[发明专利]一种配电网终端蓄电池储能容量预测方法

权利要求书

1.一种配电网终端蓄电池储能容量预测方法，其特征在于：包括以下步骤：

S1、数据采集与处理：以月为单位采集蓄电池的储能容量C、电池内阻R、运行温度T、浮充电压V_f、均充时长J、放电次数N、空气湿度M，多次采集取均值作为样本输入X和样本输出Y；获取样本集之后，将其分为训练样本X、训练样本Y和测试样本X′、测试样本Y′；

S2、根据所述训练样本X建立灰色微分方程，构建所述灰色微分方程的灰色预测模型，计算灰色预测值

S3、将所述S2中得到的灰色预测值与所述训练样本Y作为输入和输出训练RBF神经网络，得到误差补偿器；

S4、利用所述灰色预测模型计算测试样本X′、Y′，将得到的灰色预测值作为误差补偿器的输入，所述误差补偿器的输出即为蓄电池储能容量预测值；

S5、利用模型检验方法对灰色预测模型进行精度评估，满足精度要求即可使用，不满足要求对所述灰色预测模型进行修正。

2.根据权利要求1所述的一种配电网终端蓄电池储能容量预测方法，其特征在于：所述S1中，考虑到蓄电池储能容量以及电池内阻变化较小，以月为单位采集24个月蓄电池运行数据作为样本数据集；其中，储能容量C通过核容试验获得，电池内阻R、运行温度T、浮充电压V_f、均充时长_J、放电次数N、空气湿度M数据通过监测设备采集，每一月的数据进行多次采集，取平均值放入样本集，其格式如下：

获取样本集之后，将所述样本集分为所述训练样本X、训练样本Y和测试样本X′、测试样本Y′。

3.根据权利要求1所述的一种配电网终端蓄电池储能容量预测方法，其特征在于：所述S2中，所述灰色预测模型将所述训练样本X原始数据经过累加后削弱数据的无规律性，建立微分方程进行数据拟合和预测，其构建过程如下：

S201、构建邻均值等权生成序列

设所述训练样本X原始数据为X⁽⁰⁾，将原始数据序列X⁽⁰⁾经过一次累加，生成X⁽¹⁾，即

计算邻均值等权生成序列Z⁽¹⁾(k)，其计算公式如下：

S202、构建所述灰色微分方程

其中，a为发展系数，b为灰作用量；

令：

得利用最小二乘估计法求得

S203、解所述灰色微分方程，计算灰色预测序列

求得之后，所述式(4)变为n阶常微分方程；由于所述式(4)未知其阶数n，所以无法直接求得其解，本发明利用Runge-Kutta来求其数值解；

假设所述式(4)中阶数n为二阶，利用代数代换对所述式(7)进行降阶：

则式(7)化为：

对上式采用Runge-Kutta递推式进行改写：

通过所述式(10)解得灰色微分方程的解为

将求得解序列累减还原预测值为：

4.根据权利要求1所述的一种配电网终端蓄电池储能容量预测方法，其特征在于：所述S3中，将所述S2中得到的灰色预测值与训练样本Y作为输入和输出训练RBF神经网络，得到误差补偿器，训练过程如下：

S301、初始化参数，包括基函数中心c、宽度σ、权值w；

S302、利用径向基函数计算隐含层和输出层参数，计算损失函数E；

S303、判断损失大小，在接受范围内，停止训练，不在范围内，利用梯度更新法更新中心、宽度、权重，梯度更新公式如下式所示：

其中，η为学习因子，E为损失函数。

S304、训练完成，得到所述误差补偿器。

5.根据权利要求1所述的一种配电网终端蓄电池储能容量预测方法，其特征在于：所述S5中，所述精度评估计算公式如下：

其中，RMSE为均方根误差、MAE为平均绝对误差，用于评估预测模型的精度。