[发明专利]一种储能电池健康状态辨识方法

权利要求书

1.一种储能电池健康状态辨识方法，其特征在于，包括下述步骤：

步骤1：获取与待测储能电池同型号储能电池充放电测试过程端电压数据样本，利用测量设备采集m个健康或故障2种情况的同型号储能电池在一次充放电测试过程中的端电压信号U⁽ⁱ⁾，i＝1,2,…,m，并标注每个信号的健康情况组成含有类别的样本数据集合A，

A＝{(U⁽ⁱ⁾C⁽ⁱ⁾),i＝1,2,...,m,C＝+1或-1}；其中，C⁽ⁱ⁾表示第i个测量的储能电池所属类型C，C＝+1表示健康，C＝-1表示故障；

步骤2：提取采集端电压样本的关键特征形成特征向量，对样本集合A中每个样本型号进行分析，利用统计、时域、频域、时频分析方法中的一个或多个的组合定义能够反映健康或故障下所有样本之间差异的n个关键特征，定义n个关键特征的计算方式，形成特征向量表示，组成含有类别的样本特征集合B，

B＝{(X⁽ⁱ⁾C⁽ⁱ⁾),i＝1,2,...,m,C＝+1或-1}，其中和C⁽ⁱ⁾,i＝1,2,…,m，分别表示第i个样本的特征向量和类别；

步骤3：建立若干个差异化的、以诊断概率向量形式输出的支持向量机模型；

步骤3.1：设置将生成以诊断概率向量形式输出的支持向量机数量V以及模型参数范围；

步骤3.2：在支持向量模型参数范围内随机产生第v个支持向量的参数值(W_v,b_v,α_v,β_v)，生成第v个支持向量模型SVM_v，v＝1,2,…,V；

步骤3.3：判断v是否大于等于支持向量机数量V，若是，则进入步骤4；若否，则v＝v+1返回步骤3.2继续计算；

步骤4：利用遗传算法筛选优化若干个支持向量机的最佳D-S证据融合方案；

步骤5：利用测量设备采集待辨识储能电池在一次充放电测试过程中的端电压信号，利用步骤2中设计的关键特征计算方式，形成用于诊断的特征向量，然后将特征向量输入步骤4优化筛选后的支持向量机模型，获得多个诊断概率向量，进行步骤4中的D-S证据融合诊断过程，返回融合诊断所得概率向量中最大值所代表的“健康”或“故障”类型为该储能电池的评估结果，完成诊断测试。