[发明专利]一种基于随机森林模型预测锂电池剩余循环寿命的方法

权利要求书

1.一种基于随机森林模型预测锂电池剩余循环寿命的方法，其特征在于，包括以下步骤：

步骤1，数据采集：采集储能电站运行过程中锂电池的实际运行数据作为数据集；

步骤2，数据清洗：对采集上来的数据集的数据进行整理和清洗，去除无效、异常的数据点，保留有效的数据点，得到清洗后的数据集；

步骤3，特征选择：根据清洗后的数据集构造特征数据，并分析特征数据间的相关性选取特征数据，特征数据包括充电电量、充电时长、充电倍率、SOC极差、电压极差、平均电压、平均温度、累计充电次数；

步骤4，模型选择：选择随机森林回归大数据模型，选取锂电池充电电量作为模型输出，锂电池充电时长、充电倍率、SOC极差、电压极差、平均电压、平均温度、累计充电次数作为模型输入；

步骤5，模型训练及评价：根据清洗后的数据集的大小，采用5-折交叉验证方法来对模型进行训练和打分，模型评价标准采用决定系数R²，同时做出ROC曲线，直观观察预测值与实际值差异；

决定系数：

其中，为待拟合数值，其均值为，拟合值为，n为数据集大小；

步骤6，模型输出：根据步骤5中得到的随机森林回归大数据模型，将随机森林回归大数据模型保存待用；

步骤7，剩余寿命预测：根据训练得到的随机森林回归大数据模型，对储能电站锂电池的剩余循环寿命进行预测；

步骤71，将相同条件下的锂电池充电时长、充电倍率、SOC极差、电压极差、平均电压、平均温度、累计充电次数作为随机森林回归大数据模型的自变量；

步骤72，累计充电次数+1；

步骤73，将自变量作为输入代入训练得到的随机森林回归大数据模型，计算出锂电池的日充电电量；

步骤74，当锂电池的日充电电量 额定容量*80%时，输出累计充电次数；否则返回步骤72；

步骤75，剩余充电次数预测值 = 步骤74输出的累计充电次数 – 步骤71的累计充电次数。

2.根据权利要求1所述基于随机森林模型预测锂电池剩余循环寿命的方法，其特征在于：5-折交叉验证方法如下：

步骤51、将全部训练集S分成5个不相交的子集，训练集S中的训练样例个数为 m，那么每一个子集有 m/5 个训练样例，相应的子集称作 {s1,s2,…,s5}；

步骤52、每次从分好的子集中拿出一个作为测试集，其它4个作为训练集；

步骤53、训练随机森林回归大数据模型；

步骤54、将测试集代入训练好的随机森林回归大数据模型中，计算决定系数R²值；

步骤55、计算5次求得的决定系数的平均值，作为该随机森林回归大数据模型的准确率。

3.根据权利要求2所述基于随机森林模型预测锂电池剩余循环寿命的方法，其特征在于：锂电池以单簇电池为基本单元。

4.根据权利要求3所述基于随机森林模型预测锂电池剩余循环寿命的方法，其特征在于：采集单簇电池的电池簇SOC、电池簇SOH、电池簇最低温度、电池簇最高温度、电池簇平均温度、电池簇最低电压、电池簇最高电压、电池簇平均电压、电池簇总电压、电池簇日充电电量、电池簇日放电电量、电池簇最大允许充电电流、电池簇最大允许放电电流、电池簇状态、电池簇电流、电池簇累计充电次数。

5.根据权利要求4所述基于随机森林模型预测锂电池剩余循环寿命的方法，其特征在于：数据采集时间间隔为5min。