[发明专利]一种基于优化多层残差BP深度网络的蓄电池寿命预测方法

说明书

一种基于优化多层残差BP深度网络的蓄电池寿命预测方法，包括如下步骤：S1、采集储能电站中处于工作状态的蓄电池实时数据，并构建指标体系；S2、根据所建指标体系将数据进行预处理，并对多层残差BP深度学习网络进行初始化；S3、由残差网络正向传播求解预测值；S4、代入成本函数，计算网络误差，并对误差情况进行判别，若不满足要求，则进行步骤S5，若满足要求，则进行步骤S6；S5、确定误差梯度并对权值学习进行调整，然后转到步骤S3；S6、完成网络学习，得到蓄电池寿命模型，转到步骤S7；S7、结束本次计算。本发明能高精度预测蓄电池的寿命，有助于指导储能电站充电站的调度方案，从而有效保证含储能系统的电动汽车充电站运行的合理性及经济性。

技术领域

本发明属于蓄电池寿命预测和储能电站管理领域，具体涉及一种基于优化多层残差BP深度网络的蓄电池寿命预测方法。

背景技术

蓄电池寿命预测在近年来被广泛研究。目前，蓄电池寿命预测主要有以下几种研究方法。以实验失效数据为基础预测对寿命进行预测；采用传统神经网络模型估算蓄电池剩余电量；采用灰色系统理论，实现小数据下电池剩余电量预测；采用RC模型预测蓄电池剩余电量。

近年来，使用蓄电池储能已经成为最广泛的储能方式之一，其在电动汽车、分布式储能与国防工业中都有着广泛的应用。随着蓄电池应用领域的扩大，蓄电池的性能和材质也在升级，蓄电池在储能领域扮演着重要的角色。而近年来正在兴起的电动汽车产业，对电动汽车充电站的建设具有较高的要求。仅靠电网单一供电无法满足充电峰值时刻所需负荷，因此利用蓄电池储能的特点，建立包含蓄电池及储能系统的电动汽车充电站是大势所趋。

蓄电池寿命预测不够准确会对储能电站带来如下弊端：

一、储能电站不能准确预知其蓄电池设备的健康程度及剩余使用期限，可能会造成蓄电池在某时刻意外停运而无法及时维修替换，造成设备损失。

二、蓄电池寿命预测不准确会造成充电站充电调度的不准确，既影响用户体验，也会造成充电站自身经济损失。

三、蓄电池预测不准确可能会引起更严重的后果，如可能造成电网超负荷运行引起范围停电；或导致充电供应不能满足需求，致使大量用户排队造成交通堵塞等。

因此，为避免上文简述以及更多因蓄电池寿命预测不准确而带来的负面影响，需要新的技术来提高蓄电池寿命预测的精确度。

发明内容

本发明针对现有技术中的不足，提供一种基于优化多层残差BP深度网络的蓄电池寿命预测方法，以提供更精确的蓄电池寿命预测。

为实现上述目的，本发明采用以下技术方案：

一种基于优化多层残差BP深度网络的蓄电池寿命预测方法，其特征在于，包括如下步骤：

S1：采集储能电站中处于工作状态的蓄电池实时数据作为样本数据，并构建指标体系；

S2：根据所建指标体系对样本数据进行预处理，并对多层残差BP深度学习网络进行初始化；

S3：将样本数据分为样本训练集和样本测试集，输入样本训练集，并由多层残差BP深度学习网络正向传播求解预测值；

S4：将所求的预测值数据集代入成本函数求解网络误差，成本函数为所有训练样本损失函数和的平均值，并对网络误差进行判别，若满足要求，则进行步骤S6，不满足要求则进行步骤S5；

S5、确定误差梯度并对权值学习进行调整，然后转到步骤S3；

S6、完成网络学习，得到蓄电池寿命模型，转到步骤S7；

S7、结束本次计算。

为优化上述技术方案，采取的具体措施还包括：

进一步地，步骤S1中，构建指标体系过程具体如下：