文档名：基于BOASSABP神经网络的充电桩故障诊断方法
摘要：针对电动汽车直流充电桩故障多发且难以精准诊断的问题,提出一种基于改进反向传播神经网络(BP:BackPropagation)的充电桩故障诊断方法.首先,对充电桩的运行数据集归一化、缺失值填充等预处理,将处理后的数据集输入BP模型中进行训练;其次,引入基于蝴蝶优化算法改进的麻雀搜索算法,对BP模型的权值和阈值进行寻优,得到最优化模型;最后,基于优化后的BP模型对充电桩的故障状态进行诊断.仿真结果表明,在平均绝对误差、平均绝对百分比误差、均方根误差等方面均具有良好的计算优势,相比传统BP算法的诊断精度,所提出的改进BP方法提升了14.85％,能较为准确地诊断充电桩的状态,为电动汽车故障诊断提供有力保障.
Abstract：Toaddresstheissueoffrequentfaultsindirectcurrentelectricvehiclechargingpilesandthedifficultyofprecisediagnosis,afaultdiagnosismethodbasedonanimprovedBP(BackPropagation)neuralnetworkisproposed.Firstly,theoperationdatasetofthechargingpileispreprocessed,suchasnormalizationandfillinginmissingvalues,andtheprocesseddatasetisinputintotheBPmodelfortraining.Secondly,anoptimizationmethodbasedontheBOA-SSA(ButterflyOptimizationAlgorithmimprovedSparrowSearchAlgorithm)isintroducedtooptimizetheweightsandthresholdsoftheBPmodeltoobtaintheoptimalmodel.Finally,thefaultstatusofthechargingpileisdiagnosedbasedontheoptimizedBPmodel.ThesimulationresultsshowthattheproposedBPmethodhasgoodcomputationaladvantagesintermsofMAE(MeanAbsoluteError),MAPE(MeanAbsolutePercentageError),andRMSE(RootMeanSquareError).ComparedtothetraditionalBPalgorithm,thediagnosticaccuracyoftheimprovedBPmethodhasincreasedby14.85％,whichcandiagnosethestateofthechargingpileaccurately,providingastrongguaranteeforthefaultdiagnosisofelectricvehicles.
作者：茆敏 窦真兰 陈良亮 杨凤坤 刘鸿鹏 Author：MAOMin DOUZhenlan CHENLiangliang YANGFengkun LIUHongpeng
作者单位：东北电力大学电气工程学院,吉林吉林132012;东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室,吉林吉林132012国网上海市电力公司国网上海综合能源服务有限公司,上海200433国网电力科学研究院有限公司国电南瑞科技股份有限公司,南京211106
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2024, 42(2)
分类号：TP206.3
关键词：充电桩 故障诊断 神经网络 麻雀搜索算法 蝴蝶优化算法
Keywords：chargingpile faultdiagnosis neuralnetwork sparrowsearchalgorithm butterflyoptimizationalgorithm
机标分类号：TP183TP391U469.72
在线出版日期：2024年5月27日
基金项目：国家电网有限公司科技基金资助项目基于BOA-SSA-BP神经网络的充电桩故障诊断方法[
期刊论文] 吉林大学学报（信息科学版）--2024, 42(2)茆敏 窦真兰 陈良亮 杨凤坤 刘鸿鹏针对电动汽车直流充电桩故障多发且难以精准诊断的问题,提出一种基于改进反向传播神经网络(BP:BackPropagation)的充电桩故障诊断方法.首先,对充电桩的运行数据集归一化、缺失值填充等预处理,将处理后的数据集输入BP模型...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于BOA-SSA-BP神经网络的充电桩故障诊断方法 Fault Diagnosis Method of Charging Pile Based on BOA-SSA-BP Neural Network
基于BOA-SSA-BP神经网络的充电桩故障诊断方法.pdf
- 文件大小:
- 3.03 MB
- 下载次数:
- 60
-
高速下载
|
|
