[发明专利]基于POA-SVR的海岛环境下储能电池状态监测方法

权利要求书

1.一种基于POA-SVR的海岛环境下储能电池状态监测方法，包括如下步骤：

(1)从海岛储能设备数据集中提取电池循环数据作为健康因子，对健康因子进行归一化预处理；

(2)构建基于POA-SVR的算法模型；

(3)利用健康因子以及对应的SOH标签对上述算法模型进行训练，得到电池健康状态的预测模型H1；

(4)利用健康因子中的电流电压数据以及对应的SOC标签对上述算法模型进行训练，得到电池荷电状态的预测模型H2；

(5)实时监测海岛环境下储能电池的健康因子，将相应的数据输入至预测模型H1和H2中，即可得到关于储能电池健康状态和荷电状态的预测结果。

2.根据权利要求1所述的海岛环境下储能电池状态监测方法，其特征在于：所述步骤(1)中提取的健康因子包含了从电压、电流、温度、充放电时间四个角度反应储能电池健康状态的11组特征，分别为：充电最高温度、放电最高温度，充电温度平均值，放电温度平均值、等流降充电时间间隔、恒流放电时间间隔、等压升时间间隔、等压降时间间隔、等压升阶段电压对时间积分量、等压降阶段电压对时间积分量、等流降阶段电流对时间积分量。

3.根据权利要求1所述的海岛环境下储能电池状态监测方法，其特征在于：所述步骤(2)的具体实现方式为：首先建立SVR模型，其非线性映射函数定义为：

其中：x为输入向量，y为输出向量，w为权重向量，b为偏差值，为非线性变换函数，x_i为用于模型训练的第i组输入样本，a_i和a_i'为x_i对应的拉格朗日乘数，K(x_i,x)为关于x_i与x的核函数，i为自然数且1≤i≤n，n为样本数量；

然后利用POA算法进行寻优，为SVR模型中所涉及的惩罚系数和核函数半径寻找最优解。

4.根据权利要求3所述的海岛环境下储能电池状态监测方法，其特征在于：所述核函数K(x_i,x)的表达式如下：

其中：g为核函数半径，exp()表示以自然常数e为底的指数函数。

5.根据权利要求3所述的海岛环境下储能电池状态监测方法，其特征在于：所述拉格朗日乘数a_i和a_i'的求解表达式如下：

其中：y_i为输入样本x_i对应的标签，c为惩罚系数，ε为常数，j为自然数且1≤j≤n。

6.根据权利要求3所述的海岛环境下储能电池状态监测方法，其特征在于：所述POA算法进行寻优的具体过程如下：

2.1根据超参数的上下界随机初始化一定规模数量的种群，种群中每一成员即对应一组关于惩罚系数和核函数半径的候选解；

2.2通过在搜索空间中进行探索并随机产生猎物位置p，从而对种群进行第一次更新；

2.3通过检测鹈鹕位置邻域内的点并将其收敛至狩猎区域中更优点，从而对种群进行第二次更新；

2.4以上述两次更新过程作为一轮迭代，通过反复多轮迭代，最终从种群中输出最优的候选解。