[发明专利]基于最小二乘支持向量机的微电网储能SOC估算方法和系统

权利要求书

1.一种基于最小二乘支持向量机的微电网储能SOC估算方法，其特征是，包括：

利用微电网储能实验平台获取储能系统在充放电过程中产生的实验数据；

基于获取的实验数据，得到最小二乘支持向量机训练模型的训练集样本和测试集样本；

基于所述训练集样本，获得最小二乘支持向量机的最优训练参数；

基于得到的最优参数，利用训练集样本对最小二乘支持向量机进行训练，得到最小二乘支持向量机的训练模型；

利用测试集样本对得到的训练模型进行测试，评价利用上述训练模型计算SOC是否有效；

若训练模型测试有效，则利用得到的最小二乘支持向量机训练模型对微电网中相应类型储能系统的SOC进行计算，以确定微电网储能SOC。

2.根据权利要求1所述的方法，其特征是，储能系统的充放电过程包括恒流充电状态过程、恒流放电状态过程和交替恒流充放电状态过程；充放电过程中产生的实验数据包括上述各过程中分别产生的电压、电流、温度及SOC数据。

3.根据权利要求1所述的方法，其特征是，获取储能系统在充放电过程中的实验数据，包括步骤：

将充满电的蓄电池静止第一设定时长后，使蓄电池工作在恒定电流放电运行状态，以采样周期t1，采样获得蓄电池在当前状态下的电压数据序列、电流数据序列、温度数据序列及SOC数据序列；

将蓄电池静止第二设定时长后，使蓄电池工作在恒定电流充电运行状态，以采样周期t2，采样获得蓄电池在当前状态下的电压数据序列、电流数据序列、温度数据序列及SOC数据序列；

将待蓄电池充满电后静止第三设定时长，使蓄电池工作在恒定电流交替充电、放电的运行状态，以采样周期为t3，获得蓄电池在当前状态下的电压数据序列、电流数据序列、温度数据序列及SOC数据序列。

4.根据权利要求2或3所述的方法，其特征是，所述训练集和测试集样本的数据集为：

$\stackrel{\‾}{D}=\{X\left(n\right),Y\left(n\right)\},n=1,2,...,M---1)$

其中，M为数据采样点数，

$\left\{\begin{array}{cc}X\left(n\right)=\[x_1\left(n\right),x_2\left(n\right),x_3\left(n\right)\],& n=1,2,\mathrm{...}M\\ Y\left(n\right)=\[y\left(n\right)\],& n=1,2,\mathrm{...}M\end{array}\right.---2)$

写成矩阵的形式即X为：

$X=\left[\begin{array}{ccc}{x}_1\left(1\right)& x_2\left(1\right)& x_3\left(1\right)\\ x_1\left(2\right)& x_2\left(2\right)& x_3\left(2\right)\\ \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}\\ x_1\left(M\right)& x_2\left(M\right)& x_3\left(M\right)\end{array}\right],Y=\left[\begin{array}{c}y\left(1\right)\\ y\left(2\right)\\ \begin{array}{c}.\\ .\\ .\end{array}\\ y\left(M\right)\end{array}\right]---3)$

式中，x₁(n)为电压序列，x₂(n)为电流序列，x₃(n)为温度序列；y(n)为SOC序列；

且存在映射函数：

Y(n)＝F(X(n))4)

满足蓄电池电压、电流、温度与对应的SOC数据之间的关系。