基于SVR的变电站直流系统蓄电池退化趋势预测方法技术方案

本发明专利技术涉及一种基于SVR的变电站直流系统蓄电池退化趋势预测方法。该方法首先采用经验模态分解方法分别将蓄电池的端电压和内阻数据序列分解成多个分量，并依据每个分量的含有率对这些分量进行筛选。然后，分别将电压和内阻数据的各分量及其对应的浮充时长和均充次数作为训练样本，采用支持向量机的方法对模型进行训练，形成多个支持向量回归函数。最后，将未来一段时间内蓄电池的使用计划作为输入，带入上述支持向量回归函数中，将得到的结果求和可得到蓄电池使用计划对应时间内的电压和内阻，从而实现变电站直流系统蓄电池退化趋势预测。该方法可以更好的辅助维护人员的检查与维护，保证紧急情况下设备的用电安全可靠。

Prediction method of battery degradation trend in DC system of substation based on SVR

【技术实现步骤摘要】
基于SVR的变电站直流系统蓄电池退化趋势预测方法
本专利技术属于变电站直流系统维护人工智能
，涉及一种基于SVR的变电站直流系统蓄电池退化趋势预测方法。
技术介绍
变电站直流系统使用的蓄电池为阀控式铅酸蓄电池，其使用年限可达10年。但是由于现在阀控式铅酸蓄电池的监测技术不够成熟，蓄电池的退化趋势预测效果较差，致使蓄电池维护十分困难，大量蓄电池因此提前报废。蓄电池的过早淘汰不仅造成了资源浪费，更会由于蓄电池的过早失效导致停电而造成极大的损失。蓄电池退化趋势无法有效预测，通常在需要其发挥作用的时候才会发现蓄电池已然老化严重，无法使用或无法达到预期效果，导致供电系统崩溃，引发巨大损失。更有甚者，老化蓄电池内阻增大，导致电池温度在后备电源运行状态下急剧升高，引起火灾、爆炸等安全事故。因此，有效可行的蓄电池退化趋势预测方法及其重要。目前常见的蓄电池退化趋势预测方法，主要是通过预测蓄电池的剩余容量或健康状态的变化趋势从而反映蓄电池的退化。但变电站中，蓄电池的容量无法在线测量，往往都是通过容易测量的电压、内阻等特征量间接反应的。且现有方法预测蓄本文档来自技高网...

【技术保护点】
1.一种基于SVR的变电站直流系统蓄电池退化趋势预测模型的构建方法，其特征在于，所述的蓄电池退化趋势预测模型包括内阻预测目标模型和电压预测目标模型；/n具体包括如下步骤：/n采用经验模态分解方法分别对采集到的电压、内阻数据进行分解；/n计算分解得到的各分量的含有率，并以含有率为指标分别对电压、内阻的这些分量进行筛选；/n以筛选后的内阻分量在某时刻的值、该时刻到下一时刻内的浮充时长和均充次数作为模型的输入，以筛选后的内阻分量在下一时刻的值作为模型的输出，采用支持向量机的方法进行训练，构建内阻预测目标模型；/n以筛选后的电压分量在某时刻的值、该时刻到下一时刻内的浮充时长和均充次数作为模型的输入，以...

【技术特征摘要】
1.一种基于SVR的变电站直流系统蓄电池退化趋势预测模型的构建方法，其特征在于，所述的蓄电池退化趋势预测模型包括内阻预测目标模型和电压预测目标模型；
具体包括如下步骤：
采用经验模态分解方法分别对采集到的电压、内阻数据进行分解；
计算分解得到的各分量的含有率，并以含有率为指标分别对电压、内阻的这些分量进行筛选；
以筛选后的内阻分量在某时刻的值、该时刻到下一时刻内的浮充时长和均充次数作为模型的输入，以筛选后的内阻分量在下一时刻的值作为模型的输出，采用支持向量机的方法进行训练，构建内阻预测目标模型；
以筛选后的电压分量在某时刻的值、该时刻到下一时刻内的浮充时长和均充次数作为模型的输入，以筛选后的电压分量在下一时刻的值作为模型的输出，采用支持向量机的方法进行训练，构建电压预测目标模型。


2.根据权利要求1所述的基于SVR的变电站直流系统蓄电池退化趋势预测模型的构建方法，其特征在于，所述的经验模态分解方法为EEMD。


3.根据权利要求1所述的基于SVR的变电站直流系统蓄电池退化趋势预测模型的构建方法，其特征在于，当分量的含有率小于含有率阈值λ，则忽略该分量。


4.基于SVR的变电站直流系统蓄电池退化趋势预测系统，其特征在于，包括：
分解模块，用于采用经验模态分解方法分别对采集到的电压、内阻数据进行分解；
筛选模块，用于计算分解得到的各分量的含有率，并以含有率为指标分别对电压、内阻的这些分量进行筛选；
内阻预测目标模型构建模块，用于以筛选后的内阻分量在某时刻的值、该时刻到下一时刻内的浮充时长和均充次数作为模型的输入，以筛选后的内阻分量在下一时刻...

【专利技术属性】
技术研发人员：刘斌，李瑞津，张学敏，刘祺，毕小熊，邓云书，李涛，郭伟，王斌，胡云，施迎春，岳斌，赵华，叶文华，陈运忠，潘再金，
申请(专利权)人：云南电网有限责任公司玉溪供电局，
类型：发明
国别省市：云南;53