储能电池组

针对储能电池组在电网典型储能工况下荷电状态（state of charge，SOC）估算精度较低的问题，提出一种基于核主成分分析（kernel principal component analysis，KPCA）-鹈鹕优化（pelican optimization algorithm，POA）-双向门控循环单元（bidirectional gated recurrent unit，BiGRU）的SOC估计模型。通过设计调峰/调频工况下电池组充放电实验，从数据中提取表征SOC变化的融合特征作为模型输入；分别构建不同工况下BiGRU网络，并利用POA对其超参数进行优化，提高模型性能；进一步在混合工况下验证模型的有效性。结果表明，所建模型有着更好的SOC估计效果和更强的鲁棒性，能够提高复杂储能工况下储能电池组SOC估计精度。