基于机器学习的储能电源状态分析方法与流程

本发明涉及数字数据处理，具体涉及基于机器学习的储能电源状态分析方法。

背景技术：

1、储能电源是指对电能存储的设备，一般指电池容量高、充放电电流较高的电源，其应用范围广泛，储能电源在电力系统、通信基站、数据中心、轨道交通等领域均占有举足轻重的低位。正因储能电源在各领域的重要低位，为避免储能电源出现故障，导致直接或间接的损失，对储能电源的状态分析显得十分必要，储能电源的状态分析通常是指在储能电源工作过程中，通过传感器采集电压、电流等数据，对数据进行处理，得到的健康特征来描述储能电源当前的健康状态，通常以当前可用容量数据经常用于描述锂电池当前的健康状态。

2、而储能电源的可用容量变化情况较为复杂，存在时变、动态、非线性等时序特征，以及容量再生现象，导致传统的机器学习预测模型对储能电源健康状态进行预测时的准确率较低，难以获取储能电源健康状态的准确分析结果。

技术实现思路

1、本发明提供基于机器学习的储能电源状态分析方法，以解决现有的储能电源容量随时间变化过程中的容量再生现象对电源容量预测值造成误差的问题，所采用的技术方案具体如下：

2、本发明一个实施例提供了基于机器学习的储能电源状态分析方法，该方法包括以下步骤：

3、获取储能电源检测数据，所述储能电源检测数据包括电压数据和电流数据；根据储能电源检测数据获取每个时间点的电源真实容量；

4、利用优化算法获取每个时间点的初始拟合值；将时间窗口内所有时间点的电源真实容量按照时间升序的顺序组成的序列作为窗口容量序列；根据窗口容量序列获取时间窗口内任意两个元素之间的容量局部波动；

5、根据拟合方程获取时间窗口内每个时间点的容量拟合值，根据时间窗口内所有时间点的容量拟合值构建的特征序列获取符号值；

6、根据容量局部波动以及符号值获取每个时间点的容量再生匹配度；根据容量再生匹配度获取容量再生点的容量再生量；

7、根据容量再生量获取每个时间点的容量预测值，根据容量预测值获取储能电源健康状态的分析结果。

8、优选的，所述根据储能电源检测数据获取每个时间点的电源真实容量的方法为：

9、分别获取每个时间点的电压归一化数据和电流归一化数据，将以电压归一化数据为x轴、以电流归一化数据为y轴、以时间点为z轴获取的三维曲线作为放电曲线；

10、利用曲线积分的方法获取放电曲线上每个时间点的积分值，将每个时间点的积分值作为每个时间点的电源真实容量。

11、优选的，所述利用优化算法获取每个时间点的初始拟合值的方法为：

12、将以电源真实容量为纵坐标，以时间点为横坐标获取的二维折线作为容量折线图；

13、利用函数拟合的方法获取容量折线图中电源真实容量和时间点之间的拟合函数表达式，利用优化算法确定拟合函数表达式中所有常数参数；

14、根据确定常数参数后的拟合函数表达式获取每个时间点的初始拟合值。

15、优选的，所述根据窗口容量序列获取时间窗口内任意两个元素之间的容量局部波动的方法为：

16、分别获取窗口容量序列中两个元素对应的时间点，将所述时间点之间差值作为两个元素之间的时间间隔；

17、将以所述时间间隔内每个时间点的电源真实容量与前一时间点的电源真实容量比值的相反数为指数，以自然常数为底数的计算结果作为相邻偏差量，将相邻偏差量与预设参数之和的倒数在两个元素之间的累加和作为第一累加值；

18、两个元素之间的容量局部波动由时间间隔、第一累加值两部分组成，其中，所述容量局部波动与时间间隔成反比关系，所述容量局部波动与第一累加值成正比关系。

19、优选的，所述根据时间窗口内所有时间点的容量拟合值构建的序列获取符号值的方法为：

20、根据时间窗口内所有时间点的容量拟合值获取时间窗口对应的特征序列；

21、获取每个时间点所取时间窗口对应特征序列中容量一阶差分序列中的元素最大值，以及所述容量一阶差分序列内每个时间点对应的元素值，将所述元素值与所述元素最大值的差值作为每个时间点的第一差值；

22、将每个时间点的第一差值作为符号函数的输入，根据第一差值与预设参数的对比结果获取每个时间点的符号值。

23、优选的，所述根据时间窗口内所有时间点的容量拟合值获取时间窗口对应的特征序列的方法为：

24、将时间窗口内所有时间点的容量拟合值按照时间升序的顺序组成的序列作为容量拟合序列；

25、将窗口容量序列与容量拟合序列中相同位置元素的差值按照时间升序组成的序列作为容量残差序列，将容量残差序列进行一阶差分处理得到的序列作为容量一阶差分序列；

26、将所述容量残差序列、容量一阶差分序列作为所述特征序列。

27、优选的，所述根据容量局部波动以及决策值获取每个时间点的容量再生匹配度的方法为：

28、分别将时间窗口内中心点左侧时间点、右侧时间点的电源真实容量组成的序列作为左相邻序列、右相邻序列；

29、将每个时间点所取时间窗口对应的容量残差序列内中心点的元素值与容量残差序列内元素最大值的比值与每个时间点符号值的乘积作为分子；

30、分别获取左相邻序列、右相邻序列中第一个元素与最后一个元素之间的容量局部波动、将所述容量局部波动的和作为分母，将分子与分母的比值作为每个时间点的容量再生匹配度。

31、优选的，所述根据容量再生匹配度获取容量再生点的容量再生量的方法为：

32、根据容量再生匹配度获取容量再生点，获取容量再生点的容量再生匹配度与容量再生点对应时间的比值；

33、容量再生量由所述比值、调参因子两部分组成，其中所述容量再生量与所述比值、调参因子成正比关系。

34、优选的，所述根据容量再生匹配度获取容量再生点的方法为：

35、获取每个时间点的容量再生匹配度，将容量再生匹配度大于预设阈值的时间点作为容量再生点。

36、优选的，所述根据容量再生方程获取每个时间点的容量预测值的方法为：

37、将每个时间点所取时间窗口内所有时间点的再生拟合值与电源真实值的差值组成的序列作为预测模型的输入，利用预测模型获取每个时间点的局部随机波动；

38、将每个时间点的初始拟合值、容量再生量、局部随机波动的和作为每个时间点的容量预测值。

39、本发明的有益效果是：本发明通过分析储能电源容量随时间的变化特征，将储能电源的容量变化分解为正常退化趋势部分、容量再生部分与局部随机波动部分。根据发生容量再生现象时的特征构建容量再生匹配度，容量再生匹配度反映了各时间点发生容量再生现象的可能性，根据容量再生匹配度构建容量再生量，容量再生量反映储能电源容量因发生容量再生现象导致容量变化的特征；其次利用自回归移动平均模型arima得到局部随机波动，局部随机波动反映了每个时间点受到近邻时间点电源健康状态的影响程度；本发明利用容量再生量、局部随机波动综合反映储能电源可用容量随时间变化的特征，并对发生容量再生现象时间点的预测值进行修正、提高了对不同时间点健康状态的预测准确率。