[发明专利]一种配电网终端蓄电池储能容量预测方法

说明书

本发明提供一种配电网终端蓄电池储能容量预测方法，包括数据采集与处理、根据所述训练样本X建立灰色微分方程，构建所述灰色微分方程的灰色预测模型，计算灰色预测值将所述S2中得到的灰色预测值与所述训练样本Y作为输入和输出训练RBF神经网络，得到误差补偿器；能够有效解决在“少数据”的小样本情况下配电网蓄电池储能容量估计不准确的问题，且考虑环境变量的影响，比于传统估算方法提高了预测精度。

技术领域

本发明涉及电力系统领域，尤其涉及一种配电网终端蓄电池储能容量预测方法。

背景技术

蓄电池作为配电网自动化系统中的核心部件，其稳定运行可以保证配电网终端在发生停电故障后继续运行，以此完成故障区域隔离、非故障区域恢复供电。在蓄电池运行过程中，受工作环境影响，以及随工作时长的增加，蓄电池会逐渐老化，其主要指标—蓄电池储能容量逐渐下降，当蓄电池储能容量下降到一定程度时需要及时维护或者更换电池，以保证供电稳定性。

蓄电池储能容量主要与电池内阻、运行温度、浮充电压、均充时长、放电次数、空气湿度等相关。受蓄电池工作年限限制，只能获取蓄电池短期内的少量运行数据，且现有的估算方法未详细考虑蓄电池运行环境与运行参数，在估算精度上存在较大误差，难以精确掌握蓄电池当前运行状态，不利于蓄电池维护、故障排除工作的开展。

发明内容

本发明的目的在于针对上述现有技术的不足，提供了一种配电网终端蓄电池储能容量预测方法，以解决在难以获取大量数据下无法精确估算蓄电池储能状态的问题。

为实现上述目的，本发明采用了如下技术方案：

本发明提供了一种配电网终端蓄电池储能容量预测方法，包括以下步骤：

S1、数据采集与处理：以月为单位采集蓄电池的储能容量C、电池内阻R、运行温度T、浮充电压V_f、均充时长J、放电次数N、空气湿度M，多次采集取均值作为样本输入X和样本输出Y；获取样本集之后，将其分为训练样本X、训练样本Y和测试样本X′、测试样本Y′；

S2、根据所述训练样本X建立灰色微分方程，构建所述灰色微分方程的灰色预测模型，计算灰色预测值

S3、将所述S2中得到的灰色预测值与所述训练样本Y作为输入和输出训练RBF神经网络，得到误差补偿器；

S4、利用所述灰色预测模型计算测试样本X′、Y′，将得到的灰色预测值作为误差补偿器的输入，所述误差补偿器的输出即为蓄电池储能容量预测值；

S5、利用模型检验方法对灰色预测模型进行精度评估，满足精度要求即可使用，不满足要求对所述灰色预测模型进行修正。

进一步，所述S1中，考虑到蓄电池储能容量以及电池内阻变化较小，以月为单位采集24个月蓄电池运行数据作为样本数据集；其中，储能容量C通过核容试验获得，电池内阻R、运行温度T、浮充电压V_f、均充时长J、放电次数N、空气湿度M数据通过监测设备采集，每一月的数据进行多次采集，取平均值放入样本集，其格式如下：

获取样本集之后，将所述样本集分为所述训练样本X、训练样本Y和测试样本X′、测试样本Y′。

进一步，所述S2中，所述灰色预测模型将所述训练样本X原始数据经过累加后削弱数据的无规律性，建立微分方程进行数据拟合和预测，其构建过程如下：

S201、构建邻均值等权生成序列

设所述训练样本X原始数据为X⁽⁰⁾，将原始数据序列X⁽⁰⁾经过一次累加，生成X⁽¹⁾，即

计算邻均值等权生成序列Z⁽¹⁾(k)，其计算公式如下：