JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

基于BP神经网络的阀控铅酸盐蓄电池劣化程度预测

李东玉 ,  王睿 ,  冯宜民

downloadPDF
李东玉, 王睿, 冯宜民. 基于BP神经网络的阀控铅酸盐蓄电池劣化程度预测[J]. 轻工学报, 2012, 27(4): 12-15. doi: 10.3969/j.issn.1004-1478.2012.04.004
引用本文: 李东玉, 王睿, 冯宜民. 基于BP神经网络的阀控铅酸盐蓄电池劣化程度预测[J]. 轻工学报, 2012, 27(4): 12-15. doi: 10.3969/j.issn.1004-1478.2012.04.004
shu
LI Dong-yu, WANG Rui and FENG Yi-min. Impairment degree forecast for valve regulated lead acid battery based on BP neural network[J]. Journal of Light Industry, 2012, 27(4): 12-15. doi: 10.3969/j.issn.1004-1478.2012.04.004
Citation: LI Dong-yu, WANG Rui and FENG Yi-min. Impairment degree forecast for valve regulated lead acid battery based on BP neural network[J]. Journal of Light Industry, 2012, 27(4): 12-15. doi: 10.3969/j.issn.1004-1478.2012.04.004
shu

基于BP神经网络的阀控铅酸盐蓄电池劣化程度预测

  • 河南省太康县电业管理局, 河南 太康 461400;

  • 河南省范县供电局, 河南 范县 457500;

  • 洛阳市人力资源和社会保障局, 河南 洛阳 471003

  • 基金项目: 河南省电力公司科技攻关项目(豫电科20111613)

  • 中图分类号: TM561

Impairment degree forecast for valve regulated lead acid battery based on BP neural network

  • Taikang County Electric Power Administration, Taikang 461400, China;

  • FanCounty Power Supply Bureau, FanCounty 457500, China;

  • Human Resources and Social Security of Luoyang City, Luoyang 471003, China

  • Received Date: 2012-03-19
    Available Online: 2012-07-15

    CLC number: TM561

  • 摘要: 为了提高对阀控铅酸盐蓄电池劣化程度的预测准确度,构建了一个具有自学习功能的BP神经网络预报模型,使用不同放电深度下的192组数据对BP神经网络进行训练和学习,然后使用训练好的BP神经网络对实时采集到的数据进行预报和分析,预报准确率达93%以上,证明预报模型具有较高的可靠性.
    Abstract: In order to improve forecast accurancy of impairment degree for valve regulated lead acid battery,a forecast model based on neural network with autonomic learning function was structured.The BP neural network was trained and learned using 192 different discharge degree data,then the real time collection data were forecasted and analyzed using trained BP neural network.The forecast accurancy is above 93%,which proves the forecast model's validity.
    1. [1]

      Rand D A J,Moseley P T,Garche J,et al.Valve-regulated Lead-acid Batteries[M].London:Elsevier,2004:8-12.

    2. [2]

      朱松然.铅酸蓄电池实用手册[M].北京:机械工业出版社,1992:22-46.

    3. [3]

      刘百芬,程海林.一种新型的蓄电池内阻测量方法的研究及实现[J].仪表技术与传感器,2004,40(5):49.

    4. [4]

      韩团军.基于神经网络的铅酸蓄电池剩余容量预测[J].陕西理工学院学报,2008,24(4):26.

    5. [5]

      舒服华.基于最小二乘支持向量机的电池剩余电量预测[J].电源技术,2008,32(7):452.

    1. [1]

      费致根 , 鲁豪 , 宋晓晓 , 赵鑫昌 , 郭兴 , 肖艳秋 . 基于改进ResNet网络的烟丝输送带洁净度分类模型. 轻工学报, 2024, 39(5): 71-77. doi: 10.12187/2024.05.008

  • 加载中
WeChat 点击查看大图
计量
  • PDF下载量:  28
  • 文章访问数:  829
  • 引证文献数: 0
文章相关
  • 收稿日期:  2012-03-19
  • 刊出日期:  2012-07-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
李东玉, 王睿, 冯宜民. 基于BP神经网络的阀控铅酸盐蓄电池劣化程度预测[J]. 轻工学报, 2012, 27(4): 12-15. doi: 10.3969/j.issn.1004-1478.2012.04.004
引用本文: 李东玉, 王睿, 冯宜民. 基于BP神经网络的阀控铅酸盐蓄电池劣化程度预测[J]. 轻工学报, 2012, 27(4): 12-15. doi: 10.3969/j.issn.1004-1478.2012.04.004
shu
LI Dong-yu, WANG Rui and FENG Yi-min. Impairment degree forecast for valve regulated lead acid battery based on BP neural network[J]. Journal of Light Industry, 2012, 27(4): 12-15. doi: 10.3969/j.issn.1004-1478.2012.04.004
Citation: LI Dong-yu, WANG Rui and FENG Yi-min. Impairment degree forecast for valve regulated lead acid battery based on BP neural network[J]. Journal of Light Industry, 2012, 27(4): 12-15. doi: 10.3969/j.issn.1004-1478.2012.04.004
shu

基于BP神经网络的阀控铅酸盐蓄电池劣化程度预测

  • 河南省太康县电业管理局, 河南 太康 461400;
  • 河南省范县供电局, 河南 范县 457500;
  • 洛阳市人力资源和社会保障局, 河南 洛阳 471003
  • 收稿日期: 2012-03-19
  • 网络出版日期: 2012-07-15
基金项目:  河南省电力公司科技攻关项目(豫电科20111613)

摘要: 为了提高对阀控铅酸盐蓄电池劣化程度的预测准确度,构建了一个具有自学习功能的BP神经网络预报模型,使用不同放电深度下的192组数据对BP神经网络进行训练和学习,然后使用训练好的BP神经网络对实时采集到的数据进行预报和分析,预报准确率达93%以上,证明预报模型具有较高的可靠性.

English Abstract

参考文献 (5) 相关文章 (1)

目录

/

返回文章

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

本系统由北京仁和汇智信息技术有限公司开发 技术支持： info@rhhz.net