【技术实现步骤摘要】
本专利技术涉及蓄电池容量预测领域，具体地说是一种铅酸蓄电池容量预测方法。
技术介绍
1、随着变电站趋于向智能化、自动化和无人化值守发展，变电站直流电源的重要性愈加占据重要角色。直流电源为变电站继电器保护装置、开关、自动化等设备的操作供电。在日常运作时，变电站的直流电源和蓄电池所需的供电一般通过交流电经ac/dc变换器供给；但是如果出现交流失电、整流系统故障等情况时，蓄电池组作为唯一的直流电源，需要快速向负荷和母线供电，保持直流系统可靠工作。
2、《电力系统用蓄电池直流电源装置运行与维护技术规程》中规定，对于新安装或大修中更换过电解液的阀控铅酸蓄电池组，新安装或经历过大修的阀控铅酸蓄电池组全部进行核对性放电；之后每隔2-3年进行一次核对性放电；运行了6年以上的阀控铅酸蓄电池组，每年作一次核对性放电。
3、事实上，由于阀控铅酸蓄电池的化学特性，投入运行后进行核对性放电的频率每2-3年一次的频率是远远不够的，即一般需要增加测试次数。而随着使用时间的增加，铅酸蓄电池的容量衰减会加速，频繁的核对性放电会导致电池组容量的更大损耗，因此，对铅酸蓄电池的容量进行有效预测显得尤为重要。
4、目前，铅酸蓄电池的容量预测主要有基于传统物理原理和基于数据挖掘两大类方法。传统物理方法主要基于电池的物理特性进行容量预测，但是物理方法对阀控铅酸蓄电池预测效果不佳；而基于数据挖掘的方法是通过大量的数据，提取隐藏在数据中的信息，根据设计的目标建立模型，通过历史数据来预测未来的趋势，省略了对目标物理原理的深入研究。
6、因此，本专利技术从实际应用的需求出发，对传统多元线性回归模型进行改进，利用变量的显著性检验和遗传算法的方法和对可能影响铅酸蓄电池容量的各种变量进行优选，构建遗传回归模型对铅酸蓄电池容量进行预测。
技术实现思路
1、有鉴于此，本专利技术的目的是提供一种铅酸蓄电池容量预测方法，为变电站提供蓄电池性能监测和维护的基础。
2、本专利技术提供了一种铅酸蓄电池容量预测方法，通过以下步骤实现：首先，使用核容放电装置对铅酸蓄电池进行远程充放电测试，以采集电池充放电过程中的数据。之后，利用总控制单元，结合一种铅酸蓄电池容量预测方法和核容放电装置提供的电池数据，对铅酸蓄电池的容量进行预测。
3、作为优选，一种铅酸蓄电池容量预测方法，其特征在于，包括以下步骤：
4、s1、采集蓄电池充放电测试数据，所述测试数据定义为初始自变量，包括电池的充放电次数、温度、充放电时长、充放电过程中的最低电压和最高电压等；
5、s2、对采集得到的原始测试数据进行预处理，得到标准化后的数据；
6、s3、根据电池充放电特性对初始自变量进行非线性处理，处理获得的自变量与初始自变量共同建立蓄电池容量预测的自变量集合；
7、s4、利用统计方法对自变量集合的各个自变量元素进行显著性检验，剔除不显著相关的自变量，形成候选自变量集合；
8、s5、使用遗传算法进行自变量组合的优化选择，获得最佳预测模型；在优化过程中，将遗传算法的编码部分设计为每个编码位表示模型候选自变量集合中相应项的选择与否，适应度函数是基于当前编码所选自变量所组合出的多元线性回归模型的决定系数r2；
9、s6、选取最佳预测模型对铅酸蓄电池剩余容量进行预测。
10、作为优选，所述s2步骤中，通过采用中值滤波器或loess方法确保数据的一致性和可靠性，对突起的尖峰或异常波动，进行平滑处理，且对所述处理后的数据通过采用min-max归一化方法进行标准化处理。
11、作为优选，对初始自变量进行非线性处理包括：初始自变量的平方项和交叉乘积项；
12、作为优选，所述s3步骤中，对所采集的自变量进行非线性处理，处理后的自变量组合与初始自变量共同建立蓄电池容量预测的自变量集合包括：充放电次数、温度、充放电时长、最低电压、最高电压、(充放电次数*温度)2、(充放电次数)2、(温度)2、累计充电时长、充放电次数*最低电压、充放电次数*最高电压、最低电压*时长、最高电压*时长。
13、作为优选，s4步骤中，采用的显著性检验为f检验，f检验法检验铅酸蓄电池容量预测方法中各自变量对铅酸蓄电池容量影响的显著性，以p值作为标准，大于设定阈值，则将此自变量预先筛选出去；
14、获得所述候选自变量集合为：“充放电次数”、“温度”、“最低电压”、“最高电压”、“(充放电次数)2”、“充放电次数*最低电压”。
15、作为优选，s5步骤中遗传算法选取最优自变量子集，包括以下步骤：
16、s5-1、显著性检验已筛选出的候选自变量集合元素选择与否作为遗传算法的待优化参数，对其进行二进制编码，每个编码位表示模型候选自变量集合中相应项的选择与否，1表示选择该变量，0表示不选择该变量；按群体规模初始化多个个体，其中每个个体代表多元回归模型中的特征组合，
17、s5-2、定义一个适应度函数，该函数评估每个个体对多元回归模型的性能，适应度函数使用回归模型的评估指标，如决定系数(r2)，
18、s5-3、根据适应度函数的值，选择一部分个体，作为下一代的父代，选择操作使用轮盘赌选择方法，
19、s5-4、对新生成的个体进行变异操作，引入一些随机性，在多元回归中，对某些特征进行添加或删除，将新生成的个体与原始种群结合，形成新一代种群，
20、s5-5、重复执行选择、交叉、变异和更新的步骤，直到满足停止条件，达到预定的迭代次数，选择适应度最好的个体作为最终的特征组合，解码后获得最优自变量子集，并基于该自变量子集构建最终的多元回归模型即预测模型；
21、其中，所获的最好个体所对应的最优自变量子集包括：“充放电次数”、“温度”和“(充放电次数)2”。
22、作为优选，基于训练集与测试集对所述预测模型进行交叉验证，其中使用均方根误差(rmse)和平方相关系数(r2)评价指标对蓄电池容量预测模型进行评价。
23、作为优选，所述步骤s1中，采用核容放电装置以远程方式对铅酸蓄电池进行充放电测试，以采集铅酸蓄电池充放电测试过程中电池基本运行数据作为测试数据。
24、作为优选，所述步骤s1中，待测蓄电池组采用3组*18节电池组的串并联连接方式，核容放电装置中由交流输入、整流器、直流负载、蓄电池组、双向dc/dc等组成；对并联的3组蓄电池组分别独立进行充放电控制，测试数据中包括电池充放电过程本文档来自技高网...
【技术保护点】
1.一种铅酸蓄电池容量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种铅酸蓄电池容量预测方法，其特征在于，所述S2步骤中，对数据的处理是采用了中值滤波器或LOESS方法，所述中值滤波器或LOESS方法对突起的尖峰或异常波动，进行平滑处理，用于确保数据的一致性和可靠性，并且对处理后的数据通过采用min-max归一化方法进行标准化处理。
3.根据权利要求1所述的一种铅酸蓄电池容量预测方法，其特征在于，对初始自变量进行非线性处理包括：初始自变量的平方项和交叉乘积项；
4.根据权利要求1所述的一种铅酸蓄电池容量预测方法，其特征在于，S4步骤中，采用的显著性检验为F检验，F检验法检验铅酸蓄电池容量预测方法中各自变量对铅酸蓄电池容量影响的显著性，以P值作为标准，大于设定阈值，则将此自变量预先筛选出去；
5.根据权利要求1所述的一种铅酸蓄电池容量预测方法，其特征在于，S5步骤中遗传算法选取最优自变量子集，包括以下步骤：
6.根据权利要求1所述一种铅酸蓄电池容量预测方法，其特征在于，还包括以下步骤：
7.根
8.根据权利要求7所述的一种铅酸蓄电池容量预测方法，其特征在于，所述步骤S1中，待测蓄电池组采用3组*18节电池组的串并联连接方式，核容放电装置中由交流输入、整流器、直流负载、蓄电池组、双向DC/DC组成；对并联的3组蓄电池组分别独立进行充放电控制，测试数据中包括电池充放电过程中的外特性参数。
...【技术特征摘要】
1.一种铅酸蓄电池容量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种铅酸蓄电池容量预测方法，其特征在于，所述s2步骤中，对数据的处理是采用了中值滤波器或loess方法，所述中值滤波器或loess方法对突起的尖峰或异常波动，进行平滑处理，用于确保数据的一致性和可靠性，并且对处理后的数据通过采用min-max归一化方法进行标准化处理。
3.根据权利要求1所述的一种铅酸蓄电池容量预测方法，其特征在于，对初始自变量进行非线性处理包括：初始自变量的平方项和交叉乘积项；
4.根据权利要求1所述的一种铅酸蓄电池容量预测方法，其特征在于，s4步骤中，采用的显著性检验为f检验，f检验法检验铅酸蓄电池容量预测方法中各自变量对铅酸蓄电池容量影响的显著性，以p值作为标准，大于设定阈值，则将此自变量预先筛选出去；...
【专利技术属性】
技术研发人员：张冰烨，吴星翔，王雪燕，王新禹，陈威，王兴澄，
申请(专利权)人：台州宏创电力集团有限公司科技分公司，
类型：发明
国别省市：
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。