《表2 不同输入特征参数下的SOC平均绝对误差》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于熵权法和Elman神经网络相结合的储能系统SOC估计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表1可以看出，电流的权重最大，电流积分次之，电池内阻的权重最小。根据各参数权值大小排序形成待评价特征集S={[电流]，[电流，电流积分]，[电流，电流积分，电压]，[电流，电流积分，电压，温度]，[电流，电流积分，电压，温度，电池内阻]}，分别作为Elman神经网络的输入实现储能系统SOC的状态估计。不同输入特征参数下的储能系统SOC预测误差曲线如图5所示，其平均绝对误差如表2所示。