摘要
本发明提供一种基于电池组健康状态预测的储能系统功率分配方法,所述方法通过结合卷积神经网络与长短期记忆网络构建了预测锂离子电池健康状态的混合神经网络模型,利用贝叶斯算法优化混合神经网络模型参数,提高模型对电池组健康状态预测精度;并且结合所提出的锂离子电池预测模型,提出基于熵权法的电池组充/放电优先级排序规则;以电池组荷电状态一致性为目标函数,以电池组的电荷状态和健康状态作为评价指标,建立电池组功率优化分配策略,以实现储能系统能量优化分配,有助于延长旧电池使用寿命,避免单个电池过充过放,实现电池组荷电状态的均衡。
技术关键词
电池组健康状态
混合神经网络模型
功率分配方法
锂电池健康状态
电池组荷电状态
门结构
长短期记忆网络
储能系统能量优化
指标
锂离子电池健康状态
输出特征
功率优化
sigmoid函数
电池过充过放
矩阵
多维时序数据
电池储能单元
系统为您推荐了相关专利信息
短期负荷预测方法
混合神经网络模型
负荷预测模型
气象
加权平均法
功率分配方法
优化控制策略
学习历史数据
ARIMA模型
线性回归模型
电池可用容量
AI算法
参数
电流输入模块
锂电池健康状态
运维管理方法
储能锂电池
单体
锂电池健康状态
监控运维管理系统
功率分配方法
主发电机
推进系统
混合储能系统功率
超级电容放电