蓄电池剩余寿命的预测方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种蓄电池剩余寿命的预测方法、装置、电子设备及存储介质，涉及机器学习技术领域。其中，该方法包括：获取蓄电池在当前时刻下特征的状态量和在当前时刻之前预设时间段内的特征的历史数据集；从历史数据集中挑选出目标样本集；构造特征的加权核函数，通过目标样本集和加权核函数对蓄电池剩余寿命的初始预测模型进行训练得到目标预测模型；将特征的状态量输入至目标预测模型，得到蓄电池剩余寿命的预测结果。本申请提供的技术方案，降低了蓄电池剩余寿命的预测难度，可以准确地预测蓄电池的剩余寿命。测蓄电池的剩余寿命。测蓄电池的剩余寿命。

【技术实现步骤摘要】
蓄电池剩余寿命的预测方法、装置、电子设备及存储介质


[0001]本申请涉及机器学习
，尤其涉及一种蓄电池剩余寿命的预测方法、装置、电子设备及存储介质。

技术介绍

[0002]变电站的可靠稳定运行对电力电网系统的正常运转起着关键性作用，直流电源系统作为变电站中重要的组成部分为相关设备提供电源需求，而蓄电池作为直流系统的关键部件，其运行状态直接决定直流电源系统的安全可靠性。然而，蓄电池在长时间的充放电中不可避免的出现性能退化以及失效的问题，造成变电站供电波动，甚至会引发安全事故。由于蓄电池工作模式存在间隙性，电池退化规律会呈现随机性、复杂性和非线性，所以增加了对蓄电池剩余寿命的预测难度。因此，准确地预测蓄电池的剩余寿命成为了亟待解决的问题。

技术实现思路

[0003]本申请提供了一种蓄电池剩余寿命的预测方法、装置、电子设备及存储介质，降低了蓄电池剩余寿命的预测难度，可以准确地预测蓄电池的剩余寿命。
[0004]第一方面，本申请提供了一种蓄电池剩余寿命的预测方法，该方法包括：
[0005]获取蓄电池在当前时刻下特征的状态量和在所述当前时刻之前预设时间段内的所述特征的历史数据集；
[0006]从所述历史数据集中挑选出目标样本集；
[0007]构造所述特征的加权核函数，通过所述目标样本集和所述加权核函数对所述蓄电池剩余寿命的初始预测模型进行训练得到目标预测模型；
[0008]将所述特征的状态量输入至所述目标预测模型，得到所述蓄电池剩余寿命的预测结果。
[0009]本申请实施例提供了一种蓄电池剩余寿命的预测方法，降低了蓄电池剩余寿命的预测难度，可以准确地预测蓄电池的剩余寿命。
[0010]进一步的，所述构造所述特征的加权核函数，包括：基于所述历史数据集计算所述特征的信息增益；将所述特征的信息增益确定为所述特征的权重；基于所述特征的权重构造所述特征的加权核函数。
[0011]进一步的，所述从所述历史数据集中挑选出目标样本集，包括：通过对所述历史数据集添加松弛因子和惩罚因子进行容错处理，得到初始样本集；通过对所述初始样本集添加拉格朗日乘子进行优化处理，得到中间样本集；基于所述特征的权重计算所述中间样本集的样本紧密度；基于所述样本紧密度从所述中间样本集中筛选出紧密度满足预设要求的样本，从而得到目标样本集。
[0012]进一步的，所述目标样本集中每个样本具有加权模糊隶属度，通过如下方式确定所述每个样本的加权模糊隶属度：确定所述历史数据集中每个历史数据的初始模糊隶属
度；基于所述样本紧密度对所述目标样本集中每个样本的所述初始模糊隶属度进行改进，得到所述每个样本的加权模糊隶属度。
[0013]进一步的，所述特征至少包括充放电次数、放电深度和剩余容量。
[0014]进一步的，所述初始预测模型是基于模糊支持向量机模型构建的。
[0015]进一步的，所述方法还包括：基于所述预测结果为所述蓄电池制定运维策略。
[0016]第二方面，本申请提供了一种蓄电池剩余寿命的预测装置，该装置包括：
[0017]状态数据获取模块，用于获取蓄电池在当前时刻下特征的状态量和在所述当前时刻之前预设时间段内的所述特征的历史数据集；
[0018]样本集确定模块，用于从所述历史数据集中挑选出目标样本集；
[0019]预测模型训练模块，用于构造所述特征的加权核函数，通过所述目标样本集和所述加权核函数对所述蓄电池剩余寿命的初始预测模型进行训练得到目标预测模型；
[0020]剩余寿命预测模块，用于将所述特征的状态量输入至所述目标预测模型，得到所述蓄电池剩余寿命的预测结果。
[0021]第三方面，本申请提供了一种电子设备，该电子设备包括：
[0022]至少一个处理器；以及
[0023]与所述至少一个处理器通信连接的存储器；其中，
[0024]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任意实施例所述的蓄电池剩余寿命的预测方法。
[0025]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本申请任意实施例所述的蓄电池剩余寿命的预测方法。
[0026]需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与蓄电池剩余寿命的预测装置的处理器封装在一起，也可以与蓄电池剩余寿命的预测装置的处理器单独封装，本申请对此不做限定。
[0027]本申请中第二方面、第三方面以及第四方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面以及第四方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
[0028]应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。
[0029]可以理解的是，在使用本申请各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本申请所涉及个人信息的类型、使用范围以及使用场景等告知用户并获得用户的授权。
附图说明
[0030]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本申请实施例提供的一种蓄电池剩余寿命的预测方法的流程示意图；
[0032]图2为本申请实施例提供的一种蓄电池剩余寿命的预测装置的结构示意图；
[0033]图3是用来实现本申请实施例的一种蓄电池剩余寿命的预测方法的电子设备的框图。
具体实施方式
[0034]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0035]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”“目标”以及“原始”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够实施除了在这里图示或描述之外的顺序。此外，术语“包括”“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0036]图1为本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种蓄电池剩余寿命的预测方法，其特征在于，所述方法包括：获取蓄电池在当前时刻下特征的状态量和在所述当前时刻之前预设时间段内的所述特征的历史数据集；从所述历史数据集中挑选出目标样本集；构造所述特征的加权核函数，通过所述目标样本集和所述加权核函数对所述蓄电池剩余寿命的初始预测模型进行训练得到目标预测模型；将所述特征的状态量输入至所述目标预测模型，得到所述蓄电池剩余寿命的预测结果。2.根据权利要求1所述的蓄电池剩余寿命的预测方法，其特征在于，所述构造所述特征的加权核函数，包括：基于所述历史数据集计算所述特征的信息增益；将所述特征的信息增益确定为所述特征的权重；基于所述特征的权重构造所述特征的加权核函数。3.根据权利要求2所述的蓄电池剩余寿命的预测方法，其特征在于，所述从所述历史数据集中挑选出目标样本集，包括：通过对所述历史数据集添加松弛因子和惩罚因子进行容错处理，得到初始样本集；通过对所述初始样本集添加拉格朗日乘子进行优化处理，得到中间样本集；基于所述特征的权重计算所述中间样本集的样本紧密度；基于所述样本紧密度从所述中间样本集中筛选出紧密度满足预设要求的样本，从而得到目标样本集。4.根据权利要求3所述的蓄电池剩余寿命的预测方法，其特征在于，所述目标样本集中每个样本具有加权模糊隶属度，通过如下方式确定所述每个样本的加权模糊隶属度：确定所述历史数据集中每个历史数据的初始模糊隶属度；基于所述样本紧密度对所述目标样本集中每个样本的所述初始模糊隶属度进行改进，得到所述每个样本的加权模糊隶属...

【专利技术属性】
技术研发人员：黄书健，杨世浩，梁景棠，刘斌，粟祎敏，谢永祥，卢先锋，寨战争，陈晓鹏，刘焕辉，施理成，蔡素雄，罗俊杰，张焕燊，王庆生，
申请(专利权)人：广东电网有限责任公司惠州供电局，
类型：发明
国别省市：