【技术实现步骤摘要】
本申请涉及电数字数据处理，尤其涉及能源储能电池的寿命预测方法及相关设备。
技术介绍
1、在能源储能领域，储能电池需要在多样化的应用环境中运行，如电网调节、电动汽车、可再生能源系统等，这些应用环境会受到多种外界条件的影响，包括温度波动、负载变化、电网状态等。这些因素会影响电池的放电和充电速率，进而影响储能电池的剩余使用寿命的预测。
2、目前，储能电池寿命预测技术主要依赖于在实际应用中收集到的电池操作数据。通过对这些数据的统计分析，可以获得电池健康状况的指标，然后根据这些健康指标来预测电池的剩余寿命。这种预测方法在很大程度上依赖于电池过去的使用数据来预测其未来的寿命。
3、然而，储能电池寿命预测技术面临着一些挑战。首先，实际的电池操作数据通常受到外界环境因素的影响，例如温度、湿度、负载波动等，这些因素都有可能影响电池的放电和充电速度。如果直接使用受环境影响的数据进行预测，可能会使预测结果不够准确。
技术实现思路
1、本申请提供了能源储能电池的寿命预测方法及相关设备，用于降低环境因素对预测结果的干扰，避免由于预测误差引发的潜在损失。
2、第一方面，本申请提供了一种能源储能电池的寿命预测方法，包括：
3、获取当前运行数据组和与当前运行数据组对应的当前环境数据组，当前运行数据组由标识时间的若干个运行数据组成，当前环境数据组由标识时间的若干个环境数据组成；
4、根据当前运行数据组中的运行数据计算健康指标得到时间序列，时间序列为健康指标
5、将时间序列输入预设时间序列分析模型得到初步预测曲线，初步预测曲线包括时间序列对应的当前曲线段和预测未来时间内健康指标随着标识时间变化的未来曲线段；
6、将环境变化表与预设理想环境变化表的差值输入预设影响因素模型，得到补偿曲线，补偿曲线为历史时间至未来时间内补偿值随着标识时间变化的补偿曲线段；
7、利用补偿曲线对初步预测曲线进行补偿得到预测曲线；
8、在确定接收到目标时间的情况下，根据目标时间在预测曲线中确定电池寿命。
9、在上述实施例中，通过获取和分析当前运行数据组和当前环境数据组生成初步预测曲线和环境影响的补偿曲线，将补偿曲线用于初步预测曲线的补偿，得到的预测曲线将是一个不受环境影响的电池寿命预测曲线，这种方法能够显著降低环境因素对预测结果的干扰，避免由于预测误差引发的潜在损失。
10、结合第一方面的一些实施例，在一些实施例中，将环境变化表与预设理想环境变化表的差值输入预设影响因素模型，得到补偿曲线的步骤之前，方法还包括：
11、对历史运行数据组中的每一个历史运行数据根据得分规则进行得分；
12、按照历史运行数据的得分将历史运行数据归类成若干个相似条件组；
13、将第一历史运行数据的对应健康指标的变换量与第二历史运行数据对应健康指标的变换量的差值确定为变换量差值，变换量为前一个时间的历史运行数据对应的健康指标与后一个标识时间的历史运行数据对应的健康指标的差值，第一历史运行数据为一个相似条件组中的任一历史运行数据，第二历史运行数据为同一相似条件组中的另一历史运行数据；
14、将第一历史运行数据对应的环境数据与第二历史运行数据对应的环境数据的环境数据差值确定为环境数据差值；
15、将环境数据差值和变换量差值确定为影响数据；
16、统计所有影响数据得到影响数据集；
17、将影响数据集作为训练样本得到预设影响因素模型。
18、在上述实施例中，通过对历史运行数据根据得分规则进行得分，并依据预设得分区间将其分类到不同的相似条件组中，确保了相似条件组内所有历史运行数据的环境偏差保持在一定的平衡范围内，提高了数据的稳定性和可比性。在此基础上，进一步比较了相同条件组内不同历史运行数据的健康指标变换量差值和环境数据差值，能够准确地理解环境变化对电池健康指标的影响，进而提升了环境影响的预测精度。将所有影响数据汇总，得到了一份全面反映健康指标变化量和环境改变量差值的影响数据集，进而帮助模型进行训练。
19、结合第一方面的一些实施例，在一些实施例中，将影响数据集作为训练样本得到预设影响因素模型的步骤，具体包括。
20、将影响数据集输入预设影响力规则进行求解得到每一个变化量的系数，预设影响力规则为：将影响数据中环境数据差值的每一个变化量均视为预设参数；为每一个预设参数分配一个系数；将这些变化量乘以其对应的系数并求和，得到的结果为当前影响数据中的变换量差值；
21、根据每一个变化量的系数作为训练样本得到预设影响因素模型。
22、在上述实施例中，通过将环境数据差值的每个变化量视为预设参数，并为每个参数分配一个系数，构建了一个预设影响力规则。然后通过求解这个规则，可以得到每个变化量的系数，这些系数实际上反映了各个变化量对结果的影响力大小。因此，这种方法实现了对环境数据对结果影响的量化，使得环境因素的影响能够以数值方式明确反映在预测模型中。
23、结合第一方面的一些实施例，在一些实施例中，
24、所述得分规则为：将所述历史运行数据中的每一个环境数据与对应的阈值进行相减得到子分；
25、将所述子分乘以其对应的权重并取平均值得到对应的得分。
26、在上述实施例中，通过计算每个环境数据与其阈值的差值，然后将这些子分结合相应权重计算出加权平均得分。这个得分可以用来衡量历史运行数据与设定的环境标准之间的偏差，并通过权重反映出不同环境数据的重要性，从而为数据分析提供了定量化的基础。
27、结合第一方面的一些实施例，在一些实施例中，将时间序列输入预设时间序列分析模型得到初步预测曲线的步骤之前，方法还包括：
28、构建当前运行数据组的自相关函数图和偏自相关函数图；
29、根据自相关函数图和偏自相关函数图确定自回归项的阶数、移动平均项的阶数；
30、将自回归项的阶数、移动平均项的阶数作为参数、历史运行数据组作为训练样本训练时间序列分析模型。
31、在上述实施例中，通过构建当前运行数据组的自相关函数图和偏自相关函数图，进一步确定自回归项的阶数和移动平均项的阶数，然后将这些阶数作为参数，使用历史运行数据组作为训练样本来训练时间序列分析模型的方法。通过使用历史运行数据组作为训练样本，可以充分利用已有的历史数据，提升模型的预测能力。
32、结合第一方面的一些实施例，在一些实施例中，将时间序列输入预设时间序列分析模型得到初步预测曲线的步骤，具体包括：
33、在确定时间序列中任一一段数据的方差与另一段数据的方差大于预设方差阈值的情况下，对时间序列进行差分处理得到差分时间序列；
34、将差分时间序列输入预设时间序列分析模型得到差分后的初步预测曲线；
35、将差分后的初步预测曲线进行逆差分得到初步预测曲线。<本文档来自技高网...
【技术保护点】
1.一种能源储能电池的寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的能源储能电池的寿命预测方法，其特征在于，所述将所述环境变化表与预设理想环境变化表的差值输入预设影响因素模型，得到补偿曲线的步骤之前，所述方法还包括：
3.根据权利要求2所述的能源储能电池的寿命预测方法，其特征在于，所述将所述影响数据集作为训练样本得到预设影响因素模型的步骤，具体包括：
4.根据权利要求2所述的能源储能电池的寿命预测方法，其特征在于，所述得分规则为：将所述历史运行数据中的每一个环境数据与对应的阈值进行相减得到子分；
5.根据权利要求1所述的能源储能电池的寿命预测方法，其特征在于，所述将所述时间序列输入预设时间序列分析模型得到初步预测曲线的步骤之前，所述方法还包括：
6.根据权利要求1所述的能源储能电池的寿命预测方法，其特征在于，所述将所述时间序列输入预设时间序列分析模型得到初步预测曲线的步骤，具体包括：
7.根据权利要求1所述的能源储能电池的寿命预测方法，其特征在于，所述根据所述当前运行数据组中的运行数据计算健康指标
8.一种能源储能电池的寿命预测系统，其特征在于，包括：
9.一种能源储能电池的寿命预测系统，其特征在于，包括：一个或多个处理器和存储器；
10.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在能源储能电池的寿命预测系统上运行时，使得所述能源储能电池的寿命预测系统执行如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种能源储能电池的寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的能源储能电池的寿命预测方法，其特征在于，所述将所述环境变化表与预设理想环境变化表的差值输入预设影响因素模型，得到补偿曲线的步骤之前，所述方法还包括：
3.根据权利要求2所述的能源储能电池的寿命预测方法，其特征在于，所述将所述影响数据集作为训练样本得到预设影响因素模型的步骤，具体包括：
4.根据权利要求2所述的能源储能电池的寿命预测方法，其特征在于，所述得分规则为：将所述历史运行数据中的每一个环境数据与对应的阈值进行相减得到子分；
5.根据权利要求1所述的能源储能电池的寿命预测方法，其特征在于，所述将所述时间序列输入预设时间序列分析模型得到初步预测曲线的步...
【专利技术属性】
技术研发人员：向超耀，高长宇，汪广武，李超，
申请(专利权)人：互宇数字能源科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。