[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

说明书

本发明公开了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。该方法包括以下步骤：1)锂电池储能电站运行数据提取；2)数据清洗；3)特征参数选取；4)模型选取；5)模型训练及评价；6)模型输出；7)通过模型预测电池的剩余寿命。本发明采用电站的实际运行数据，并结合回归模型，提高了寿命预测的准确性。

技术领域

本发明涉及一种锂离子电池储能电站寿命预测方法，尤其是涉及多元线性回归的电池寿命预测方法。

背景技术

随着电力体制改革的进一步推进，推动市场化机制和价格机制的储能政策将为储能应用带来新一轮的高速发展，市场需求也将趋于刚性，在此背景下，电化学储能的规模将实现两连跳，2022年或突破10GW，2023年将接近20GW。随着电化学储能电站数量的增加，电化学电站的远程运维管理变得十分重要，电化学储能电站寿命对电站的运维和经济效益都有重要作用，而目前如何通过评估电池的生命周期，对电池的失效实现预判和预处理，一直是远程运维工作难点。若能够通过远程收集的电化学储能电站中电池运行数据进行统计分析，建立电池的寿命预估模型，建立一套寿命预测方法提前预知其寿命，指导电站的运维工作，对于保障电站正常工作，提高经济效益和电站的安全可靠性具有十分重要的意义。

而目前对于电池的寿命预测主要基于电池的测试数据进行预测，这种预测方法没有考虑实际工况，预测结果跟实际运行数据有较大的差异。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供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。通过采集锂电池储能电站的实际运行数据，结合多元线性回归方法，预测锂电池储能电站的剩余寿命，极大的提高了预测的准确性。

技术方案：为实现上述目的，本发明采用的技术方案为：

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，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