技術(shù)特征：

1.一種電池儲能系統(tǒng)運(yùn)行數(shù)據(jù)的典型工況構(gòu)建方法，其特征在于，所述方法包括如下步驟：

(1)采用主成分分析方法提取電池樣本數(shù)據(jù)特征矩陣的主要成分，并根據(jù)計算每個特征對主成分的貢獻(xiàn)提取代表數(shù)據(jù)屬性的主要特征因子；

(2)采用無監(jiān)督聚類方法根據(jù)樣本數(shù)據(jù)的主要特征因子對數(shù)據(jù)分類，并計算各聚類中心的參數(shù)特征；

(3)根據(jù)各聚類樣本數(shù)量比例及聚類中樣本與中心參數(shù)相關(guān)性加權(quán)得到典型工況數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述方法，其特征在于，所述步驟(1)包括如下步驟：

步驟1-1、根據(jù)所述電池樣本數(shù)據(jù)特性進(jìn)行設(shè)計數(shù)據(jù)的特征參數(shù)；

步驟1-2、設(shè)樣本數(shù)量為M，特征參數(shù)數(shù)量為N，計算每個樣本的每個特征參數(shù)，構(gòu)成M*N參數(shù)矩陣P；

步驟1-3、對所述參數(shù)矩陣進(jìn)行主成分分析。

3.根據(jù)權(quán)利要求2所述方法，其特征在于，所述步驟1-1中，所述特征參數(shù)包括：樣本最大值、樣本最小值、樣本幅值、樣本平均值、樣本非0值區(qū)間均值、樣本標(biāo)準(zhǔn)偏差、一階導(dǎo)最小值、一階導(dǎo)最大值、一階導(dǎo)標(biāo)準(zhǔn)偏差、數(shù)據(jù)增長區(qū)間比例、數(shù)據(jù)減小區(qū)間比例、數(shù)據(jù)平穩(wěn)區(qū)間比例和數(shù)據(jù)0值區(qū)間比例。

4.根據(jù)權(quán)利要求2所述方法，其特征在于，所述步驟1-3中包括如下步驟：

步驟1-3-1、使用主成分分析法提取所述參數(shù)矩陣P的主成分，設(shè)置參數(shù)α，選取得分超過α的成分為主成分；

步驟1-3-2、根據(jù)各特征參數(shù)的負(fù)荷矩陣，設(shè)置參數(shù)β，選取負(fù)荷矩陣中對主成分貢獻(xiàn)大于β的特征參數(shù)作為樣本數(shù)據(jù)的主要特征因子，記特征因子個數(shù)為n，因此所有樣本會形成M個n維的點(diǎn)，記點(diǎn)的集合為mS。

5.根據(jù)權(quán)利要求1所述方法，其特征在于，所述步驟(2)包括如下步驟：

步驟2-1、輸入超參數(shù)聚類個數(shù)K，采用k-means方法對點(diǎn)集mS進(jìn)行無監(jiān)督聚類；

步驟2-2、采用皮爾遜相關(guān)系數(shù)計算方法計算每個樣本與所在聚類中心特征因子的相關(guān)系數(shù)，計算公式為：

$r=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\×y_i-\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i}{n}}{\sqrt{(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i^2-\frac{{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\right)}^2}{n})\×(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i^2-\frac{{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i\right)}^2}{n})}}$

式中，r是相關(guān)系數(shù)，n是特征參數(shù)個數(shù)，x_i是樣本數(shù)據(jù)第i個特征參數(shù)，y_i是聚類中心第i個特征參數(shù)；并計算相關(guān)系數(shù)超過0.85的樣本數(shù)量coorN；

步驟2-3、調(diào)整超參數(shù)K，重復(fù)步驟2-1和2-2，得到最優(yōu)聚類結(jié)果，即coorN最大，若多個K值使聚類效果最優(yōu)，則取最小的K值。

6.根據(jù)權(quán)利要求1所述方法，其特征在于，所述步驟3包括如下步驟：

步驟3-1、根據(jù)各聚類中各樣本與聚類中心的相關(guān)系數(shù)進(jìn)行加權(quán)計算聚類的工況，聚類k工況計算公式為

$G_k=\frac{\underset{i=1}{\overset{M_k}{\mathrm{\Σ}}}{r}_i\×d_i}{\underset{i=1}{\overset{M_k}{\mathrm{\Σ}}}{r}_i}$

式中，G_k是聚類k工況數(shù)據(jù)結(jié)果，M_k為聚類k中數(shù)據(jù)樣本的數(shù)量，r_i是樣本i與聚類中心參數(shù)的相關(guān)系數(shù)，d_i是樣本i的數(shù)據(jù)；

步驟3-2、統(tǒng)計每個聚類中樣本數(shù)量記為M1，M2，…，Mk，…，MK，加權(quán)得到整體典型工況；

步驟3-3、根據(jù)各聚類中樣本數(shù)量計算各個聚類在整體數(shù)據(jù)中的比重，并根據(jù)比重結(jié)果對各聚類中心參數(shù)加權(quán)得到全部樣本數(shù)據(jù)的典型工況，計算公式為

$G=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\frac{M_k}{M}\×G_k}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\frac{M_k}{M}}$

式中，G是全部數(shù)據(jù)的典型工況結(jié)果，M_k是第k個聚類中樣本數(shù)據(jù)數(shù)目，M是全部樣本數(shù)據(jù)數(shù)目，G_k是第k個聚類的工況數(shù)據(jù)。