基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法
【專利摘要】一種基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，建立影響蓄電池剩余容量的影響因素的基本模型；對原始數(shù)據(jù)進行預處理；將預處理后的數(shù)據(jù)全部歸一化處理；選擇核函數(shù)建立最小二乘支持向量機數(shù)學模型；將歸一化后的數(shù)據(jù)輸入到最小二乘支持向量機數(shù)學模型中，采用部分數(shù)據(jù)作為訓練樣本，其余作為測試樣本，輸出得到數(shù)據(jù)序列預測結果，即估計的蓄電池剩余容量；設置核函數(shù)中參數(shù)；采用交叉檢驗的方式對模型中的參數(shù)進行參數(shù)尋優(yōu)；將得到的蓄電池剩余容量與實際的剩余電量比較，求出估計值與真實值之間的誤差；判斷估計誤差是否小于閾值，若估計誤差小于閾值輸出預測結果；否則重新進行參數(shù)尋優(yōu)。本發(fā)明具有硬件成本低，測試精度高的優(yōu)點。
【專利說明】基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法

【技術領域】
[0001]本發(fā)明涉及電力信息【技術領域】，具體地，涉及一種基于簡化的最小二乘支持向量機的鉛酸蓄電池剩余容量檢測方法。

【背景技術】
[0002]鉛酸蓄電池是一種結構簡單、使用方便、價格低廉的化學電源。其廣泛地應用于電力、通訊等各行各業(yè)之中。鉛酸蓄電池的穩(wěn)定、可靠工作對整個系統(tǒng)的運行至關重要。研究實驗表明，要保證系統(tǒng)的正常運行，延長蓄電池的使用壽命，就必須對蓄電池的剩余容量SOC(即荷電狀態(tài)State of Charge)進行檢測，從而方便工程師能夠了解蓄電池的工作狀態(tài)，以便及時采取控制策略。由于鉛酸蓄電池種類繁多，用途和外部環(huán)境相異，加上蓄電池剩余容量的影響因素眾多，因此其預測采用的方法也多種多樣。
[0003]現(xiàn)有的常見的蓄電池容量檢測方法有:安時放電法、內(nèi)阻法、開路電壓法、卡爾曼濾波器法和人工神經(jīng)網(wǎng)絡方法等等:
[0004]在目前的應用中，上述各種方法都或多或少的存在一些問題:安時放電法需要確定蓄電池的初始容量和充放電效率；內(nèi)阻法則需要價格昂貴的內(nèi)阻檢測儀，并且內(nèi)阻與SOC的線性性只在部分范圍內(nèi)成立；開路電壓法則要求蓄電池有較長的靜置時間，不能實現(xiàn)在線監(jiān)測；卡爾曼濾波器法算法復雜并且對系統(tǒng)的處理器要求較高；人工神經(jīng)網(wǎng)絡來需要大量的訓練樣本供其學習，學習的速度較慢，過程復雜，如果要完成在線分析，對硬件處理器的要求比較高。
[0005]為了解決上述問題，基于最小二乘支持向量法憑借著低廉的硬件成本，簡單的算法、能夠?qū)崿F(xiàn)在線監(jiān)測等突出優(yōu)點獲得了廣泛的關注。能夠較為精確的估算蓄電池的剩余容量。


【發(fā)明內(nèi)容】

[0006]為克服現(xiàn)有技術方法的缺陷，本發(fā)明的目的在于提供一種基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，LS-SVM(Least-Squares Support Vector Machine,簡化的最小二乘支持向量機)作為一種神經(jīng)網(wǎng)絡，描述輸入和輸出之間關系不需要精確的公式，是要合理的選取輸入和輸出之間的關系不需要精確的公式，只要合理的選取輸入和輸出參數(shù)，該關系就可以在網(wǎng)絡訓練中確定。同時，LS-SVM估計方法具有自適應特性。新數(shù)據(jù)可以重新用于網(wǎng)絡的訓練，從而實現(xiàn)對新蓄電池類型的兼容。再則，SVM的訓練過程和應用實踐完全可以分開進行，從而將復雜的訓練過程在實驗室計算機上實現(xiàn)，而將訓練得到的模型通過低成本的微處理器來實現(xiàn)。
[0007]為達到上述目的，本發(fā)明提供一種基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，包括以下步驟:
[0008]步驟1:建立影響蓄電池剩余容量的影響因素的基本模型；
[0009]步驟2:對從實驗現(xiàn)場采集得到的原始數(shù)據(jù)進行預處理，剔除錯誤的數(shù)據(jù)；
[0010]步驟3:數(shù)據(jù)歸一化，將步驟2預處理后的數(shù)據(jù)全部映射到O到I之間；
[0011]步驟4:對于鉛酸蓄電池，選擇核函數(shù)并且根據(jù)工程實際的可測量和需要預測的量之間的關系建立最小二乘支持向量機數(shù)學模型；
[0012]步驟5:將步驟3中得到的歸一化后的數(shù)據(jù)序列、溫度、端電壓、電流一起輸入到步驟4中建立的最小二乘支持向量機數(shù)學模型中，采用其中的部分數(shù)據(jù)作為訓練樣本，其余的作為測試樣本，輸出得到的數(shù)據(jù)序列預測結果，即是需要估計蓄電池的剩余容量；
[0013]步驟6:設置核函數(shù)中參數(shù)；
[0014]步驟7:參數(shù)尋優(yōu)，采用交叉檢驗的方式對模型中的參數(shù)進行參數(shù)尋優(yōu)；
[0015]步驟8:根據(jù)步驟5中通過最小二乘支持向量機模型預測得到的蓄電池剩余容量與實際的剩余電量做比較，求出估計值與真實值之間的誤差；
[0016]步驟9:判斷步驟8得到的估計誤差是否小于設定的閾值，若估計誤差小于設定的閾值執(zhí)行步驟10 ;否則返回到步驟7 ；
[0017]步驟10:輸出預測結果。
[0018]依照本發(fā)明較佳實施例所述的基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，步驟3按照下式進行歸一化運算:

【權利要求】
1.一種基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法其特征在于，包括以下步驟: 步驟1:建立影響蓄電池剩余容量的影響因素的基本模型； 步驟2:對從實驗現(xiàn)場采集得到的原始數(shù)據(jù)進行預處理，剔除錯誤的數(shù)據(jù)； 步驟3:數(shù)據(jù)歸一化，將步驟2預處理后的數(shù)據(jù)全部映射到O到I之間； 步驟4:對于鉛酸蓄電池，選擇核函數(shù)并且根據(jù)工程實際的可測量和需要預測的量之間的關系建立最小二乘支持向量機數(shù)學模型； 步驟5:將步驟3中得到的歸一化后的數(shù)據(jù)序列、溫度、端電壓、電流一起輸入到步驟4中建立的最小二乘支持向量機數(shù)學模型中，采用其中的部分數(shù)據(jù)作為訓練樣本，其余的作為測試樣本，輸出得到的數(shù)據(jù)序列預測結果，即是需要估計蓄電池的剩余容量； 步驟6:設置核函數(shù)中參數(shù)； 步驟7:參數(shù)尋優(yōu)，采用交叉檢驗的方式對模型中的參數(shù)進行參數(shù)尋優(yōu)； 步驟8:根據(jù)步驟5中通過最小二乘支持向量機模型預測得到的蓄電池剩余容量與實際的剩余電量做比較，求出估計值與真實值之間的誤差； 步驟9:判斷步驟8得到的估計誤差是否小于設定的閾值，若估計誤差小于設定的閾值執(zhí)行步驟10 ;否則返 回到步驟7 ； 步驟10:輸出預測結果。
2.根據(jù)權利要求1所述的基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，其特征在于，步驟3按照下式進行歸一化運算:
式中鞏為原始數(shù)據(jù)；Dsi為歸一化后的數(shù)據(jù)。
3.根據(jù)權利要求1所述的基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，其特征在于，步驟4中，最小二乘支持向量機算法如下: 對于樣本集，Xi e Rn-1i e R，根據(jù)支持向量機基本理論，輸入和輸出之間的非線性關系描述為:
其中為核空間映射函數(shù)，也稱為輸入向量在核空間(或者特征空間)中的誘導像為權向量，擁有與核空間相同的維數(shù)；b為偏差量； 為確定輸入輸出關系式中的最優(yōu)參數(shù)，構造如下優(yōu)化問題:
式中Y為正規(guī)化參數(shù)，用于控制樣本噪聲對模型的影響； ei是誤差量；J (w，e)是優(yōu)化函數(shù)； 為解出上述優(yōu)化問題，構造對偶空間的Langrange函數(shù):
式中≥0，稱為Langrange對偶變量； L (w，b，e，a)為 Langrange 函數(shù)； 根據(jù)參數(shù)尋優(yōu)的條件可得:
消去上式W、e，可得方程組:
式中:y = (yi，y2--.yN)T;iv= (1，1...1) ;a= (a1； a2...aN) ；
，且 K(Xi, Xj)為滿足 mercer 定理的核函數(shù)； 核函數(shù)的引入使蓄電池的輸入輸出關系式描述的關系轉(zhuǎn)換為:
4.根據(jù)權利要求3所述的基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，其特征在于，步驟4選擇的核函數(shù)包括以下幾種: 線性核函數(shù):
K(xl，x2) (X” X2); 多項式核函數(shù):
K (x1； x2) = ((X1, x2)+c)p ； 徑向基核函數(shù):
5.根據(jù)權利要求4所述的基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，其特征在于，步驟4采用的是基于簡化的多項式核函數(shù)的估計器，該基于簡化的多項式核函數(shù)的估計器利用輸入向量在核空間中的誘導像減少估計器需要存儲的數(shù)據(jù)容量。
6.根據(jù)權利要求5所述的基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，其特征在于，步驟4進一步包括:將POLY核函數(shù)重寫如下:
K(x, Xi) = ((X，Xi)+D2 選取輸入向量為X= (U，I，T)，Xi= (Ui, Ii, Ti) 0則核函數(shù)可以展開為:
K (X，Xi) = 1+ (UUi)2+ (IIi)2+ (TTi) 2+2 (UUi+IIi+TTi) +2 (UUiII^IIiTTjTTiUUi) 其中U，I，T分別為蓄電池的端電壓，流過蓄電池的電流以及環(huán)境溫度向量； 從上式可以推導出輸入向量在核空間中的誘導像:
此時，模型的應用僅需要儲存容易計算得到W向量和變換函數(shù)0Λ.)。
7.根據(jù)權利要求1所述的基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，其特征在于，步驟5中，按照支持向量機中的有導師制學習方式來進行最小二乘支持向量機模型的訓練，具體包括以下步驟: 步驟51、從樣本集合中取一個樣本(Ai，Bi) ；Ai為輸入量，Bi為輸出量； 步驟52、計算網(wǎng)絡的實際輸出O ; 步驟53、求誤差信號D = B1-O ； 步驟54、根據(jù)誤差信號D調(diào)整SVM中預測函數(shù)； 步驟55、對每個樣本重復上述過程，直到對整個樣本集來說，誤差不超過規(guī)定范圍。
8.根據(jù)權利要求1所述的基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，其特征在于，步驟5中對數(shù)據(jù)作為訓練樣本和測試樣本的分組方式如下: 采用其中的2/3數(shù)據(jù)作為訓練樣本，其余的1/3作為測試樣本；或， 采用其中的3/4數(shù)據(jù)作為訓練樣本，其余的1/4作為測試樣本；或， 采用其中的4/5數(shù)據(jù)作為訓練樣本，其余的1/5作為測試樣本。
9.根據(jù)權利要求1所述的基于簡化最小二乘支持向量機的蓄電池剩余容量檢測方法，其特征在于，步驟7具體為: 將原始數(shù)據(jù)平均隨機分為K組，每個子集分別做一次驗證集，剩下的K-1組做訓練集，得到K個模型，分析比較K個模型的預測精度和效果，找出其中預測效果最好的一組模型，利用模型中預測效果最好參數(shù)值來作為最終模型的參數(shù)值。
【文檔編號】G06F19/00GK104182630SQ201410411702
【公開日】2014年12月3日 申請日期:2014年8月20日 優(yōu)先權日:2014年8月20日
【發(fā)明者】杜斌祥, 劉鵬, 常賓, 田兆剛, 鄭益慧, 李立學, 王昕 , 鄭利川 申請人:國家電網(wǎng)公司, 國網(wǎng)山東省電力公司德州供電公司