[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

说明书

本申请提供储能电池容量预测方法、服务端及计算机可读存储介质，其中储能电池容量预测方法包括以下步骤：获取电池数据，对电池数据进行预处理；在电池数据中选取电池容量退化特征量以及电池容量；初始化布谷鸟搜索算法参数并生成初始解，计算初始解的适应值；根据步长公式以及巢穴位置公式产生新解，比较初始解与新解的适应值，迭代获取最优解；将最优解的权值及阈值信息赋予Elman神经网络的参数空间，进行参数微调训练；将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。通过上述方法，可提高电池剩余容量的预测速度以及预测精度。

技术领域

本公开一般涉及电池储能技术领域，具体涉及储能电池容量预测方法、服务端及计算机可读存储介质。

背景技术

储能电池广泛应用于新能源汽车、电站储能等领域，其可靠性和使用寿命是人们关注的焦点。精准预测储能电池的剩余电池容量对于保证电池的健康使用、延长电池的使用寿命有重要意义和价值，储能电池的剩余电池容量预测的方法研究已得到广泛关注和重视。

目前对于电池剩余容量的预测方法主要是模型法和数据驱动法，模型法由于其无法同时考虑环境和负载特性对电池容量退化的影响，因此往往无法实现精准建模；数据驱动法存在初始参数不易确定，预测速度较慢等缺陷；

针对以上问题，如何提高电池剩余容量的预测速度、预测精度，是一个需要解决的技术问题。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供可提高储能电池剩余容量的预测速度、预测精度的一种储能电池容量预测方法、服务端及计算机可读存储介质。

第一方面本申请提供一种储能电池容量预测方法，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。

根据本申请实施例提供的技术方案，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。

根据本申请实施例提供的技术方案，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。

根据本申请实施例提供的技术方案，所述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。

根据本申请实施例提供的技术方案，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：