CN119535244A 一种储能电池剩余使用寿命预测方法及系统 (南昌工程学院)_第1页
CN119535244A 一种储能电池剩余使用寿命预测方法及系统 (南昌工程学院)_第2页
CN119535244A 一种储能电池剩余使用寿命预测方法及系统 (南昌工程学院)_第3页
CN119535244A 一种储能电池剩余使用寿命预测方法及系统 (南昌工程学院)_第4页
CN119535244A 一种储能电池剩余使用寿命预测方法及系统 (南昌工程学院)_第5页
已阅读5页,还剩15页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种储能电池剩余使用寿命预测方法及系统本发明公开了一种储能电池剩余使用寿命序列数据;采用TVF_EMD对电池容量时间序列数同群优化算法对时间卷积神经网络模型的卷积改进协同群优化算法优化后的时间卷积神经网改进后的协同群优化算法优化的时间卷积神经2步骤4:利用改进后的协同群优化算法对时间卷积神经网络模型的卷积核个数和卷积;为个体最佳系数,GBC为全局最优系数,DAC为动态吸引系数,ANIC为自适应邻域相互化算法优化后的时间卷积神经网络模型之中进行步骤2.1:首先利用Hilbert变换求出电池容量时间序列数据的瞬时频率和瞬时幅值,的局部最大值以及局部最小值进行差值预算得到瞬时频率的局部最大值以及局部最小值协同群优化算法引入Logistic_Tent混沌映射初始化;式中,xm.(.)表示第i个个体第j个维度更新后候选解,X(i,)代表第i个个体第j个还对电池容量时间序列数据用四分位法进行异常值检测6.一种用于实现权利要求1_5任意一项所述储能电池剩余使用寿命预测方法的系统,3机程序被所述处理器执行时实现上述储能电池剩余使用寿命预测方法的各7.一种计算机可读存储介质,所述计算机可读存储于,所述计算机程序被处理器执行时实现权利要求1_5任意一项的储能电池剩余使用寿命4[0002]能源燃烧是主要的二氧化碳排放源,电力行业排放约占能源行业排放的占比很步骤4:利用改进后的协同群优化算法对时间卷积神经网络模型的卷积核个数和;PBC为个体最佳系数,GBC为全局最优系数,DAC为动态吸引系数,ANIC为自适应邻域5[0006]进一步优选,对电池容量时间序列数据采用TVF_EMD进行分解得到本征模态分量幅值的局部最大值以及局部最小值进行差值预算得到瞬时频率的局部最大值以及局部最[0007]进一步优选,所述改进后的协同群优化算法引入Logistic_Tent混沌映射初始化;6步骤4:利用改进后的协同群优化算法对时间卷积神经网络模型的卷积核个数和[0016]本实施例步骤1中,还对电池容量时间序列数据用四分位法进行异常值检测并进位数计算四分位距lon:;[0017]本实施例中,对电池容量时间序列数据采用TVF_EMD进行分解得到本征模态分量步骤2.1:首先利用Hilbert变换求出电池容量时间序列数和瞬时幅值a(t),随后分别计算瞬时频率p(值,对瞬时频率p(t)和瞬时幅值a(t)频率p(t)的局部最大值以及局部最小值的差值H,()和瞬时频率a(t)的局部最大值以及局部最小值的差值,('),最后采用时变滤波器处理电池容量时间序列数据,得到瞬时均值;t表示时间;步骤2.2:根据局部截止频率pi(t)重构;7;;;;Loughlin瞬时带宽;表示第1阶分量的瞬时幅值;c;o表示第2阶分量的瞬时幅值;步骤2.4:设Loughlin瞬时带宽阈值为ξ,当≤ξ,则判定所对应的当前迭代次数的输入数据x(i)为一个本征模态分量(IMF否则,采用B样条插值对oc对应的x(0)步骤3.3、构建残差块,卷积层堆叠层数为3、激活函数为Sigmoid函数、丢弃层;8;;式中,X代表初始化的种群,X'(i,j);式中,X,(i,j)表示第i个个体第j个维度更新后候选解,v(i,j)表示第i个个体第jPBC为个体最佳系数,GBC为全局最优系数,DAC为动态吸引系数,ANIC为自适应邻域[0021]IWV=w(i,)*(i,j);[0022]w(i,+1)=w(i,)*(l-ep(-k*i,));[0023]PBC=rl*(eps*rand(x)-x(i,));;式中,r3为动态吸引系数的随机值参数,atracr,为第i个个体邻近局部吸引力值[0025]ANIC=r4*rand(f(x)-(uxbesdf+(1-u)worstf);9;[0029]由图3可知改进前后的协同群优化算法无论是在收敛速度还是收敛精度上都远远以对前述各实施例所记载的技术方案进行修改,或者对其中部分

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论