一种近邻传播聚类下储能电池故障分类特征筛选降维方法

    公开(公告)号:CN112307906A

    公开(公告)日:2021-02-02

    申请号:CN202011094254.6

    申请日:2020-10-14

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种近邻传播聚类下储能电池故障分类特征筛选降维方法。该方法的实现过程如下:首先,获取不同故障的N个储能电池在完成一次充放电过程下的端电压信号数据样本,挖掘端电压信号的特征,组成特征集合;然后,利用余弦相似度定义特征的相似度矩阵,基于近邻传播方法,聚类各个特征,形成多个特征簇;计算相同簇内各特征在不同类型样本下的均值以及均值的标准差,将均值标准差最大的特征定义为表征此特征簇的典型特征;以各特征簇的典型特征作为用于分类任务的筛选降维后特征。通过本发明可以自动筛选出用于分类任务的显著性特征,缓解小样本情况下维度爆炸问题,降低冗余、无效特征对分类器性能的不利影响,提高分类的准确率。

    电力系统典型日负荷曲线生成方法

    公开(公告)号:CN114037006B

    公开(公告)日:2024-03-15

    申请号:CN202111281768.7

    申请日:2021-11-01

    摘要: 本发明涉及一种电力系统典型日负荷曲线生成方法。方法包括以下步骤:首先,以固定采样周期获取本地多年的日负荷功率曲线为样本构成数据集合;然后,设定生成典型日负荷曲线的种类数量以及长度等于日负荷采样点数、各编码位为类别数内正整数的编码串,提取编码位值相同的日负荷样本为同类;接着,计算同一时刻样本值服从此概率分布的概率乘积,并加和所有时刻的乘积值,表征此类样本聚合的优劣;第四步,利用交叉、变异等遗传操作过程,优化编码串使其达到对历史样本的最优聚类;最后,根据最优聚类结果下,同类样本在各时刻的概率分布的均值表征出此类典型日负荷曲线。为本地新能源+储能系统的选址定容以及电力系统的调度规划奠定了坚实的基础。

    一种退役电池梯次利用筛选的方法

    公开(公告)号:CN112791997B

    公开(公告)日:2022-11-18

    申请号:CN202011490339.6

    申请日:2020-12-16

    IPC分类号: B07C5/344 G06K9/62

    摘要: 本发明涉一种退役电池梯次利用筛选的方法;筛选的方法包含以下步骤:选取电池荷电状态、剩余寿命和剩余容量、电芯温度、充电倍率、放电倍率、工作电压和工作电流这8个电池工作特征参量进行计算,计算出电池组数据的一些参数分别与退役动力电池的健康度之间的互信息值,选取互信息值最高的两个特征变量作为评判退役电池性能的指标,指标的具体数值作为待分组退役动力电池数据;在退役动力电池工作站系统中录入待分组电池的数据,通过现有聚类方法求出类别中心点并给电池分簇;通过熵值法求出每簇电池的类别中心点;验证;本发明技术方案提高了寻找聚类中心的准确度,同时也为后续筛选退役动力电池的结果提供了有利的保障。