蓄电池容量预测方法技术

本申请提供一种蓄电池容量预测方法

【技术实现步骤摘要】
蓄电池容量预测方法、装置、设备和介质


[0001]本申请涉及电池
，尤其涉及一种蓄电池容量预测方法
、
装置
、
设备和介质
。

技术介绍

[0002]蓄电池作为重要的储能设备，在长期使用过程中，随着内阻的增大其电池容量也会减小，从而减少电池的循环使用寿命
。
因此，对蓄电池的容量预测是保障供电系统安全稳定运行迫切需要的保障技术之一
。
[0003]现有技术中常用的方法有：其一，直接测量法，此方法需要将蓄电池从系统中脱出，进行充电和放电测试，且需要技术人员自主操作，这样会影响系统安全运行且无法实时追踪蓄电池容量；其二，模型法，使用大量微分方程建立等效电路模型，通过实验分析数据，分析蓄电池容量，这样的预测方式，预测的精度不够高，且不便于变通
。
[0004]因此，亟待提出一种更加准确可靠的蓄电池容量预测方法
。

技术实现思路

[0005]本申请提供一种蓄电池容量预测方法
、
装置
、
设备和介质，用以解决现有技术中蓄电池容量预测不够准确和可靠的问题
。
[0006]第一方面，本申请提供蓄电池容量预测方法，包括：
[0007]获取电池组的第一特征参量，并删除所述第一特征参量中的错误特征值，得到第二特征参量，其中，所述第一特征参量和所述第二特征参量均为用于表征所述电池组的剩余容量的特征组；
[0008]获取所述第二特征参量中预设数量的不同特征之间的相关性，并根据所述相关性的大小，确认在所述第二特征参量中选取所述预设数量的特征，得到第三特征参量；
[0009]获取所述电池组的所述第三特征参量的当前值，将所述当前值输入数据驱动模型，得到输出的第一预测值，其中，所述数据驱动模型为将所述第三特征产量的历史值作为输入，所述第三特征产量的历史值对应的剩余容量作为输出训练得到的模型；
[0010]将所述第一预测值作为卡尔曼滤波器的当前时刻的最优值，通过所述卡尔曼滤波器获取第二预测值，其中，所述第二预测值为所述电池组的当前剩余容量预测值
。
[0011]在一种可能的实现方式中，所述删除所述第一特征参量中的错误特征值，得到第二特征参量，包括：
[0012]将不同所述电池组的第一特征参量放置到不同表格中，其中，每个所述表格包括单个所述电池组的第一特征参量；
[0013]若所述表格的数量与所述电池组的数量一致，且各个所述表格的名称与预设名称一致，则确认各个所述表格中的所述第一特征参量的特征值是否存在错误；
[0014]若存在，则删除所述第一特征参量中的错误特征值，得到所述第二特征参量；其中，所述第二特征参量包括多个特征，每个所述特征包括多个特征值，所述错误特征值的错
误情况包括所述特征值为空的情况
。
[0015]在一种可能的实现方式中，所述获取所述第二特征参量中预设数量的不同特征之间的相关性之前，所述方法还包括：
[0016]给不同所述表格标注多个标签，将其中一个标签相同的表格划分为一组，其中，所述标签包括所述电池组的工作状态和所述电池组的类型；
[0017]相应的，所述获取所述第二特征参量中预设数量的不同特征之间的相关性，包括：
[0018]获取相同组的表格中的第二特征参量中不同特征之间的相关性
。
[0019]在一种可能的实现方式中，所述获取所述第二特征参量中预设数量的不同特征之间的相关性，包括：
[0020]从所述第二特征参量中，选取所述预设数量的特征，得到第五特征参量；
[0021]根据所述第五特征参量中各个特征的特征均值和特征值，获取不同特征之间的协方差，得到第一系数，其中，所述特征均值为相同特征的均值；
[0022]根据所述第五特征参量中相同特征的特征均值和特征值，获取相同特征之间的标准差，得到第二系数；
[0023]根据所述第一系数和所述第二系数，获取所述第二特征参量中预设数量的不同特征之间的相关性
。
[0024]在一种可能的实现方式中，所述将所述当前值输入数据驱动模型之前，所述方法还包括：
[0025]基于交叉验证方式，将所述第三特征产量的历史值作为输入，所述第三特征产量的历史值对应的剩余容量作为输出，输入模型进行训练，得到所述数据驱动模型的最优超参数，完成训练
。
[0026]在一种可能的实现方式中，所述将所述第一预测值作为卡尔曼滤波器的当前时刻的最优值，通过所述卡尔曼滤波器获取第二预测值，包括：
[0027]根据所述卡尔曼滤波器上一时刻的估计值和状态转移矩阵，获取第一参数；
[0028]根据卡尔曼滤波器的上一时刻的最优值和控制矩阵，获取第二参数；
[0029]根据所述第一参数和所述第二参数，获取第三预测值；
[0030]将所述第一预测值作为卡尔曼滤波器的当前时刻的最优值，根据所述第一预测值
、
所述第三预测值和卡尔曼增益，获取所述第二预测值
。
[0031]在一种可能的实现方式中，所述根据所述第一预测值
、
所述第三预测值和卡尔曼增益，获取所述第二预测值，包括：
[0032]根据上一时刻的第三预测值的协方差
、
所述状态转移矩阵和噪声方差，确认当前时刻的第三预测值的先验协方差；
[0033]根据当前时刻的第三预测值的先验协方差和观测噪声方差，获取卡尔曼增益；
[0034]根据所述第一预测值
、
所述第三预测值
、
所述卡尔曼增益和当前时刻的观测值，获取所述第二预测值
。
[0035]第二方面，本申请提供一种蓄电池容量预测装置，包括：
[0036]获取模块，用于获取电池组的第一特征参量，并删除所述第一特征参量中的错误特征值，得到第二特征参量，其中，所述第一特征参量和所述第二特征参量均为用于表征所述电池组的剩余容量的特征组；
[0037]处理模块，用于获取所述第二特征参量中预设数量的不同特征之间的相关性，并根据所述相关性的大小，确认在所述第二特征参量中选取所述预设数量的特征，得到第三特征参量；
[0038]第一预测模块，用于获取所述电池组的所述第三特征参量的当前值，将所述当前值输入数据驱动模型，得到输出的第一预测值，其中，所述数据驱动模型为将所述第三特征产量的历史值作为输入，所述第三特征产量的历史值对应的剩余容量作为输出训练得到的模型；
[0039]第二预测模块，用于将所述第一预测值作为卡尔曼滤波器的当前时刻的最优值，通过所述卡尔曼滤波器获取第二预测值，其中，所述第二预测值为所述电池组的当前剩余容量预测值
。
[0040]第三方面，本申请提供一种蓄电池容量预测设备，包括：至少一个处理器和存储器；
[0041]所述存储器存储计算机执行指令；
[0042]所述至少一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种蓄电池容量预测方法，其特征在于，包括：获取电池组的第一特征参量，并删除所述第一特征参量中的错误特征值，得到第二特征参量，其中，所述第一特征参量和所述第二特征参量均为用于表征所述电池组的剩余容量的特征组；获取所述第二特征参量中预设数量的不同特征之间的相关性，并根据所述相关性的大小，确认在所述第二特征参量中选取所述预设数量的特征，得到第三特征参量；获取所述电池组的所述第三特征参量的当前值，将所述当前值输入数据驱动模型，得到输出的第一预测值，其中，所述数据驱动模型为将所述第三特征产量的历史值作为输入，所述第三特征产量的历史值对应的剩余容量作为输出训练得到的模型；将所述第一预测值作为卡尔曼滤波器的当前时刻的最优值，通过所述卡尔曼滤波器获取第二预测值，其中，所述第二预测值为所述电池组的当前剩余容量预测值
。2.
根据权利要求1所述的方法，其特征在于，所述删除所述第一特征参量中的错误特征值，得到第二特征参量，包括：将不同所述电池组的第一特征参量放置到不同表格中，其中，每个所述表格包括单个所述电池组的第一特征参量；若所述表格的数量与所述电池组的数量一致，且各个所述表格的名称与预设名称一致，则确认各个所述表格中的所述第一特征参量的特征值是否存在错误；若存在，则删除所述第一特征参量中的错误特征值，得到所述第二特征参量；其中，所述第二特征参量包括多个特征，每个所述特征包括多个特征值，所述错误特征值的错误情况包括所述特征值为空的情况
。3.
根据权利要求2所述的方法，其特征在于，所述获取所述第二特征参量中预设数量的不同特征之间的相关性之前，所述方法还包括：给不同所述表格标注多个标签，将其中一个标签相同的表格划分为一组，其中，所述标签包括所述电池组的工作状态和所述电池组的类型；相应的，所述获取所述第二特征参量中预设数量的不同特征之间的相关性，包括：获取相同组的表格中的第二特征参量中不同特征之间的相关性
。4.
根据权利要求1所述的方法，其特征在于，所述获取所述第二特征参量中预设数量的不同特征之间的相关性，包括：从所述第二特征参量中，选取所述预设数量的特征，得到第五特征参量；根据所述第五特征参量中各个特征的特征均值和特征值，获取不同特征之间的协方差，得到第一系数，其中，所述特征均值为相同特征的均值；根据所述第五特征参量中相同特征的特征均值和特征值，获取相同特征之间的标准差，得到第二系数；根据所述第一系数和所述第二系数，获取所述第二特征参量中预设数量的不同特征之间的相关性
。5.
根据权利要求1所述的方法，其特征在于，所述将所述当前值输入数据驱动模型之前，所述方法还包括：基于交叉验证方式，将所述第三特征产量的历史值作为输入，所述第三特征产量的历史...

【专利技术属性】
技术研发人员：张蓝铮，周明千，王琰，
申请(专利权)人：中讯邮电咨询设计院有限公司，
类型：发明
国别省市：