定.
期刊
为了提高储能系统工作效率,提高设备状态监测及故障预防的风险评估能力,以分布式开展、利用数据集进行高速运算及存储成为储能系统现代化发展的必然趋势.依托智能运维、分布式储能、运行优化、容量分配等,建立储能系统数据分析模型,以降低线损、优化选址、提高效率为基础,确保储能系统高效率运行,解决大规模分布式储能容量配置问题,提高高峰调峰收益.
期刊
为了提高锂离子电池健康状态(SOH)的预测精准度和稳定性,针对常规特征选取复杂且无法有效利用等问题,提出了一种联合一维卷积(1DCNN)与长短记忆网络(LSTM)的电池SOH预测方法.首先采用多通道串联电压、电流、温度构建多维特征,然后采用1DCNN从样本数据中提取高级数据特征输入LSTM中以有效利用历史信息,最后通过全连接层输出电池SOH的预测结果.采用NASA锂离子电池容量衰减数据,对所应用的联合算法进行验证,结果表明,相较于其他预测算法,基于1DCNN-LSTM的算法具有更准确的SOH预测结果,其平
从语言学上分析了基于知识本体与基于词向量的词语语义相似度计算方法的不同特点,指出两类方法进行语义计算的优点与不足,并据此提出了基于强化学习策略的混合式语义相似度计算方法.该方法不但能够解决使用单一方法无法解决的语义计算问题,而且计算结果更接近人工判定结果,与MC30人工判定值的皮尔逊相关系数达到0.917.最后指出了提升该类算法性能的途径,一方面,可将更多的语言学信息作为观测变量,使得学习算法面临的环境更接近真实语言环境;另一方面,可使用更高层次的语言学任务结果作为奖励,增加算法解决问题的能力.
传统的视频情感识别工作主要集中在面部表情、人体的动作行为等,忽略了场景和对象中包含大量的情感线索及不同对象之间的情感关联.因此,提出了一个基于视觉关系推理和跨模态信息学习的音视频特征融合网络模型用于预测视频情感.模型主要包括三部分:对象间的情感关系推理、声学特征提取、跨模态交互融合.首先,采用Mask R-CNN模型提取出包含物体的区域并提取出相应的特征序列,利用图注意力网络对视频帧中的不同区域之间的情感关联进行推理,找到视频帧中的关键区域;然后,利用双向长短时记忆网络提取对数梅尔频谱片段的帧级上下文信息
为提高锂离子电池在复杂工况下的预测能力和建模精度,提出一种基于滑动窗口和长短时记忆(long short term memory,LSTM)神经网络的锂离子电池建模方法.首先建立了基于神经网络的锂离子电池模型,确定了神经网络的基本结构,通过LSTM层、向量拼接层和全连接层分别实现了时序特征提取、特征融合和回归预测.然后提出了滑动窗口的输入向量处理方法,滑动窗口每次向前推进一个时间点,通过限制时间窗口内所能处理的最大信元数对数据量进行限制,为多个LSTM层的并行计算和深隐层的拼接层和全连接层预留了计算量的裕
为减小道路阻力变化对驾驶机器人纵向操纵的影响,提出了驾驶机器人纵向操纵的自适应模型预测控制方法.建立了不同操纵模式驾驶机器人车辆耦合模型,基于耦合模型设计了模型预测控制器和模式切换控制器,并采用带遗忘因子的递推最小二乘算法设计道路滚阻系数估计器.通过仿真与试验得出,该控制方法能抵抗道路滚阻系数扰动带来的影响,纵向车速跟踪误差在±2 km/h,实现了精准驾驶机器人纵向操纵.
滚动轴承是机械系统中极易破坏的重要零件,它直接影响机械设备健康质量状况.首先,综述国内外轴承寿命研究的发展趋势和关键问题和滚动轴承疲劳寿命基本理论、寿命计算方法及寿命理论适应性的优劣;然后,概述断裂力学和损伤力学轴承寿命分析研究模型;最后,对损伤力学和断裂力学联合有限元分析进行分析展望,并考虑轴承游隙、变形量、内圈圆度误差对疲劳寿命的影响,提出一种试验与理论相结合、基于力学改进的轴承疲劳寿命分析新思路,希望能对提高轴承疲劳寿命分析预测精度有所借鉴.
对流换热系数(convective heat transfer coefficient,CHTC)是锂离子电池(lithium-ion battery,LIB)热力学仿真过程中的重要参数.在电池热力学仿真过程中,通常将CHTC设置为固定值.尽管可以获得令人满意的仿真结果,但是仿真过程与实际情况不一致,并且不能准确地预测电池放电期间的温升特性.变对流换热系数(variable convective heat transfer coefficient,VCHTC)可以随电池放电而变化,并提高了仿真过程的准确性
特征提取是基于深度学习的立体匹配中至关重要的一个部分.针对目前立体匹配网络在特征提取中造成的语义损失和匹配代价信息丢失问题,将特征金字塔网络作为立体匹配的特征提取部分,提取包含高层语义信息和多尺度信息的多通道特征;并使用改进的群组相关模块计算匹配代价,使网络包含更多的特征相似性信息,减少信息丢失,进而更加准确地重建弱纹理等病态区域.在SceneFlow、KITTI 2012和KITTI 2015双目数据集上进行测试评估,结果表明:提出的算法取得了较好精度,并且相比基准网络,在提高精度和弱纹理区域匹配效果的