《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》
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。
图表编号 | XD00117457000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.05 |
作者 | 李德鑫、吕项羽、王佳蕊、刘星宇、韩晓娟 |
绘制单位 | 国网吉林省电力有限公司电力科学研究院、国网吉林省电力有限公司电力科学研究院、国网吉林省电力有限公司电力科学研究院、华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |