电工技术学报
電工技術學報
전공기술학보
TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY
2015年
4期
272-280
,共9页
孙丙香%高科%姜久春%罗敏%何婷婷%郑方丹%郭宏榆
孫丙香%高科%薑久春%囉敏%何婷婷%鄭方丹%郭宏榆
손병향%고과%강구춘%라민%하정정%정방단%곽굉유
动力电池%峰值功率%ANFIS%减法聚类%混合训练
動力電池%峰值功率%ANFIS%減法聚類%混閤訓練
동력전지%봉치공솔%ANFIS%감법취류%혼합훈련
Power battery%peak power%adaptive neuro-fuzzy inference system%subtraction clustering%hybrid training
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.
動力電池的短時峰值功率預測對于實際使用來說至關重要.本文採用基于一階Sugeno模糊推理繫統的自適應神經模糊推理繫統(ANFIS)模型估計放電峰值功率.選取溫度、SOC和歐姆內阻為模型輸入量,10s脈遲放電峰值功率為輸齣變量.基于實測和麯線擬閤相結閤的方法得到訓練數據組,採用305組數據組模型進行訓練,採用網格生成法和減法聚類法分彆生成模糊集閤,併採用單一BP神經網絡方法和混閤訓練方法分彆進行模型訓練.髮現採用減法聚類法生成模糊結構,能大幅減少模糊規則的數目,併提高收斂速度,在滿足預測準確度的前提下降低瞭模型的複雜程度;採用混閤訓練方法進行網絡學習能夠加彊模型的收斂能力併剋服單一BP算法的跼部最優問題,準確度更高.最後,採用125組數據組模型進行驗證,預測誤差在10％以內,基于ANFIS的模型能夠很好地估計電池的脈遲峰值功率.
동력전지적단시봉치공솔예측대우실제사용래설지관중요.본문채용기우일계Sugeno모호추리계통적자괄응신경모호추리계통(ANFIS)모형고계방전봉치공솔.선취온도、SOC화구모내조위모형수입량,10s맥충방전봉치공솔위수출변량.기우실측화곡선의합상결합적방법득도훈련수거조,채용305조수거조모형진행훈련,채용망격생성법화감법취류법분별생성모호집합,병채용단일BP신경망락방법화혼합훈련방법분별진행모형훈련.발현채용감법취류법생성모호결구,능대폭감소모호규칙적수목,병제고수렴속도,재만족예측준학도적전제하강저료모형적복잡정도;채용혼합훈련방법진행망락학습능구가강모형적수렴능력병극복단일BP산법적국부최우문제,준학도경고.최후,채용125조수거조모형진행험증,예측오차재10％이내,기우ANFIS적모형능구흔호지고계전지적맥충봉치공솔.
