[發明專利]一種基于隨機森林模型預測鋰電池剩余循環壽命的方法

有效

• 申請號: 202011123025.2
• 申請日: 2020-10-20
• 公開（公告）號: CN111965562B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 洪星
• 申請（專利權）人: 江蘇慧智能源工程技術創新研究院有限公司
• 主分類號: G01R31/396
• 分類號: G01R31/396;G01R31/392;G01R31/387;G01R31/367;G06F30/27;G06F119/04
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 彭雄

本發明公開了一種基于隨機森林模型預測鋰電池剩余循環壽命的方法，采集儲能電站運行過程中鋰電池的實際運行數據，并清洗，選取合適的特征數據作為模型的輸入和輸出，采用隨機森林回歸大數據模型，采用5?折交叉驗證方法來對模型進行訓練和打分，根據訓練得到的模型，對儲能電站鋰電池的剩余循環壽命進行預測。本發明能夠對儲能電站的鋰電池剩余循環壽命預測，同時預測準確率高。

技術領域

本發明涉及一種基于隨機森林模型預測鋰電池在儲能系統中剩余循環壽命的方法，屬于電力技術領域。

背景技術

鋰電池作為儲能電站運行的重要組成部分，鋰電池的運行狀態對儲能電站的運行狀態有重要的影響。隨著儲能電站運行時間的增長，鋰電池不斷進行充放電，而隨著鋰電池充放電次數的增加，鋰電池的容量將會不斷衰減。鋰電池的劣化失效是長期的過程，若能準確預測鋰電池的壽命狀態，對老化的鋰電池進行更換，對于保障鋰電池正常工作，維護儲能電站運行效率，減少儲能電站經濟損失，預防安全事故的發生具有重要意義。

目前行業中對鋰電池循環壽命的預測方法主要是基于模型的壽命預測，基于模型的剩余壽命預測方法已經較為成熟，依托于對電池負載條件、材料屬性及退化機理結合電池失效機制實現剩余壽命的預測，包括退化機理模型、等效電路模型、經驗退化模型等。但是這些研究方法是針對特定及固定工況使用環境的鋰電池，而儲能電站鋰電池的使用工況及環境同上述相比具有明顯的差異性，同時由于儲能電站持續運行、鋰電池成組排列且數量眾多，無法對鋰電池進行拆解并一一單獨測試，故僅能通過儲能過程采集的鋰電池運行數據進行分析和預測。

發明內容

發明目的：考慮到目前在儲能方面鋰電池剩余循環壽命的預測還尚未有可行的辦法，本發明提供一種基于隨機森林模型預測鋰電池剩余循環壽命的方法，采集儲能電站運行過程中鋰電池的運行數據，充分考慮鋰電池運行工況，對鋰電池的運行數據進行分析并提取相關特征數據，調用隨機森林回歸大數據預測模型，采用交叉驗證方法對模型進行訓練和評價，對儲能電站的鋰電池的剩余循環壽命進行預測。

技術方案：為實現上述目的，本發明采用的技術方案為：

一種基于隨機森林模型預測鋰電池剩余循環壽命的方法，包括以下步驟：

步驟1，數據采集：采集儲能電站運行過程中鋰電池的實際運行數據作為數據集。

步驟2，數據清洗：對采集上來的數據集的數據進行整理和清洗，去除無效、異常的數據點，保留有效的數據點，得到清洗后的數據集。

步驟3，特征選擇：根據清洗后的數據集構造特征數據，并分析特征數據間的相關性選取特征數據，特征數據包括充電電量、充電時長、充電倍率、SOC極差、電壓極差、平均電壓、平均溫度、累計充電次數。

步驟4，模型選擇：選擇隨機森林回歸大數據模型，選取鋰電池充電電量作為模型輸出，鋰電池充電時長、充電倍率、SOC極差、電壓極差、平均電壓、平均溫度、累計充電次數作為模型輸入。

步驟5，模型訓練及評價：根據清洗后的數據集的大小，采用5-折交叉驗證方法來對模型進行訓練和打分，模型評價標準采用決定系數R²，同時做出ROC曲線，直觀觀察預測值與實際值差異。

決定系數：

其中，為待擬合數值，其均值為，擬合值為，n為數據集大小。

步驟6，模型輸出：根據步驟5中得到的隨機森林回歸大數據模型，將隨機森林回歸大數據模型保存待用。

步驟7，剩余壽命預測：根據訓練得到的隨機森林回歸大數據模型，對儲能電站鋰電池的剩余循環壽命進行預測。