本發(fā)明涉及電池負(fù)荷預(yù)測(cè)，具體是指一種智能化電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)方法是指通過(guò)分析電池儲(chǔ)能系統(tǒng)的多方面數(shù)據(jù)，預(yù)測(cè)實(shí)時(shí)電池儲(chǔ)能系統(tǒng)的負(fù)荷需求。這一方法的主要目標(biāo)是確保儲(chǔ)能系統(tǒng)能夠在不同負(fù)荷需求下實(shí)現(xiàn)高效的充放電管理，以優(yōu)化能源的利用和分配，提升系統(tǒng)的運(yùn)行效率，并降低運(yùn)營(yíng)成本。但是一般電池儲(chǔ)能系統(tǒng)負(fù)荷方法存在受到噪聲影響嚴(yán)重，無(wú)法確保負(fù)荷預(yù)測(cè)指標(biāo)在整個(gè)預(yù)測(cè)過(guò)程中重要性的合理分配，進(jìn)而導(dǎo)致負(fù)荷預(yù)測(cè)效果不佳的問(wèn)題；一般電池儲(chǔ)能系統(tǒng)負(fù)荷方法存在對(duì)模型參數(shù)調(diào)整時(shí)收斂速度慢，調(diào)參精確性差，進(jìn)而導(dǎo)致模型在復(fù)雜負(fù)荷預(yù)測(cè)環(huán)境中的魯棒性差，負(fù)荷預(yù)測(cè)效果低的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種智能化電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)方法及系統(tǒng)，針對(duì)一般電池儲(chǔ)能系統(tǒng)負(fù)荷方法存在受到噪聲影響嚴(yán)重，無(wú)法確保負(fù)荷預(yù)測(cè)指標(biāo)在整個(gè)預(yù)測(cè)過(guò)程中重要性的合理分配，進(jìn)而導(dǎo)致負(fù)荷預(yù)測(cè)效果不佳的問(wèn)題，本方案通過(guò)構(gòu)建多層評(píng)估矩陣，基于指標(biāo)偏差識(shí)別關(guān)鍵指標(biāo)，利用權(quán)重矩陣進(jìn)行一致性檢驗(yàn)，并通過(guò)初始權(quán)重、區(qū)分性和不確定性動(dòng)態(tài)更新最終權(quán)重，對(duì)負(fù)荷數(shù)據(jù)進(jìn)行波形轉(zhuǎn)換后，再基于不同尺度的數(shù)據(jù)表示進(jìn)行聚類處理，確定最佳聚類數(shù)并迭代更新聚類中心，最終通過(guò)引入多目標(biāo)優(yōu)化進(jìn)行迭代更新，精確定位負(fù)荷數(shù)據(jù)的聚類中心，進(jìn)而保證電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)結(jié)果的正確性及對(duì)復(fù)雜負(fù)荷預(yù)測(cè)數(shù)據(jù)的動(dòng)態(tài)適應(yīng)性；針對(duì)一般電池儲(chǔ)能系統(tǒng)負(fù)荷方法存在對(duì)模型參數(shù)調(diào)整時(shí)收斂速度慢，調(diào)參精確性差，進(jìn)而導(dǎo)致模型在復(fù)雜負(fù)荷預(yù)測(cè)環(huán)境中的魯棒性差，負(fù)荷預(yù)測(cè)效果低的問(wèn)題，本方案通過(guò)自適應(yīng)調(diào)整步長(zhǎng)，將全局與局部搜索結(jié)合，通過(guò)位置突變和動(dòng)態(tài)權(quán)重調(diào)整，應(yīng)對(duì)負(fù)荷預(yù)測(cè)數(shù)據(jù)中的噪聲和異常值，確保模型在復(fù)雜負(fù)荷預(yù)測(cè)環(huán)境中的魯棒性，自動(dòng)優(yōu)化聚類結(jié)果，保證最終對(duì)負(fù)荷預(yù)測(cè)效果的準(zhǔn)確性夠高。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供的一種智能化電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)方法，該方法包括以下步驟：

3、步驟s1：數(shù)據(jù)采集；

4、步驟s2：數(shù)據(jù)預(yù)處理；

5、步驟s3：動(dòng)態(tài)聚類；

6、步驟s4：電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)。

7、進(jìn)一步地，在步驟s1中，所述數(shù)據(jù)采集是采集歷史電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)和實(shí)時(shí)電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)；所述歷史電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)和實(shí)時(shí)電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)都電池狀態(tài)、環(huán)境因素、時(shí)間數(shù)據(jù)和外部負(fù)載需求；所述歷史電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)還包括負(fù)荷評(píng)估等級(jí)；負(fù)荷評(píng)估等級(jí)包括正常、輕微負(fù)荷、中度負(fù)荷和嚴(yán)重負(fù)荷；將下一時(shí)刻的負(fù)荷評(píng)估等級(jí)作為數(shù)據(jù)標(biāo)簽；數(shù)據(jù)標(biāo)簽不參與聚類運(yùn)算。

8、進(jìn)一步地，在步驟s2中，所述數(shù)據(jù)預(yù)處理是對(duì)采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換和標(biāo)準(zhǔn)化處理；所述數(shù)據(jù)清洗是去除缺失值和重復(fù)值；所述數(shù)據(jù)轉(zhuǎn)換是將數(shù)據(jù)轉(zhuǎn)換為向量形式；所述標(biāo)準(zhǔn)化處理是基于最大最小歸一化法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

9、進(jìn)一步地，在步驟s3中，所述動(dòng)態(tài)聚類具體包括以下步驟：

10、步驟s31：構(gòu)建稀疏評(píng)估矩陣；構(gòu)建多層評(píng)估矩陣，表示為；對(duì)多層評(píng)估矩陣進(jìn)行稀疏分解，表示為：a≈zw，約束條件表示為：；得到稀疏評(píng)估矩陣a；其中，ak是多層評(píng)估矩陣的第k層，每一層代表不同的數(shù)據(jù)維度；是第k層評(píng)估矩陣中的元素，表示第i個(gè)樣本的第j個(gè)指標(biāo)值；z是簡(jiǎn)約特征矩陣；w是加權(quán)矩陣；α是控制稀疏性的常數(shù)；是l1范數(shù)；m是樣本的總數(shù)量；n是指標(biāo)總數(shù)；

11、步驟s32：計(jì)算指標(biāo)偏差；所用公式如下：

12、；

13、；

14、；

15、式中，ri,j是第i個(gè)樣本第j個(gè)指標(biāo)的偏離均值程度；si,j是第i個(gè)樣本第j個(gè)指標(biāo)的原始數(shù)據(jù)值；uj和σj分別是第j個(gè)指標(biāo)的均值和標(biāo)準(zhǔn)差；是平滑項(xiàng)；dj是第j個(gè)指標(biāo)的區(qū)分性；ej是第j個(gè)指標(biāo)的不確定性；

16、步驟s33：計(jì)算最終權(quán)重；初始化權(quán)重矩陣b；并進(jìn)行一致性檢驗(yàn)，表示為：；并計(jì)算最終權(quán)重，表示為：；引入動(dòng)態(tài)權(quán)重，權(quán)重更新時(shí)采用；其中，ci是權(quán)重矩陣的一致性；是權(quán)重矩陣的最大特征值；ri是隨機(jī)一致性指標(biāo)；wj是最終權(quán)重；是初始權(quán)重；α2是控制差異度的影響參數(shù)；和分別是第t+1次迭代和第t次迭代時(shí)的最終權(quán)重；是第t次迭代時(shí)的不確定性；是權(quán)重因子；

17、步驟s34：聚類處理；具體包括：

18、步驟s341：數(shù)據(jù)優(yōu)化；對(duì)數(shù)據(jù)進(jìn)行波形轉(zhuǎn)換，得到不同尺度的數(shù)據(jù)表示，表示為：；其中，是原始數(shù)據(jù)；是小波函數(shù)；ai和bi是尺度參數(shù)和平移參數(shù)；是波形轉(zhuǎn)換后的數(shù)據(jù)表示；

19、步驟s342：確定最佳聚類數(shù)；所用公式如下：

20、；

21、式中，ch(·)是最佳聚類數(shù)指標(biāo)；tr(·)是跡；bk和wk分別是樣本間的散度矩陣和樣本內(nèi)的散度矩陣；k是聚類數(shù)；

22、步驟s343：聚類迭代；隨機(jī)選擇初始聚類中心；計(jì)算各非聚類中心到聚類中心的距離，基于最小距離分配非聚類中心；迭代更新聚類中心并計(jì)算目標(biāo)函數(shù)；距離計(jì)算表示為：；

23、；引入多目標(biāo)優(yōu)化方法定義目標(biāo)函數(shù)，表示為：；聚類中心更新時(shí)引入遞進(jìn)學(xué)習(xí)，聚類中心更新公式表示為：；其中，dm(·)是距離度量；xi和xj分別是第i個(gè)數(shù)據(jù)點(diǎn)和第j個(gè)數(shù)據(jù)點(diǎn)；s是協(xié)方差矩陣；ρe(·)是局部自適應(yīng)密度；ρ(·)是局部密度；n(·)是領(lǐng)域點(diǎn)集合，i1是鄰域點(diǎn)索引；d(·)是歐氏距離；是局部密度參數(shù)；f(·)是目標(biāo)函數(shù)；x和y分別是簇中歷史數(shù)據(jù)數(shù)量最多的標(biāo)簽比例和其他標(biāo)簽的比例；和分別是第j1個(gè)聚類在第t+1和第t次迭代時(shí)的位置；是學(xué)習(xí)率參數(shù)；是迭代上限；是平滑項(xiàng)；、和是權(quán)重系數(shù)；

24、步驟s35：判定；當(dāng)目標(biāo)函數(shù)收斂時(shí)，聚類完成；若僅達(dá)到迭代上限，則轉(zhuǎn)至步驟s36；否則繼續(xù)迭代；

25、步驟s36：聚類優(yōu)化；具體包括：

26、步驟s361：基于權(quán)重矩陣、控制差異度的影響參數(shù)、局部密度參數(shù)、學(xué)習(xí)率參數(shù)、尺度參數(shù)和平移參數(shù)構(gòu)建參數(shù)優(yōu)化空間；初始化參數(shù)優(yōu)化種群，將基于參數(shù)優(yōu)化個(gè)體達(dá)到迭代上限或收斂時(shí)的目標(biāo)函數(shù)作為個(gè)體適應(yīng)度值；初始化優(yōu)化種群所用公式如下：

27、；

28、式中，xi2,j2(·)是第i2個(gè)優(yōu)化個(gè)體第j2維度的位置；0表示第0次搜索即初始化；rand是屬于lb到ub的隨機(jī)數(shù)；ub和lb分別是第j2維度的搜索上限和下限；

29、步驟s362：探索階段；當(dāng)it<itmax/2時(shí)，更新步長(zhǎng)控制，表示為：；；位置更新表示為：；其中，；w1(·)和w2(·)是個(gè)體移動(dòng)權(quán)重；i2是索引；hy(·)是個(gè)體需求值；shh是所有個(gè)體的需求值總和；r、r1、r2都是0-1的隨機(jī)數(shù)；n是種群中個(gè)體的數(shù)量；randn是從標(biāo)準(zhǔn)正態(tài)分布中采樣的隨機(jī)數(shù)；xb,j2(·)是最優(yōu)個(gè)體第j2維度的位置，最優(yōu)個(gè)體是適應(yīng)度值最低的個(gè)體；r是[-a,a]范圍內(nèi)生成的隨機(jī)數(shù)，a=2·(1-it/itmax)；hs是個(gè)體的額外需求值，hs=lhs·(1+r)；lhs是下界需求值；allf(·)是個(gè)體適應(yīng)度值；bf是最優(yōu)個(gè)體適應(yīng)度值；itmax是最大搜索次數(shù)；

30、步驟s363：利用階段；當(dāng)it≥it/2時(shí)，位置更新表示為：；其中，；rb是從高斯分布中生成的隨機(jī)數(shù)；是種群平均適應(yīng)度值；r3是0-1的隨機(jī)數(shù)；

31、步驟s364：突變；對(duì)更新后的個(gè)體進(jìn)行位置突變，若突變后的位置適應(yīng)度值降低，則保留突變位置，否則保留原有位置；突變所用公式如下：

32、；

33、式中，是突變后的位置；r4和r5是0-1的隨機(jī)數(shù)；u是二進(jìn)制向量；xroll1,j2(·)和xroll2,j2(·)是隨機(jī)個(gè)體第j2維度的位置；

34、步驟s365：優(yōu)化判定；預(yù)先設(shè)有適應(yīng)度閾值，當(dāng)存在個(gè)體適應(yīng)度值低于適應(yīng)度閾值時(shí)，優(yōu)化結(jié)束，個(gè)體位置即參數(shù)設(shè)置，得到聚類結(jié)果；若達(dá)到最大搜索次數(shù)，則返回步驟s361；否則返回步驟s362。

35、進(jìn)一步地，在步驟s4中，所述電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)是基于聚類結(jié)果，將具有最多數(shù)量歷史電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)的標(biāo)簽作為簇標(biāo)簽，將實(shí)時(shí)電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)所屬簇標(biāo)簽作為實(shí)時(shí)電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)的預(yù)測(cè)結(jié)果。

36、本發(fā)明提供的一種智能化電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)系統(tǒng)，包括數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、動(dòng)態(tài)聚類模塊和電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)模塊；

37、所述數(shù)據(jù)采集模塊采集歷史電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)和實(shí)時(shí)電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)，并將數(shù)據(jù)發(fā)送至數(shù)據(jù)預(yù)處理模塊；

38、所述數(shù)據(jù)預(yù)處理模塊對(duì)采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換和標(biāo)準(zhǔn)化處理；并將數(shù)據(jù)發(fā)送至動(dòng)態(tài)聚類模塊；

39、所述動(dòng)態(tài)聚類模塊通過(guò)構(gòu)建多層評(píng)估矩陣，基于指標(biāo)偏差識(shí)別關(guān)鍵指標(biāo)，利用權(quán)重矩陣進(jìn)行一致性檢驗(yàn)，并通過(guò)初始權(quán)重、區(qū)分性和不確定性動(dòng)態(tài)更新最終權(quán)重，對(duì)負(fù)荷數(shù)據(jù)進(jìn)行波形轉(zhuǎn)換后，再基于不同尺度的數(shù)據(jù)表示進(jìn)行聚類處理，確定最佳聚類數(shù)并迭代更新聚類中心，最終通過(guò)引入多目標(biāo)優(yōu)化進(jìn)行迭代更新；并通過(guò)自適應(yīng)調(diào)整步長(zhǎng)，將全局與局部搜索結(jié)合，通過(guò)位置突變和動(dòng)態(tài)權(quán)重調(diào)整，進(jìn)行參數(shù)調(diào)整，最終實(shí)現(xiàn)動(dòng)態(tài)聚類；并將數(shù)據(jù)發(fā)送至電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)模塊；

40、所述電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)模塊基于聚類結(jié)果對(duì)實(shí)時(shí)電池儲(chǔ)能系統(tǒng)負(fù)荷數(shù)據(jù)實(shí)現(xiàn)負(fù)荷預(yù)測(cè)。

41、采用上述方案本發(fā)明取得的有益效果如下：

42、（1）針對(duì)一般電池儲(chǔ)能系統(tǒng)負(fù)荷方法存在受到噪聲影響嚴(yán)重，無(wú)法確保負(fù)荷預(yù)測(cè)指標(biāo)在整個(gè)預(yù)測(cè)過(guò)程中重要性的合理分配，進(jìn)而導(dǎo)致負(fù)荷預(yù)測(cè)效果不佳的問(wèn)題，本方案通過(guò)構(gòu)建多層評(píng)估矩陣，基于指標(biāo)偏差識(shí)別關(guān)鍵指標(biāo)，利用權(quán)重矩陣進(jìn)行一致性檢驗(yàn)，并通過(guò)初始權(quán)重、區(qū)分性和不確定性動(dòng)態(tài)更新最終權(quán)重，對(duì)負(fù)荷數(shù)據(jù)進(jìn)行波形轉(zhuǎn)換后，再基于不同尺度的數(shù)據(jù)表示進(jìn)行聚類處理，確定最佳聚類數(shù)并迭代更新聚類中心，最終通過(guò)引入多目標(biāo)優(yōu)化進(jìn)行迭代更新，精確定位負(fù)荷數(shù)據(jù)的聚類中心，進(jìn)而保證電池儲(chǔ)能系統(tǒng)負(fù)荷預(yù)測(cè)結(jié)果的正確性及對(duì)復(fù)雜負(fù)荷預(yù)測(cè)數(shù)據(jù)的動(dòng)態(tài)適應(yīng)性。

43、（2）針對(duì)一般電池儲(chǔ)能系統(tǒng)負(fù)荷方法存在對(duì)模型參數(shù)調(diào)整時(shí)收斂速度慢，調(diào)參精確性差，進(jìn)而導(dǎo)致模型在復(fù)雜負(fù)荷預(yù)測(cè)環(huán)境中的魯棒性差，負(fù)荷預(yù)測(cè)效果低的問(wèn)題，本方案通過(guò)自適應(yīng)調(diào)整步長(zhǎng)，將全局與局部搜索結(jié)合，通過(guò)位置突變和動(dòng)態(tài)權(quán)重調(diào)整，應(yīng)對(duì)負(fù)荷預(yù)測(cè)數(shù)據(jù)中的噪聲和異常值，確保模型在復(fù)雜負(fù)荷預(yù)測(cè)環(huán)境中的魯棒性，自動(dòng)優(yōu)化聚類結(jié)果，保證最終對(duì)負(fù)荷預(yù)測(cè)效果的準(zhǔn)確性夠高。