[发明专利]一种基于演化随机森林的电池SOC预测方法

权利要求书

1.一种基于演化随机森林的电池SOC预测方法，其特征在于，包括以下步骤:

步骤1，采集电池SOC数据集，并对电池SOC数据集进行预处理；

步骤2，将预处理后的电池SOC数据集划分为训练数据集和测试数据集；

步骤3，用户输入随机森林的优化设计参数个数Dim，种群大小NP，列表容量MS，以及最大迭代次数GMAX；

步骤4，设置杂交率记忆列表MCR中有MS个元素，且每个元素的值都为0.5；设置步长因子记忆列表MF中有MS个元素，且每个元素的值都为0.5；

步骤5，设置个体档案Arc为空；

步骤6，设置迭代次数G＝0，记忆位置up＝1；

步骤7，随机生成种群FST＝{X₁,X₂,...,X_bi,...,X_NP}，其中个体下标bi＝1,2,...,NP；X_bi＝[X_bi,1,X_bi,2,...,X_bi,dj,...,X_bi,Dim]是种群中的第bi个个体，并且种群中的每个个体都存储了随机森林的Dim个优化设计参数，X_bi,dj表示种群中的第bi个个体所存储的随机森林的第dj个优化设计参数，其中维度下标dj＝1,2,...,Dim；

步骤8，计算种群中每个个体的适应值；对于种群中的第bi个个体X_bi，其适应值的计算过程如下：首先，从个体X_bi中取出其存储的随机森林的Dim个优化设计参数；其次，利用取出的随机森林的Dim个优化设计参数在训练数据集上构造出预测电池SOC的随机森林FModel；再次，计算随机森林FModel在测试数据集上的均方误差XFits_bi，然后将个体X_bi的适应值设置为XFits_bi；

步骤9，将种群中适应值最小的个体记为最优个体Xbest；设置成功杂交率SUCR_bi＝0，成功步长因子SUF_bi＝0；

步骤10，设置杂交率集合SCR为空，步长因子集合SF为空，权重集合WI为空；

步骤11，从[1,MS]范围内中随机生成一个整数rz，然后根据公式(1)计算杂交率CR_bi和步长因子F_bi：

其中，NormRand表示生成服从高斯分布的随机实数产生函数；CauchyRand表示生成服从柯西分布的随机实数产生函数；MCR_rz表示杂交率记忆列表MCR中第rz个元素的值；MF_rz表示步长因子记忆列表MF中第rz个元素的值；

步骤12，根据公式(2)计算优秀个体控制因子BRP_bi：

其中，rand是服从均匀分布的随机实数产生函数；

步骤13，设置优秀个体数量PNP_bi＝BRP_bi×NP，然后根据公式(3)执行变异操作生成变异个体V_bi；

V_bi＝X_bi+F_bi×(X_pbest-X_bi)+F_bi×(X_rf-X_rs) (3)

其中，X_pbest是从种群的前PNP_bi个优秀个体中随机选择出来的一个个体；X_rf是从种群中随机选择出来的一个不等于个体X_bi的个体；X_rs是从种群FST与个体档案Arc的并集中随机挑选出来的一个个体，并且要求个体X_rs不能等于个体X_rf，并且个体X_rs也不能等于个体X_bi；

步骤14，根据公式(4)执行杂交操作生成杂交个体U_bi：

其中，DCR是[0,1]之间的一个随机实数；jrand是[1,Dim]之间的一个随机整数；U_bi,dj表示杂交个体U_bi所存储的随机森林的第dj个优化设计参数；V_bi,dj表示变异个体V_bi所存储的随机森林的第dj个优化设计参数；X_bi,dj表示个体X_bi所存储的随机森林的第dj个优化设计参数；

步骤15，计算杂交个体U_bi的适应值UFits_bi；

步骤16，设置成功杂交率SUCR_bi＝0，成功步长因子SUF_bi＝0；

步骤17，判断杂交个体U_bi的适应值UFits_bi是否小于个体X_bi的适应值XFits_bi，如果是则转到步骤18，否则转到步骤23：

步骤18，将个体X_bi加入到个体档案Arc中；

步骤19，设置成功杂交率SUCR_bi＝CR_bi，成功步长因子SUF_bi＝F_bi；

步骤20，将杂交率CR_bi加入到杂交率集合SCR中；并将步长因子F_bi加入到步长因子集合SF中；

步骤21，根据公式(5)计算权重DW，然后将计算得到的权重DW加入到权重集合WI中：

其中，BestFit是最优个体Xbest的适应值；

步骤22，用杂交个体U_bi替换种群中的个体X_bi；

步骤23，如果杂交个体U_bi优于Xbest，则用杂交个体U_bi替换Xbest，否则保持Xbest不变；

步骤24，如果个体档案Arc中个体的数量大于NP，则连续随机移除个体档案Arc中的个体直至个体档案Arc中个体的数量等于NP，否则保持个体档案Arc不变；

步骤25，如果杂交率集合SCR和步长因子集合SF都为空，则转到步骤30，否则转到步骤26；

步骤26，根据公式(6)计算存档杂交率CDR：

其中，SCN表示杂交率集合SCR中的元素个数；pt表示集合下标；SCR_pt表示杂交率集合SCR中的第pt个元素的值；EF_pt表示第pt个改进幅度，并且按公式(7)计算EF_pt的值：

其中，IN表示权重集合WI中的元素个数；WI_pt表示权重集合WI中的第pt个元素的值；mt为累加下标；WI_mt表示权重集合WI中的第mt个元素的值；

步骤27，根据公式(8)计算存档步长因子CDF：

其中，SFN表示步长因子集合SF中的元素个数；SF_pt表示步长因子集合SF中的第pt个元素的值；

步骤28，设置杂交率记忆列表MCR中的第up个元素的值为CDR，然后设置步长因子记忆列表MF中的第up个元素的值为CDF；

步骤29，设置记忆位置up＝up+1，然后判断up是否大于列表容量MS，如果是则设置up＝1，否则保持up不变；

步骤30，设置迭代次数G＝G+1；

步骤31，如果迭代次数G小于GMAX，则转到步骤10，否则转到步骤32；

步骤32，从最优个体Xbest中取出其存储的随机森林的Dim个优化设计参数，然后利用取出的随机森林的Dim个优化设计参数在训练数据集上构造出预测电池SOC的随机森林，即实现电池的SOC的预测。