【技術實現步驟摘要】
本專利技術涉及儲能電池壽命預測，具體涉及一種儲能電池剩余使用壽命預測方法及系統。
技術介紹
1、能源燃燒是主要的二氧化碳排放源，電力行業排放約占能源行業排放的占比很高，減排任務艱巨。推進能源清潔低碳轉型，關鍵是加快發展新能源。但是新能源具有不穩定性等問題，新能源大規模開發利用，給電網安全運行帶來挑戰，迫切需要通過發展儲能等措施，提高系統靈活調節能力；
2、儲能電池作為一個動態且非線性的電化學系統，其容量會隨著充放電次數的增加和持續使用時間的延長而逐漸衰減。準確估算電池的健康度(stateofhealth，soh)對于電池管理和維護至關重要。根據ieee標準1188-1996，當儲能電池的soh低于80%時，就需要對電池進行更換。
3、目前，準確預測儲能電池壽命仍面臨巨大挑戰。傳統方法主要依賴于簡單的統計模型或經驗公式，難以充分考慮電池使用過程中的復雜因素，如環境溫度、充放電模式、維護情況等。這些因素都會對電池壽命產生顯著影響。
技術實現思路
1、本專利技術的目的在于解決上述現有技術的不足，提出一種儲能電池剩余使用壽命預測方法及系統，通過tvf-emd對電池容量時間序列數據進行分解。然后，利用改進后的協同群優化算法對時間卷積神經網絡（tcn）模型的卷積核個數和卷積核大小進行優化，從而提高對儲能電池壽命的預測精度。
2、為了實現上述目的，本專利技術采用的技術方案是：一種儲能電池剩余使用壽命預測方法，包括以下步驟：
3、步驟1：獲取電池容量
4、步驟2：采用tvf-emd對電池容量時間序列數據進行分解得到本征模態分量（imf）；
5、步驟3：搭建時間卷積神經網絡模型；
6、步驟4：利用改進后的協同群優化算法對時間卷積神經網絡模型的卷積核個數和卷積核大小進行優化；所述改進后的協同群優化算法，對速度更新公式進行了改進：
7、；
8、式中，為第i個個體第j個維度候選解更新后的速度，為慣性權重值，為個體最佳系數，為全局最優系數，為動態吸引系數，為自適應鄰域相互作用系數，為分集保持系數；
9、步驟5：對完整的電池容量時間序列數據歸一化，將歸一化后的數據輸入改進協同群優化算法優化后的時間卷積神經網絡（tcn）模型之中進行剩余使用壽命預測。
10、進一步優選，對電池容量時間序列數據采用tvf-emd進行分解得到本征模態分量（imf）的過程如下：
11、步驟2.1：首先利用hilbert變換求出電池容量時間序列數據的瞬時頻率和瞬時幅值，隨后分別計算瞬時頻率和瞬時幅值的局部最大值以及局部最小值，對瞬時頻率和瞬時幅值的局部最大值以及局部最小值進行差值預算得到瞬時頻率的局部最大值以及局部最小值的差值和瞬時頻率的局部最大值以及局部最小值的差值，最后采用時變濾波器處理電池容量時間序列數據，得到瞬時均值和瞬時包絡，然后計算局部截止頻率：
12、步驟2.2：根據局部截止頻率重構電池容量時間序列數據：
13、步驟2.3：判斷截止頻率是否滿足停止準則：
14、步驟2.4：截止頻率小于等于loughlin瞬時帶寬閾值時，截止頻率所對應的當前迭代次數的輸入數據為一個本征模態分量。
15、進一步優選，所述改進后的協同群優化算法引入logistic-tent混沌映射初始化種群。
16、進一步優選，所述改進后的協同群優化算法迭代過程中，引入逃逸公式，使其跳出局部最優值；
17、?；
18、；
19、式中，表示第i個個體第j個維度更新后候選解，代表第i個個體第j個維度當前候選解，表示上一次迭代時的解，表示（0，1）的隨機值，表示隨著迭代次數改變的常數，表示當前迭代次數，t表示最大迭代次數，e為自然常數。
20、進一步優選，所述步驟1中，還對電池容量時間序列數據用四分位法進行異常值檢測并進行插補。
21、本專利技術還提供一種儲能電池剩余使用壽命預測系統，所述系統包括存儲器、處理器以及存儲在所述存儲器的計算機程序，所述計算機程序被所述處理器執行時實現上述儲能電池剩余使用壽命預測方法的各個步驟。
22、本專利技術還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述的儲能電池剩余使用壽命預測方法的各個步驟。
23、本專利技術的有益效果：采用tvf-emd對電池容量時間序列數據進行分解，降低數據的平穩性，從而減少對預測的影響。使用改進后的協同群優化算法對時間卷積神經網絡（tcn）模型的卷積核個數和卷積核大小進行優化，提高風電功率的預測精度降低了單一時間卷積神經網絡（tcn）模型預測的隨機性，縮小了預測誤差范圍，使時間卷積神經網絡（tcn）模型預測具有更高的準確性。
本文檔來自技高網...【技術保護點】
1.一種儲能電池剩余使用壽命預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的儲能電池剩余使用壽命預測方法，其特征在于，對電池容量時間序列數據采用TVF-EMD進行分解得到本征模態分量的過程如下：
3.根據權利要求1所述的儲能電池剩余使用壽命預測方法，其特征在于，所述改進后的協同群優化算法引入Logistic-Tent混沌映射初始化種群。
4.根據權利要求1所述的儲能電池剩余使用壽命預測方法，其特征在于，所述改進后的協同群優化算法迭代過程中，引入逃逸公式，使其跳出局部最優值；
5.根據權利要求1所述的儲能電池剩余使用壽命預測方法，其特征在于，所述步驟1中，還對電池容量時間序列數據用四分位法進行異常值檢測并進行插補。
6.一種用于實現權利要求1-5任意一項所述儲能電池剩余使用壽命預測方法的系統，其特征在于，所述系統包括存儲器、處理器以及存儲在所述存儲器的計算機程序，所述計算機程序被所述處理器執行時實現上述儲能電池剩余使用壽命預測方法的各個步驟。
7.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲
...【技術特征摘要】
1.一種儲能電池剩余使用壽命預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的儲能電池剩余使用壽命預測方法，其特征在于，對電池容量時間序列數據采用tvf-emd進行分解得到本征模態分量的過程如下：
3.根據權利要求1所述的儲能電池剩余使用壽命預測方法，其特征在于，所述改進后的協同群優化算法引入logistic-tent混沌映射初始化種群。
4.根據權利要求1所述的儲能電池剩余使用壽命預測方法，其特征在于，所述改進后的協同群優化算法迭代過程中，引入逃逸公式，使其跳出局部最優值；
5.根據權利要求...
【專利技術屬性】
技術研發人員：周正華，徐派，王福英，許志浩，丁貴立，夏非，范莉，王宗耀，劉婧奕，蔡詩雨，李斌，
申請(專利權)人：南昌工程學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。