一种储能电池健康状态辨识方法

    公开(公告)号:CN112327190A

    公开(公告)日:2021-02-05

    申请号:CN202011094365.7

    申请日:2020-10-14

    Abstract: 本发明具体涉及一种储能电池健康状态辨识方法。该方法首先采集储能电池在一次充放电测试过程中的端电压信号,组成含有类别的样本数据集合A;然后,计算每个样本的特征值,形成可以表征原始信号特点的特征向量,组成含有类别的样本特征集合B;接着,生成若干个差异化的支持向量机模型;然后,以遗传算法种群个体的0‑1编码选择部分支持向量机模型,并将特征集合B输入得到多个以概率向量方式表征的储能电池健康情况辨识结果,形成对若干支持向量机模型的筛选方案,即储能电池健康情况辨识方案。多次支持向量集成的方式大幅提升了诊断模型的鲁棒性,利用遗传算法快速、自动地实现了对诊断过程的优化,提升了故障诊断性能。

    一种基于kmeans聚类的动力电池SOH快速估计方法

    公开(公告)号:CN112305442A

    公开(公告)日:2021-02-02

    申请号:CN202011094386.9

    申请日:2020-10-14

    Abstract: 本发明涉及一种基于kmeans聚类的动力电池SOH快速估计方法。包括以下步骤:获得若个不同健康状态下的动力电池健康状态值,并测量其在一次充放电实验过程中电压、电流以及温度信号,构成含健康状态值的样本特征集;利用kmeans方法将特征集中的样本进行聚类,形成多个族群;计算待检测动力电池的特征到各族中心的欧式距离,判断其所属族群;计算待检测动力电池的特征到所属族群中各样本特征的欧式距离,获得用于健康状态值计算的权重;根据样本的健康状态值和权重,评估待检测动力电池的健康状态。发明能够大幅降低动力电池状态评估模型设计过程,快速、有效地评估出动力电池的健康状态,有利于动力电池筛选以及梯次利用。

    一种基于神经网络的光伏发电功率预测方法

    公开(公告)号:CN117374941A

    公开(公告)日:2024-01-09

    申请号:CN202311326715.1

    申请日:2023-10-13

    Abstract: 本发明公开了一种基于神经网络的光伏发电功率预测方法,首先收集光伏发电站的各种数据;对所收集的数据进行清洗和转换预处理,并将处理后的数据划分为训练集、验证集和测试集;在原SMOTE算法的基础上引入距离阈值和密度阈值,对原SMOTE算法进行改进,然后利用改进后的SMOTE算法对所收集的数据进行样本扩充;通过融合蚁群优化算法和小生境算法对极限学习机模型进行优化,构建用于发电功率预测的极限学习机分类器;利用所构建的极限学习机分类器和数据集样本对实际光伏发电功率进行预测,分类结果为所预测发电功率的若干个区间。上述方法利用蚁群优化算法和小生境算法优化极限学习机分类器,可以有效地提高发电功率的预测精度。

Patent Agency Ranking