[发明专利]基于多元线性回归的锂电池储能电站剩余寿命预测方法

权利要求书

1.一种基于多元线性回归的锂电池储能电站剩余寿命预测方法，其特征在于，包括以下步骤：

步骤1，数据采集：采集锂电池储能电站运行数据作为数据集；

步骤2，数据清洗：对采集的特征数据进行整理和清洗，去除无效、异常的数据点，保留有效的数据点，得到清洗后的数据集；

步骤3，特征参数选取：根据原始数据构造特征参数,特征参数包括日充电量、充电时长、充电电流、SOC极差、电压极差、平均电压、平均温度、当天累计充电次数，并分析日充电量与特征参数的线性相关性；

步骤4，模型选择：选择多元线性回归模型，将日充电量作为因变量，步骤3中特征参数作为自变量；

Y_i＝β₀+β₁X_1i+β₂X_2i+…+β_kX_ki；

其中，β₀为常数项，Y_i为因变量，X_1i，X_2i…X_ki为自变量，k为因变量的个数，i＝1，2，…，n，n为数据组数；

步骤5，模型训练及评价：根据清洗后的数据集，采用5-折交叉验证方法来对多元线性回归模型进行训练和打分，得到训练好的多元线性回归模型，模型评价标准采用决定系数R²，同时做出ROC曲线，直观观察预测值与实际值差异；

训练好的多元线性回归模型：

Y＝164.9059+0.0017*X₁-0.4058*X₂+0.0763*X₃-8.2146*X₄-38.0669*X₅+

0.0068*X₆-0.0041*X₇；

其中,Y表示日充电量，X₁表示充电时长，X₂表示充电倍率，X₃表示SOC极差，X₄表示电压极差，X₅表示平均电压，X₆表示平均温度，X₇表示累计充电次数；

其中，y为待拟合数值，其均值为拟合值为

步骤6，模型输出：根据步骤5中得到的多元线性回归模型，将多元线性回归模型保存待用；

步骤7，剩余寿命的预测：根据训练得到的多元线性回归模型，对储能电站锂电池的剩余循环寿命进行预测：

步骤71，将相同条件下的日充电量、充电时长、充电电流、SOC极差、电压极差、平均电压、平均温度、当天累计充电次数作为自变量；

步骤72，累计充放电次数+1；

步骤73，将自变量作为输入代入训练得到的多元线性回归模型，由训练得到的多元线性回归模型计算出锂电池的日充电电量；

步骤74，当锂电池的日充电电量额定容量*80％时，输出累计充电次数；否则返回步骤72；

步骤75，剩余充电次数预测值＝步骤74输出的累计充电次数–步骤71的累计充电次数。

2.根据权利要求1所述基于多元线性回归的锂电池储能电站剩余寿命预测方法，其特征在于：

5-折交叉验证方法如下：

步骤S1，将从储能电站中取出的每天的特征参数集分成5个不相交的子集，S中的训练样例个数为m，那么每一个子集有m/5个训练样例，相应的子集称作{s1,s2,…,s5}；

步骤S2，每次从分好的子集中，拿出一个作为测试集，其它4个作为训练集；

步骤S3，根据训练集训练出多元线性回归模型；

步骤S4，将测试集代入多元线性回归模型中，计算决定系数R²值；

步骤S5，计算5次求得的决定系数的平均值，作为该多元线性回归模型的准确率。

3.根据权利要求1所述基于多元线性回归的锂电池储能电站剩余寿命预测方法，其特征在于：所述储能电站运行数据指充电过程中数据或放电过程中的数据。