[发明专利]基于时间序列分析原理的卫星锂电池电压预测方法

权利要求书

1.一种基于时间序列分析原理的卫星锂电池电压预测方法，其特征在于：采集卫星锂电池在轨工作时全寿命周期的电压遥测数据，预处理，并根据时间序列分析原理重新构建为两组不同长度的电压序列集后，训练优化循环神经网络；利用得到的优化循环神经网络实现精确地在线预测卫星锂电池的电压变化趋势，为卫星锂电池的故障诊断提供量化依据；包括以下步骤：

步骤1、采集卫星锂电池在轨工作时全寿命周期的电压遥测数据，转入步骤2；

步骤2、对采集的卫星锂电池遥测数据进行预处理，得到预处理后的数据，即采样数据向量V，转入步骤3；

步骤3、根据时间序列分析原理，将采样数据向量V重新构建成两组不同长度的电压序列集，一组作为循环神经网络的输入集，另一组作为循环神经网络的输出集，转入步骤4；

步骤4、根据电压序列集的序列长度，确定循环神经网络的结构并构建循环神经网络，转入步骤5；

步骤5、训练构建完成的循环神经网络，并利用学习率衰减算法优化循环神经网络训练过程中的学习率，将训练完成得到的优化循环神经网络设置为卫星锂电池电压预测模型，转入步骤6；

步骤6、利用得到的卫星锂电池电压预测模型实现卫星锂电池电压的在线预测。

2.根据权利要求1所述的基于时间序列分析原理的卫星锂电池电压预测方法，其特征在于，步骤1中，采集卫星锂电池在轨工作时全寿命周期的电压遥测数据时，自卫星锂电池首次开始工作起，直至卫星锂电池因故障或失效而被从电池组中切除为止，按照设定的采样时间周期对卫星锂电池的电压数据进行采样。

3.根据权利要求2所述的基于时间序列分析原理的卫星锂电池电压预测方法，其特征在于，步骤2中，对采集到的卫星锂电池遥测数据进行预处理，所述的预处理包括删除异常数据、插补缺失数据和数据的归一化中的至少一种；预处理后的数据，记为采样数据向量V＝[v₁,v₂,…,v_t,…,v_n]；其中，v_t为t时刻的电压采样值，n为采样的电压值的个数。

4.根据权利要求3所述的基于时间序列分析原理的卫星锂电池电压预测方法，其特征在于，步骤3中，根据时间序列分析原理，将采样数据向量V重新构建为两组不同长度的电压序列集，一组作为循环神经网络的输入集，另一组作为循环神经网络的输出集，构建方式具体如下：

确定输入集的电压序列的长度为m，输出集的电压序列的长度为l，即利用采样数据向量V中的前m个时刻数据预测后l个时刻的数据；首先，从采样数据向量V中，提取向量V_in1＝[v₁,v₂,…,v_m-1,v_m]，V_in2＝[v₂,v₃,…,v_m,v_m+1]，……，V_in(n-l-m+1)＝[v_n-l-m+1,v_n-l-m+2,…,v_n-l-1,v_n-l]，作为循环神经网络的输入集，记为矩阵V_in；

其次，从采样数据向量V中，提取向量V_ou1＝[v_m+1,v_m+2,…,v_m+l-1,v_m+l]，V_ou2＝[v_m+2,v_m+3,…,v_m+l,v_m+l+1],，……，V_ou(n-l+1)＝[v_n-l+1,v_n-l+2,…,v_n--1,v_n]，作为循环神经网络的输出集，记为矩阵V_ou；

n为采样的电压值的个数。