【技术实现步骤摘要】
本专利技术涉及故障诊断，具体涉及一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法。
技术介绍
0、技术背景
1、随着工业化进程的发展，储能电池作为可再生能源系统和电动交通工具的关键组成部分，正日益广泛地应用于能源存储、电动车辆和电力系统中。它们具有高效能源存储和释放的能力，但也容易受到多种因素的损害，发生故障和损伤，因此能够准确、及时地诊断储能电池故障对于确保系统的可靠性和安全性至关重要。
2、近年来，储能电池故障诊断领域取得了重大进展。新的传感技术、数据分析方法和机器学习算法的应用，使得更准确、高效的故障诊断成为可能。基于此，本文提供了一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法。
技术实现思路
1、本专利技术的目的在于提供了一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法。基于所提取到的故障特征和建立的样本集，采用鲸鱼优化核极限学习机来构建故障诊断模型，实现对储能电池的故障检测，从而为现场运维人员提供指导与参考。
2、为了实现上述目的，本专利技术所提供的技术解决方案为：
3、一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法，具体包括以下步骤：
4、s1、利用改进完全集合经验模态分解和精细复合多尺度加权排列熵进行信号处理与特征提取，提取出储能电池信号中的故障特征信息，构建故障特征向量样本集；
5、s2、采用拉普拉斯分数对模型特征向量重要程度进行排序和选取，针对原始数据样本，划分训练集和测试集进行归
6、s3、采用鲸鱼优化算法对核极限学习机的关键参数进行寻优，生成故障诊断模型；
7、s4、利用训练集进行模型训练并将测试集输入到模型中进行故障识别。
8、进一步地，所述步骤s1中信号分解采用iceemdan来进行，有效解决集合经验模态分解中存在的模态混叠和噪声残余问题，以及完全集合经验模态分解中出现的模态失真问题。
9、进一步地，为提取特征信息来反映储能电池的故障状态，首先将iceemdan分解后的各imf分量采用相关系数-能量熵准则进行特征筛选，然后将选取的最优模态分量经rcmwpe提取其故障特征信息。通过iceemdan和rcmwpe进行信号处理与特征提取，提取出储能电池信号中的故障特征信息，构建故障特征向量样本集。
10、进一步地，为提高模型故障诊断的准确率，降低输入特征的维度，减少模型数据的冗余度，引入拉普拉斯分数对模型的输入参数进行选取优化。通过拉普拉斯分数对样本数据集的特征进行打分，计算得到各个样本特征的分数，从中选取分数最低的k个特征作为模型的输入特征。针对原始数据样本，划分训练集和测试集进行归一化处理。
11、进一步地，以kelm方法为主线，采用woa优化kelm对正则化参数c和核参数γ的选取，提升模型诊断的准确率。
12、进一步地，基于所建模型框架和数据样本，使用训练集数据训练得到最优故障诊断模型，并将测试集数据代入训练好的模型中进行故障诊断。
13、本专利技术与现有技术相比，其显著优点为：结合优化算法和机器学习技术，大大提高模型的诊断准确率，并采用拉普拉斯分数对woa-kelm算法建模数据进行特征筛选后，有效降低了模型数据的冗余度，实现对储能电池故障的精确诊断。
本文档来自技高网...【技术保护点】
1.一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法，具体包括以下步骤：
2.根据权利要求1所述的基于鲸鱼优化核极限学习机的储能电池故障诊断方法，其特征在于，所述步骤S1中信号分解采用改进完全集合经验模态分解(Improved CompleteEnsemble Empirical Mode Decomposition with Adaptive Noise，ICEEMDAN)算法来进行，其具体步骤如下：
3.根据权利要求2所述的基于鲸鱼优化核极限学习机的储能电池故障诊断方法，其特征在于，为进一步提取特征信息来反映储能电池的故障状态，首先将ICEEMDAN分解后的各IMF分量采用相关系数-能量熵准则进行特征筛选，然后再将选取得到的最优模态分量通过精细复合多尺度加权排列熵(Refined composite multiscale weighted-permutationentropy，RCMWPE)来提取其故障特征信息，RCMWPE算法计算如下：
4.根据权利要求1所述的基于鲸鱼优化核极限学习机的储能电池故障诊断方法，其特征在于，所述步骤S2中通
5.根据权利要求1所述的基于鲸鱼优化核极限学习机的储能电池故障诊断方法，其特征在于，所述步骤S3中采用的KELM神经网络，其学习过程可以看作是线性方程组求解问题，引入正则化系数C和单位矩阵I，则输出权值β的最小二乘解为：
6.根据权利要求5所述的基于鲸鱼优化核极限学习机的储能电池故障诊断方法，其特征在于，所述步骤S3中的KELM模型的结果高度依赖于正则化参数C和核参数γ的选择，因此需要对2个参数进行有效优化。这里以KELM方法为主线，采用鲸鱼群优化算法(whaleoptimization algorithm，WOA)优化KELM的正则化参数C和核参数γ的选取，具体步骤如下：
...【技术特征摘要】
1.一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法，具体包括以下步骤：
2.根据权利要求1所述的基于鲸鱼优化核极限学习机的储能电池故障诊断方法，其特征在于，所述步骤s1中信号分解采用改进完全集合经验模态分解(improved completeensemble empirical mode decomposition with adaptive noise，iceemdan)算法来进行，其具体步骤如下：
3.根据权利要求2所述的基于鲸鱼优化核极限学习机的储能电池故障诊断方法，其特征在于，为进一步提取特征信息来反映储能电池的故障状态，首先将iceemdan分解后的各imf分量采用相关系数-能量熵准则进行特征筛选，然后再将选取得到的最优模态分量通过精细复合多尺度加权排列熵(refined composite multiscale weighted-permutationentropy，rcmwpe)来提取其故障特征信息，rcmwpe算法计算...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。