锂电池原材料价格预测方法及系统技术方案

本发明专利技术提供锂电池原材料价格预测方法及系统，方法包括：对锂电池原材料价格序列进行互补集合经验模态分解

【技术实现步骤摘要】
锂电池原材料价格预测方法及系统


[0001]本专利技术涉及锂电池生产管理数据处理领域，具体涉及锂电池原材料价格预测方法及系统
。

技术介绍

[0002]新能源汽车因其低能耗
、
低排放等优点，在低碳减排战略中具有重要的地位
。
电动化
、
网联化和智能化已成为汽车产业最新的发展潮流和趋势
。
新能源汽车除了具有低碳放量的显著优势外，还融合了互联网
、
大数据
、
人工智能等多种最新技术，推动汽车从单纯的交通工具向移动智能终端
、
储能单元和数字空间转变，并带动能源
、
交通和信息通信基础设施改造升级，促进能源消费结构优化，提升交通体系和城市运行智能化水平，推动社会生态体系建设
。
新能源汽车另一核心部件
——
锂电池也开始引起相关企业的重视
。
锂电池的价格
、
供给等方面对于新能源汽车行业的发展产生一定影响
。
>如何准确地预测锂电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
锂电池原材料价格预测方法，其特征在于，所述方法包括：
S1、
对锂电池原材料价格序列，进行互补集合经验模态分解
CEEMD
操作，以得到不少于2个内涵模态分量
IMF
和残余信号；
S2、
求取所述内涵模态分量
IMF
的皮尔逊相关系数，根据皮尔逊相关系数
、
所述内涵模态分量
IMF
的的变化趋势，对所述锂电池原材料价格序列进行高低频重构，以得到锂电池原材料价格数据集；
S3、
预处理所述锂电池原材料价格数据集，据以划分得到训练集
、
测试集，以作为模型输入数据，构建并训练
BiLSTM
‑
Attention
预测模型，其中，所述
BiLSTM
‑
Attention
预测模型包括：双向长短期记忆网络
、
注意力机制模块以及全连接层，利用所述双向长短期记忆网络层提取所述模型输入数据的输入特征，将所述输入特征输入到所述注意力机制模块进行特征再提取
、
加权求和操作，以得到价格特征向量；
S4、
将所述价格特征向量输入全连接层进行迭代训练，在损失函数不在变化时结束训练，以得到基于
CEEMD
‑
BiLSTM
‑
Attention
锂电池原材料价格预测模型模型，据以预测得到锂电池原材料价格预测结果
。2.
根据权利要求1所述的锂电池原材料价格预测方法，其特征在于，所述步骤
S1
包括：
S11、
在锂电池原材料价格序列中，加入一组正负成对型的辅助白噪音
ω
(t)
时间序列，以得到新时间序列，以改变锂电池原材料价格序列的极值点特性：
x
n
(t)
＝
x(t)+
ε
k
ω
i
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
式中，
ω
i
(t)
表示引入的高斯白噪声，该噪声同时具备单位方差和零均值，
ε
k
表示每次选取白噪声的占比，
t
是时间序列中的时间；
S12、
重复分解所述新时间序列
I
次，得到所述内涵模态分量
IMF
，对所述内焊模态分量
IMF
取平均，以得到新
IMF
分量，并按照从高频到低频的顺序依次排列所述新
IMF
分量：式中，
E
j
表示分解过程中获取的第
j
个本征模态函数；
S13、
根据所述新
IMF
分量，利用下述逻辑，计算一阶残差函数
r1(t)
：
r1(t)
＝
x(t)
‑
IMF1(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)S14、
根据所述一阶残差函数
r1(t)
，利用预置
EMD
工具进行分解，以得到总体平均值
IMF2：
S15、
根据所述总体平均值，以下述逻辑求取
k
阶残差函数
r
k
(t)
：
r
k
(t)
＝
r
k
‑1(t)
‑
IMF
k
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)S16、
利用所述预置
EMD
工具进行再分解操作；
S17、
重复执行所述步骤
S15
，据以获取最终残差
。3.
根据权利要求2所述的锂电池原材料价格预测方法，其特征在于，所述步骤
S16
中，使用所述预置
EMD
工具，对：
r1(t)+
ε1E1ω
i
(t)
，
i
＝1，2，3，
……
，
n
进行分解，将分解获取的首个本征模态函数作为
CEEMD
分解分量
IMF
k+1
：
4.
根据权利要求2所述的锂电池原材料价格预测方法，其特征在于，所述步骤
S17
中，在残差的极值不大于2时，利用下述逻辑获得最终残差
R
：
5.
根据权利要求1所述的锂电池原材料价格预测方法，其特征在于，所述步骤
S2
包括：
S21、
计算不同的所述内涵模态分量
IMF
之间的所述皮尔逊相关系数：
S22、
分析所述皮尔逊相关系数，发现所述皮尔逊相关系数变化幅度超过预设阈值的特定
IMF
序列；
S23、
根据所述特定
IMF
序列确定高频项，将其余的所述内涵模态分量
IMF
设为低频项；
S24、
将所述高频项
、
所述低频项的值分别叠加，以得到所述锂电池原材料价格数据集
。6.
根据权利要求5所述的锂电池原材料价格预测方法，其特征在于，所述步骤
S24
包括：
S241、
预处理所述锂电池原材料价格数据集中的高低频分量
、
原材料价格相关指标时间序列数据，以得到预处理特征数据，将所述预处理特征数据按时间对齐，以得到时间对齐特征数据；
S242、
对所述时间对齐特征数据进行缺失值剔除，构成所述锂电池原材料价格数据集
。7.
根据权利要求1所述的锂电池原材料价格预测方法，其特征在于，所述步骤
S3
包括：
S31、
对所述锂电池原材料价格数据集，进行归一化处理，以得到归一化数据；
S32、
按照预置比例，划分所述归一化数据，以得到所述训练集
、
所述测试集；
S33、
构建所述
BiLSTM
‑
Attention
...

【专利技术属性】
技术研发人员：徐嘉文，张乐，朱旭辉，彭张林，张强，王鑫悦，孟檬，王岩，
申请(专利权)人：合肥国轩高科动力能源有限公司，
类型：发明
国别省市：