[发明专利]一种面向铅酸蓄电池剩余容量预测的LIBSVM建模方法

摘要

本发明涉及一种面向铅酸蓄电池剩余容量预测的LIBSVM建模方法。铅酸蓄电池的内阻会随其运行时间增加而增大，从而使其容量下降并而导致循环使用寿命减小。因此，对其使用寿命的准确评估将有助于提高变电站直流电源系统的持续供电能力和运行可靠性。由此，本发明在研究支持向量机的基本原理基础上，进一步研究了利用LIBSVM支持向量机基于蓄电池健康状态、端电压和电池剩余容量的样本测量数据，建立反映电池剩余容量与健康状态、端电压两个状态变量的非线性映射建模方法。建模试验结果表明了该方法的可行性和预测的准确性。

主权项

1.一种面向铅酸蓄电池剩余容量预测的LIBSVM建模方法，其特征在于，包括：步骤1、对建模的各状态变量的样本测量数据采用式一进行归一化处理，将数据缩放到[0,1]之间；式中，xik*表示状态量k第i个测量样本数据的归一化值；xik表示状态量k第i个样本数据值；xk_min表示状态量k测量值范围的最小取值；xk_min表示状态量k测量值范围的最大取值；步骤2、选择LIBSVM工具箱的支持向量机函数(SVM函数)类型为适用于非线性回归分析的e‑SVR函数，选择可将非线性样本数据从低维空间映射到高维特征空间的RBF函数作为核函数；其中，径向基核函数为RBF核函数，其具体表达式形式为：式中，表示蓄电池端电压和健康状态两个状态变量归一化值间的平方欧几里得距离；σ是LIBSVM支持向量机工具箱的径向基核函数内部默认参数；步骤3、将已知的部分蓄电池端电压、健康状态和剩余容量的测量数据x_ik^*作为训练样本，以利用端电压、健康状态训练样本数据预测的剩余容量与剩余容量训练样本数据的均方误差做为性能评价指标，通过设置LIBSVM的错误惩罚因子参数C和RBF核函数gama参数g，基于均方差误差最小原则和训练样本数据，建立蓄电池剩余容量的回归预测模型；其中，评估蓄电池循环使用寿命剩余容量的回归预测模型为：其中，i表示各状态量的样本数量；x_i1^*表示蓄电池端电压状态变量的归一化值；x_i2^*表示蓄电池健康状态变量的归一化值；表示蓄电池的剩余容量的归一化预测值；a_i为拉格朗日乘子，K(x_i1,x_i2)为径向基核函数，b为建模常数项参数，参数a_i和b可由LIBSVM支持向量机工具箱通过对样本数据的回归分析进行确定；步骤4、采用Grid‑Search法确定LIBSVM的错误惩罚因子参数C和RBF核函数gama参数g在设定取值范围内的参数组组合(C,g)，以已知的蓄电池端电压、健康状态和剩余容量的剩余部分量测数据作为测试样本数据，利用已建立回归预测模型，以使基于预测模型预测的剩余容量和已知测试样本数据的剩余容量均方差最小为目标，确定最佳的参数组(C,g)，将得到的最佳参数(C,g)代入LIBSVM，进而确定面向铅酸蓄电池剩余容量预测回归分析模型；步骤5、基于所建立回归预测模型预测的剩余容量需要采用式四进行反归一化处理；式中，yi表示蓄电池剩余容量的预测值；ymin表示蓄电池剩余容量的最小取值；ymax表示蓄电池剩余容量的最大取值。