[发明专利]储能电池容量预测方法、服务端及计算机可读存储介质

权利要求书

1.一种储能电池容量预测方法，其特征在于：包括以下步骤：

获取电池数据，对所述电池数据进行预处理；在所述电池数据中选取电池容量退化特征量，作为Elman神经网络的输入，选取电池容量作为Elman神经网络的输出；将所述电池数据分为训练集和测试集；

初始化：初始化布谷鸟搜索算法参数并生成初始化种群中的N个初始解；所述种群中每个个体包含Elman神经网络的全部权值及阈值信息；计算所述初始解的适应值；

获取最优解：根据步长公式以及巢穴位置公式产生新解，比较所述初始解与所述新解的适应值，迭代获取所述最优解；

将所述最优解的权值及阈值信息赋予所述Elman神经网络的参数空间，进行参数微调训练；将所述测试集输入至训练后的Elman神经网络中，输出电池容量的预测结果；

获取所述电池容量退化特征量方法具体为：

分析电池外部参数特征，获取电池差分电压曲线，将所述电池差分电压曲线去除测量噪声并将曲线拐点作为所述电池容量退化特征量；

所述电池差分电压曲线的计算公式为：

式中，I为恒流充电或放电电流；V为恒流充电或放电电压；T为恒流充电或放电时间。

2.根据权利要求1所述的储能电池容量预测方法，其特征在于：去除所述差分电压曲线测量噪声的方法具体为：

采用高斯滤波法对所述差分电压曲线进行滤波；所述高斯滤波法的计算公式如下：

式中，x为输入信号；μ为平均值；σ为控制窗口大小的标准差。

3.根据权利要求1所述的储能电池容量预测方法，其特征在于：初始化步骤中生成所述初始解的方法为：采用混沌映射生成所述初始解。

4.根据权利要求3所述的储能电池容量预测方法，其特征在于：所述混沌映射的计算方法具体为：

将生成的随机数组带入到如下公式，限制其范围，形成所述初始化种群：

式中，max_i、min_i分别表示解的第i个分量的上、下限；y_i(j)是利用混沌映射产生的第j个随机数组的第i维量，x_ij为第j个解的第i个分量。

5.根据权利要求1所述的储能电池容量预测方法，其特征在于：初始化步骤中所述布谷鸟搜索算法为改进的布谷鸟搜索算法；改进的布谷鸟搜索算法具体为：

式中，为第t次的第i个解；为第t次的第i个解的适应度值，为第t次最优的适应度值，为第t+1次的第i个巢穴的搜索步长，o为理论最优解。

6.根据权利要求1所述的储能电池容量预测方法，其特征在于：获取最优解步骤中的方法具体为：

根据步长公式以及巢穴位置公式产生新解，计算所述新解的适应值；从N个所述初始解中随机选择一个候选解；

判断所述新解的适应度值大于所述候选解的适应值时，将所述新解替换候选解；否则，将劣解以发现概率Pa丢弃并产生新解，将较优解保留到下一代，同时找到并保存种群中的最优解；

判断当前迭代次数达到最大迭代次数M时输出最优解，否则重复所述获取最优解步骤。

7.根据权利要求1所述的储能电池容量预测方法，其特征在于：输出电池容量的预测结果后还包括以下步骤：

从所述测试集中获取实际结果；

根据所述预测结果以及实际结果，获取误差数据；

对所述误差数据进行分析，验证算法的准确性。

8.一种服务端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1-7任意一项所述储能电池容量预测方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述储能电池容量预测方法的步骤。