本發(fā)明專利技術(shù)公開了一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法。它具體包括以下步驟：采集多種動態(tài)參數(shù)的指標，形成動態(tài)參數(shù)指標數(shù)據(jù)集；將動態(tài)參數(shù)指標數(shù)據(jù)集進行數(shù)據(jù)規(guī)范化；計算數(shù)據(jù)規(guī)范化后的動態(tài)參數(shù)指標數(shù)據(jù)集的指標權(quán)重；計算各動態(tài)參數(shù)指標數(shù)據(jù)的熵值確定各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重；根據(jù)各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重計算各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重的組合權(quán)重；根據(jù)數(shù)據(jù)規(guī)范化后的動態(tài)參數(shù)指標數(shù)據(jù)集和組合權(quán)重計算鋰電池運行狀態(tài)評估值；根據(jù)鋰電池運行狀態(tài)評估值進行電池包狀態(tài)分類和制定控制策略。本發(fā)明專利技術(shù)的有益效果是：能夠快速、準確預(yù)測電池健康狀態(tài)。
本專利技術(shù)涉及鋰電池相關(guān)，尤其是指一種基于離散時間序列的bp神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法。
1、鋰電池儲能系統(tǒng)發(fā)生火災(zāi)隱患大致分為鋰電池內(nèi)部早期熱失控和電氣設(shè)備的火災(zāi)隱患2個方面。鋰電池充放電主要是靠化學(xué)反應(yīng)來完成的，在充放電過程中不可避免的會產(chǎn)生熱能，如果電池自身產(chǎn)生的熱能超過了電池?zé)崃康暮纳⒛芰Γ囯姵責(zé)o法得到及時散熱，熱量就會積累導(dǎo)致電池過熱，引發(fā)熱失控，產(chǎn)生可燃性氣體，易造成遇到明火發(fā)生爆炸。因此，針對鋰離子電池在充放電過程中出現(xiàn)由于早期熱量聚集而引起的熱失控和熱擴散對儲能站造成的火災(zāi)爆炸危害性，亟需采取完整的系統(tǒng)步驟去預(yù)防鋰電池災(zāi)害的發(fā)生。
2、現(xiàn)有技術(shù)中，針對鋰離子電池的熱失控狀況已存在有相應(yīng)的監(jiān)測方法，該類技術(shù)方案通常是針對鋰離子電池設(shè)計對應(yīng)的傳感器，包括溫度、氣體濃度等傳感器，通過監(jiān)測鋰離子電池是否發(fā)生異常溫升或氣體泄漏來對鋰離子電池是否存在熱失控狀況進行監(jiān)測。但是，在實際實施過程中，由于上述方案僅是針對單一因素進行簡單判斷，比如，氣體濃度是否達到泄露閾值、溫升是否達到溫升閾值等進行判斷來進行報警，這導(dǎo)致了判斷要素相對單一容易誤判，且不能有效對鋰離子電池未來的狀況進行預(yù)測，造成判斷準確度不足的問題，而且操作方法極其復(fù)雜。
1、本專利技術(shù)是為了克服現(xiàn)有技術(shù)中存在上述的不足，提供了一種能夠快速、準確預(yù)測電池健康狀態(tài)的基于離散時間序列的bp神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法。
>3、一種基于離散時間序列的bp神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，具體包括以下步驟：4、(1)采集多種動態(tài)參數(shù)的指標，形成動態(tài)參數(shù)指標數(shù)據(jù)集；
5、(2)將動態(tài)參數(shù)指標數(shù)據(jù)集進行數(shù)據(jù)規(guī)范化；
6、(3)計算數(shù)據(jù)規(guī)范化后的動態(tài)參數(shù)指標數(shù)據(jù)集的指標權(quán)重；
7、(4)計算各動態(tài)參數(shù)指標數(shù)據(jù)的熵值確定各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重；
8、(5)根據(jù)各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重計算各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重的組合權(quán)重；
9、(6)根據(jù)數(shù)據(jù)規(guī)范化后的動態(tài)參數(shù)指標數(shù)據(jù)集和組合權(quán)重計算鋰電池運行狀態(tài)評估值；
10、(7)根據(jù)鋰電池運行狀態(tài)評估值進行電池包狀態(tài)分類和制定控制策略。
11、本專利技術(shù)將當前鋰電池故障狀態(tài)在時間線上最早預(yù)警閾值建立多目標優(yōu)化函數(shù)并自動尋優(yōu)，能夠快速、準確預(yù)測電池健康狀態(tài)。
12、作為優(yōu)選，在步驟(1)中，具體為：采集鋰電池包的熱量值、氣體壓力值、氣體濃度值、聲波值、膜離子濃度值、電壓參數(shù)、電流參數(shù)、荷電狀態(tài)參數(shù)、健康狀態(tài)參數(shù)和環(huán)境狀態(tài)參數(shù)10個指標數(shù)據(jù)，形成動態(tài)參數(shù)指標數(shù)據(jù)集。
13、作為優(yōu)選，在步驟(2)中，具體包括以下步驟：
14、(21)將動態(tài)參數(shù)指標數(shù)據(jù)集中的各類指標數(shù)據(jù)在離散時間序列上進行分類，符合電池健康狀態(tài)的數(shù)據(jù)定義為準則層，不符合電池健康狀態(tài)的數(shù)據(jù)定義為方案層；
15、(22)根據(jù)方案層中各指標數(shù)據(jù)相對于準則層的離散程度，構(gòu)建閾值判斷矩陣；
16、(23)根據(jù)閾值判斷矩陣計算第i個動態(tài)參數(shù)對應(yīng)的第j個指標的閾值判斷一致性程度。
17、作為優(yōu)選，在步驟(22)中，閾值判斷矩陣的公式為
18、
19、其中，rij表示第i個動態(tài)參數(shù)對應(yīng)的第j個指標的離散程度，且r∈{0,1}；m為采集到的鋰電池包的指標總數(shù)，n為離散時間序列區(qū)間數(shù)；r表示閾值判斷矩陣輸出結(jié)果。
20、作為優(yōu)選，在步驟(23)中，第i個動態(tài)參數(shù)對應(yīng)的第j個指標的閾值判斷一致性程度的計算公式為：lij＝rij-rji+0.5，其中，rij表示第i個動態(tài)參數(shù)對應(yīng)的第j個指標的離散程度，rji表示第j個動態(tài)參數(shù)對應(yīng)的第i個指標的離散程度，lij表示第i個動態(tài)參數(shù)對應(yīng)的第j個指標的閾值判斷一致性程度。
21、作為優(yōu)選，在步驟(3)中，數(shù)據(jù)規(guī)范化后的動態(tài)參數(shù)指標數(shù)據(jù)集的指標權(quán)重的計算公式為
22、
23、
24、其中，t表示指標的維度；a表示權(quán)重差因子；vx表示第x個指標的權(quán)重；vy表示第y個指標的權(quán)重。
25、作為優(yōu)選，在步驟(4)中，具體包括如下步驟：
26、(41)計算單個指標權(quán)重，計算公式為
27、
28、(42)計算指標數(shù)據(jù)集中各指標的熵值，計算公式為
29、
30、(43)計算各指標熵值的優(yōu)化權(quán)重，計算公式為
31、
32、其中fij表示單個指標的特征權(quán)重；lij表示第i個動態(tài)參數(shù)對應(yīng)的第j個指標的閾值判斷一致性程度；hj表示指標數(shù)據(jù)集中各指標的熵值；wij表示各指標熵值的權(quán)重；0≤wij≤1，m為采集到的鋰電池包的指標總數(shù)，n為離散時間序列區(qū)間數(shù)。
33、作為優(yōu)選，在步驟(5)中，根據(jù)各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重計算各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重的組合權(quán)重的計算公式為
34、
35、其中，wij表示各指標熵值的權(quán)重；v1,v2,v3,v4表示各動態(tài)參數(shù)的指標權(quán)重，即vx表示第x個指標的權(quán)重。
36、作為優(yōu)選，在步驟(6)中，根據(jù)數(shù)據(jù)規(guī)范化后的動態(tài)參數(shù)指標數(shù)據(jù)集和組合權(quán)重計算鋰電池運行狀態(tài)評估值的計算公式為其中f表示鋰電池運行狀態(tài)評估值；bij表示各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重的組合權(quán)重；lij表示第i個動態(tài)參數(shù)對應(yīng)的第j個指標的閾值判斷一致性程度。
37、作為優(yōu)選，在步驟(7)中，根據(jù)鋰電池運行狀態(tài)評估值進行電池包狀態(tài)分類和制定控制策略，包括將電池包內(nèi)的狀態(tài)分為正常、注意、異常、嚴重四級，
38、f＝0～0.2為正常狀態(tài)，指標相對穩(wěn)定，未超過注意值；
39、f＝0.2～0.4為注意狀態(tài)，指標相對穩(wěn)定，仍需要持續(xù)觀察；
40、f＝0.4～0.7為異常狀態(tài)，指標已接近或超過注意值，指標變化正在向注意值方向發(fā)展；
41、f＝0.7～1.0為嚴重狀態(tài)，指標嚴重超過注意值，需要立即切斷當前鋰電池的充放電進程，同時發(fā)出報警信息。
42、本專利技術(shù)的有益效果是：將當前鋰電池故障狀態(tài)在時間線上最早預(yù)警閾值建立多目標優(yōu)化函數(shù)并自動尋優(yōu)，能夠快速、準確預(yù)測電池健康狀態(tài)。
本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，具體包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(1)中，具體為：采集鋰電池包的熱量值、氣體壓力值、氣體濃度值、聲波值、膜離子濃度值、電壓參數(shù)、電流參數(shù)、荷電狀態(tài)參數(shù)、健康狀態(tài)參數(shù)和環(huán)境狀態(tài)參數(shù)10個指標數(shù)據(jù)，形成動態(tài)參數(shù)指標數(shù)據(jù)集。
3.根據(jù)權(quán)利要求1或2所述的一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(2)中，具體包括以下步驟：
4.根據(jù)權(quán)利要求3所述的一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(22)中，閾值判斷矩陣的公式為
5.根據(jù)權(quán)利要求4所述的一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(23)中，第i個動態(tài)參數(shù)對應(yīng)的第j個指標的閾值判斷一致性程度的計算公式為：lij＝rij-rji+0.5，其中，rij表示第i個動態(tài)參數(shù)對應(yīng)的第j個指標的離散程度，rji表示第j個動態(tài)參數(shù)對應(yīng)的第i個指標的離散程度，lij表示第i個動態(tài)參數(shù)對應(yīng)的第j個指標的閾值判斷一致性程度。
6.根據(jù)權(quán)利要求5所述的一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(3)中，數(shù)據(jù)規(guī)范化后的動態(tài)參數(shù)指標數(shù)據(jù)集的指標權(quán)重的計算公式為
7.根據(jù)權(quán)利要求5所述的一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(4)中，具體包括如下步驟：
8.根據(jù)權(quán)利要求7所述的一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(5)中，根據(jù)各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重計算各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重的組合權(quán)重的計算公式為
9.根據(jù)權(quán)利要求8所述的一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(6)中，根據(jù)數(shù)據(jù)規(guī)范化后的動態(tài)參數(shù)指標數(shù)據(jù)集和組合權(quán)重計算鋰電池運行狀態(tài)評估值的計算公式為其中F表示鋰電池運行狀態(tài)評估值；bij表示各動態(tài)參數(shù)指標數(shù)據(jù)的優(yōu)化權(quán)重的組合權(quán)重；lij表示第i個動態(tài)參數(shù)對應(yīng)的第j個指標的閾值判斷一致性程度。
10.根據(jù)權(quán)利要求9所述的一種基于離散時間序列的BP神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(7)中，根據(jù)鋰電池運行狀態(tài)評估值進行電池包狀態(tài)分類和制定控制策略，包括將電池包內(nèi)的狀態(tài)分為正常、注意、異常、嚴重四級，
...
【技術(shù)特征摘要】
1.一種基于離散時間序列的bp神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，具體包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于離散時間序列的bp神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(1)中，具體為：采集鋰電池包的熱量值、氣體壓力值、氣體濃度值、聲波值、膜離子濃度值、電壓參數(shù)、電流參數(shù)、荷電狀態(tài)參數(shù)、健康狀態(tài)參數(shù)和環(huán)境狀態(tài)參數(shù)10個指標數(shù)據(jù)，形成動態(tài)參數(shù)指標數(shù)據(jù)集。
3.根據(jù)權(quán)利要求1或2所述的一種基于離散時間序列的bp神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(2)中，具體包括以下步驟：
4.根據(jù)權(quán)利要求3所述的一種基于離散時間序列的bp神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(22)中，閾值判斷矩陣的公式為
5.根據(jù)權(quán)利要求4所述的一種基于離散時間序列的bp神經(jīng)網(wǎng)絡(luò)動態(tài)參數(shù)識別方法，其特征是，在步驟(23)中，第i個動態(tài)參數(shù)對應(yīng)的第j個指標的閾值判斷一致性程度的計算公式為：lij＝rij-rji+0.5，其中，rij表示第i個動態(tài)參數(shù)對應(yīng)的第j個指標的離散程度，rji表示第j個動態(tài)參數(shù)對應(yīng)的第i個指標的離散程度，lij表示第i個動態(tài)參數(shù)對應(yīng)的第j個指標的閾值判斷一致性程度。
6.根...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張靜，許琴，陳云龍，胡茵，蔣魯軍，
申請(專利權(quán))人：杭州電力設(shè)備制造有限公司，
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。