[發明專利]一種面向鉛酸蓄電池剩余容量預測的LIBSVM建模方法

在審

• 申請號: 201810433366.6
• 申請日: 2018-05-08
• 公開（公告）號: CN108646189A
• 公開（公告）日: 2018-10-12
• 發明（設計）人: 楊傳凱;李文慧;劉洋;谷永剛;李鵬程;江濤;李旭;萬康鴻;孫海濤;李珂;馬江濤;馬驍騰;張宜陽;周際城;陳凱
• 申請（專利權）人: 國網陜西省電力公司電力科學研究院;國網陜西省電力公司;國網陜西省電力公司檢修公司;國網電力科學研究院武漢南瑞有限責任公司;武漢大學
• 主分類號: G01R31/36
• 分類號: G01R31/36
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

1.一種面向鉛酸蓄電池剩余容量預測的LIBSVM建模方法，其特征在于，包括：

步驟1、對建模的各狀態變量的樣本測量數據采用式一進行歸一化處理，將數據縮放到[0,1]之間；

式中，x_ik^*表示狀態量k第i個測量樣本數據的歸一化值；x_ik表示狀態量k第i個樣本數據值；x_{k_min}表示狀態量k測量值范圍的最小取值；x_{k_min}表示狀態量k測量值范圍的最大取值；

步驟2、選擇LIBSVM工具箱的支持向量機函數(SVM函數)類型為適用于非線性回歸分析的e-SVR函數，選擇可將非線性樣本數據從低維空間映射到高維特征空間的RBF函數作為核函數；其中，徑向基核函數為RBF核函數，其具體表達式形式為：

式中，表示蓄電池端電壓和健康狀態兩個狀態變量歸一化值間的平方歐幾里得距離；σ是LIBSVM支持向量機工具箱的徑向基核函數內部默認參數；

步驟3、將已知的部分蓄電池端電壓、健康狀態和剩余容量的測量數據x_ik^*作為訓練樣本，以利用端電壓、健康狀態訓練樣本數據預測的剩余容量與剩余容量訓練樣本數據的均方誤差做為性能評價指標，通過設置LIBSVM的錯誤懲罰因子參數C和RBF核函數gama參數g，基于均方差誤差最小原則和訓練樣本數據，建立蓄電池剩余容量的回歸預測模型；其中，評估蓄電池循環使用壽命剩余容量的回歸預測模型為：

其中，i表示各狀態量的樣本數量；x_i1^*表示蓄電池端電壓狀態變量的歸一化值；x_i2^*表示蓄電池健康狀態變量的歸一化值；表示蓄電池的剩余容量的歸一化預測值；a_i為拉格朗日乘子，K(x_i1,x_i2)為徑向基核函數，b為建模常數項參數，參數a_i和b可由LIBSVM支持向量機工具箱通過對樣本數據的回歸分析進行確定；

步驟4、采用Grid-Search法確定LIBSVM的錯誤懲罰因子參數C和RBF核函數gama參數g在設定取值范圍內的參數組組合(C,g)，以已知的蓄電池端電壓、健康狀態和剩余容量的剩余部分量測數據作為測試樣本數據，利用已建立回歸預測模型，以使基于預測模型預測的剩余容量和已知測試樣本數據的剩余容量均方差最小為目標，確定最佳的參數組(C,g)，將得到的最佳參數(C,g)代入LIBSVM，進而確定面向鉛酸蓄電池剩余容量預測回歸分析模型；

步驟5、基于所建立回歸預測模型預測的剩余容量需要采用式四進行反歸一化處理；

式中，y_i表示蓄電池剩余容量的預測值；y_min表示蓄電池剩余容量的最小取值；y_max表示蓄電池剩余容量的最大取值。

2.根據權利要求1所述的一種面向鉛酸蓄電池剩余容量預測的LIBSVM建模方法，其特征在于，步驟2中，e-SVR中參數損失函數p的值取0.01。

3.根據權利要求1所述的一種面向鉛酸蓄電池剩余容量預測的LIBSVM建模方法，其特征在于，步驟3中，LIBSVM的錯誤懲罰因子參數C默認值為1，RBF核函數gama參數g的默認值為0.5，其中gama參數g等于狀態量數量的倒數。