【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于電池異常識別，特別是涉及一種基于alo-ocsvm的電池高維特征異常老化識別方法。
技術(shù)介紹
1、鋰電池正常情況下老化過程較為緩慢，但在特定條件(如電池濫用等)下性能會加速衰減。一旦出現(xiàn)電池異常加速衰竭，相同負載條件下發(fā)展成電池?zé)崾Э剡M而引發(fā)安全事故的風(fēng)險會顯著增加。導(dǎo)致電池衰竭的原因很多，包括sei的增厚、電極活性物質(zhì)損失或性質(zhì)改變等，其最主要的表現(xiàn)就是電池剩余可用容量的異常下降。
2、電池異常老化識別最常用的方法是大數(shù)據(jù)分析及人工智能方法，基于電池在不同老化路徑下的容量衰減規(guī)律，從實時運行數(shù)據(jù)中提取能反映電池健康狀態(tài)的數(shù)據(jù)特征量，通過分析相關(guān)特征的分布識別出異常電池。
3、目前基于人工智能算法的電池異常老化識別研究，存在以下不足：神經(jīng)網(wǎng)絡(luò)多為有監(jiān)督模型，需要鋰電池實際老化數(shù)據(jù)作為輸出函數(shù)，且需要大量樣本，包含不同階段的傳感器數(shù)據(jù)，一般以實驗為基礎(chǔ)獲取訓(xùn)練樣本，這會導(dǎo)致以下幾點局限性：實驗獲取樣本無法達到大量的程度，實驗成本較高；數(shù)據(jù)量不夠，無法得到最好精度的模型；電池老化狀態(tài)的模型只能通過實驗驗證，無法在工廠實際應(yīng)用中得到驗證。
4、現(xiàn)有技術(shù)公開了一種儲能電池模型構(gòu)建和儲能電池狀態(tài)判定方法、裝置(cn116736173b)，首先構(gòu)建每個儲能電池的運行多參數(shù)健康數(shù)據(jù)集，再利用每個多參數(shù)健康數(shù)據(jù)集訓(xùn)練預(yù)設(shè)svdd模型，并通過求解每個預(yù)設(shè)svdd模型進一步得到目標(biāo)超球體的目標(biāo)超球體中心、第一目標(biāo)超球體半徑和第二標(biāo)超球體半徑，最后利用目標(biāo)超球體中心、第一目標(biāo)超球體半徑和第二標(biāo)超球體半
5、綜合來看，現(xiàn)有方法的局限性主要概括為：
6、一是現(xiàn)有方法多數(shù)依賴于樣本有限的指定工況數(shù)據(jù)集或測試條件受控的實驗室數(shù)據(jù)集，所學(xué)習(xí)的電池老化規(guī)律比較有限，難以泛化應(yīng)用于電池類型多樣、現(xiàn)場工況復(fù)雜多變的工程現(xiàn)場。
7、二是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法需要電池真實的電池剩余壽命或健康度soh作為學(xué)習(xí)的標(biāo)簽數(shù)據(jù)，但該數(shù)據(jù)獲取困難、成本高，極大制約了工程應(yīng)用。
技術(shù)實現(xiàn)思路
1、為解決現(xiàn)有技術(shù)中存在的不足，本專利技術(shù)提供一種基于alo-ocsvm的電池多特征異常老化識別方法，形成適應(yīng)復(fù)雜數(shù)據(jù)分布的無監(jiān)督電池異常老化監(jiān)測技術(shù)，根據(jù)電池正常數(shù)據(jù)的高維特征識別出所設(shè)定邊界下的異常個體，有效應(yīng)對電池老化路徑多樣且與電池內(nèi)外部環(huán)境復(fù)雜耦合、失效數(shù)據(jù)樣本不完備的挑戰(zhàn)。
2、本專利技術(shù)采用如下的技術(shù)方案。
3、本專利技術(shù)第一方面提供了一種基于alo-ocsvm的電池高維特征異常老化識別方法，包括：
4、步驟a、監(jiān)測采集電池運行數(shù)據(jù)，通過特征工程生成有效的高維特征，構(gòu)建具有高維特征量的訓(xùn)練數(shù)據(jù)集；
5、步驟b、構(gòu)建alo-ocsvm模型，在步驟a構(gòu)建的具有高維特征量的訓(xùn)練數(shù)據(jù)集上求解ocsvm算法，并利用alo優(yōu)化參數(shù)，得到滿足誤差要求的異常老化識別模型；
6、步驟c、繼續(xù)監(jiān)測采集電池運行數(shù)據(jù)并生成具有高維特征量的測試數(shù)據(jù)集，利用步驟b中得到的異常老化識別模型開展異常老化電池的在線監(jiān)測識別。
7、優(yōu)選地，步驟a中，構(gòu)建具有高維特征量的訓(xùn)練數(shù)據(jù)集包括：
8、步驟a1、在預(yù)設(shè)時間段內(nèi)監(jiān)測電池運行，等間隔地采集電池原始信號；
9、步驟a2、對步驟a1中的電池原始信號進行特征變換，包括標(biāo)量和矢量兩種形式；
10、步驟a3、將步驟a1中各組采集時間段采集的電池原始信號和步驟a2中特征變換后的電池信號合并轉(zhuǎn)化為具有高維特征量的訓(xùn)練數(shù)據(jù)集。
11、優(yōu)選地，步驟a1中，電池原始信號包括：電壓、電流、溫度、時間。
12、優(yōu)選地，步驟b中建立異常老化識別模型包括：
13、步驟b1、為了使具有高維特征量的訓(xùn)練數(shù)據(jù)集數(shù)據(jù)從原始空間映射到特征空間，建立非線性函數(shù)及核函數(shù)；
14、步驟b2、在具有高維特征量的訓(xùn)練數(shù)據(jù)集上求解ocsvm單類支持向量機算法；
15、步驟b3、繼續(xù)監(jiān)測采集電池運行數(shù)據(jù)并生成具有高維特征量的驗證數(shù)據(jù)集，在該具有高維特征量的驗證數(shù)據(jù)集上利用alo蟻群算法搜索ocsvm模型的最優(yōu)參數(shù)，得到異常老化識別模型。
16、優(yōu)選地，步驟b1中，非線性函數(shù)及核函數(shù)如下：
17、
18、k(x,z)＝(xtz)2＝φ(x)tφ(z)
19、式中，x和z為任意兩個數(shù)據(jù)的特征向量。
20、優(yōu)選地，步驟b2中，求解ocsvm單類支持向量機算法包括：
21、步驟b2.1、構(gòu)建特征空間中的超球體，構(gòu)造優(yōu)化問題使得超球體體積最小；
22、步驟b2.2、根據(jù)拉格朗日乘子法，列出實際待求解目標(biāo)函數(shù)；
23、步驟b2.3、按常規(guī)svm算法對步驟b2.2目標(biāo)函數(shù)的最大化問題進行求解，獲取所有樣本的拉格朗日系數(shù)，并合成支持向量集，計算超球體的球心和半徑。
24、優(yōu)選地，步驟b2.1中，構(gòu)建的超球體及優(yōu)化問題為：
25、
26、式中，o和r分別為超球體的球心和半徑，c為懲罰參數(shù)，ξ為松弛因子，ξi為ltrain/n組時間段中i時間段的松弛因子，xi為i時間段的具有高維特征量的訓(xùn)練數(shù)據(jù)集數(shù)據(jù)，ltrain為預(yù)設(shè)時間段，n為時間長度。
27、優(yōu)選地，步驟b2.2中，實際待求解目標(biāo)函數(shù)為：
28、
29、s.t.0≤λi≤c?∑λi＝1?i＝1,2,…,n
30、式中，λi為數(shù)據(jù)xi所對應(yīng)的拉格朗日系數(shù)。
31、優(yōu)選地，步驟b2.3中，超球體的球心和半徑計算方式為：
32、
33、其中，xs為支持向量集中的任一樣本，其拉格朗日系數(shù)λs滿足0<λs<c。
34、優(yōu)選地，步驟b3中，包括：
35、步驟b3.1、設(shè)置算法執(zhí)行的迭代次數(shù)k；
36、步驟b3.2、隨機生成初始種群，候選解包括懲罰系數(shù)和松弛因子的不同組合；
37、步驟b3.3、迭代訓(xùn)練ocsvm模型，重復(fù)步驟b2.1-步驟b2.3，并計算其在具有高維特征量的驗證數(shù)據(jù)集測試集上的均方誤差；
38、步驟b3.4、通過近鄰與隨機搜索交替的方式，取最小均方誤差的對應(yīng)解進行候選解位置更新；
39、步驟b3.5、將ocsvm模型中的參數(shù)替換為最小均方誤差的對應(yīng)解，得到異常老化識別模型。
40、優(yōu)選地，步驟c包括：
41、步驟c1、在預(yù)設(shè)時間段ltest內(nèi)監(jiān)測電池運行，采集預(yù)設(shè)時間長度為n的電壓、電流、溫度信號；
42、步驟c2、對步驟c1中的原始信號進行特征變換，得到本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于：
3.根據(jù)權(quán)利要求2所述的基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于：
4.根據(jù)權(quán)利要求1所述的基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于：
5.根據(jù)權(quán)利要求4所述的基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于：
6.根據(jù)權(quán)利要求5所述的基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于：
7.根據(jù)權(quán)利要求6所述的基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于：
8.根據(jù)權(quán)利要求7所述的基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于：
9.根據(jù)權(quán)利要求8所述的基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于：
10.根據(jù)權(quán)利要求4所述的基于ALO-OCSVM的電池高維特征異常老
11.根據(jù)權(quán)利要求9所述的基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于：
12.根據(jù)權(quán)利要求11所述的基于ALO-OCSVM的電池高維特征異常老化識別方法，其特征在于：
13.一種利用權(quán)利要求1-12任一項所述的基于ALO-OCSVM的電池高維特征異常老化識別方法的電池高維特征異常老化識別裝置，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種基于alo-ocsvm的電池高維特征異常老化識別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于alo-ocsvm的電池高維特征異常老化識別方法，其特征在于：
3.根據(jù)權(quán)利要求2所述的基于alo-ocsvm的電池高維特征異常老化識別方法，其特征在于：
4.根據(jù)權(quán)利要求1所述的基于alo-ocsvm的電池高維特征異常老化識別方法，其特征在于：
5.根據(jù)權(quán)利要求4所述的基于alo-ocsvm的電池高維特征異常老化識別方法，其特征在于：
6.根據(jù)權(quán)利要求5所述的基于alo-ocsvm的電池高維特征異常老化識別方法，其特征在于：
7.根據(jù)權(quán)利要求6所述的基于alo-ocsvm的電池高維特征異常老化識別方法，其特...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：傅宇航，鹿峪寧，王薇，唐峰，張曌，袁簡，章超，蘇麟，蔣科，王世靜，梁惠施，馬亞林，施春華，張云，朱昕原，錢進，杜學(xué)龍，王姿堯，
申請(專利權(quán))人：能建時代上海新型儲能技術(shù)研究院有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。