锂离子电池健康状态预测方法、系统、设备及存储介质

    公开(公告)号:CN118837755A

    公开(公告)日:2024-10-25

    申请号:CN202411321451.5

    申请日:2024-09-23

    摘要: 本发明公开了一种锂离子电池健康状态预测方法、系统、设备及存储介质。现有的多种电池健康状态预测方法有着各自的缺陷。本发明采用的方法,包括:获取锂离子电池充放电循环过程中平均电压、平均电流、平均温度、采集时间以及电池健康状态的时序数据,并按照电池健康状态作为目标值和其余数据作为属性值的标准进行分类;建立LSTM模型,设定LSTM模型的超参数;采用基于Choquet积分的数据集维度调整法对训练数据集进行非加性维度调整;用所述调整后的训练数据集进行LSTM模型的预训练和再训练,得到再训练LSTM模型;用再训练LSTM模型对下一时刻电池健康状态数据进行预测。本发明在尽可能保证模型预测精度的前提下降低数据集的维度,大幅降低了计算的复杂度。

    一种基于强化学习的分布式光伏并网电压二次控制方法

    公开(公告)号:CN118801400A

    公开(公告)日:2024-10-18

    申请号:CN202410769277.4

    申请日:2024-06-14

    IPC分类号: H02J3/16 H02J3/38 G06N3/092

    摘要: 本发明属于新能源电网无功化优化领域,特别是一种基于强化学习的分布式光伏并网电压二次控制方法。现有分布式光伏并网后会发生电压越界造成电压波动大,为此本发明提供了一种基于强化学习的分布式光伏并网电压二次控制方法稳定电压,包括依序进行的以下步骤:先建立分布式光伏并网模型,其包括以调整分布式光伏系统的无功功率进行电压控制的一次电压控制模型和使用一次模型引起的电压偏差作输入的二次电压控制模型;在二次模型中,用Q学习训练减小电压偏差,通过训练Q表找出减小电压偏差的优化调整策略;建立基于Q学习的配电网电压控制方式。本发明用通过电压控制模型结合Q学习修正无功功率计划值,为一级电压控制提供无功参考值稳定电压。