CN119199619B 一种移动储能电源健康状态智能评估方法及系统 （国网山东省电力公司潍坊供电公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119199619B(45)授权公告日2025.07.01

(21)申请号202411707361.X

(22)申请日2024.11.27

(65)同一申请的已公布的文献号申请公布号CN119199619A

(43)申请公布日2024.12.27

(73)专利权人国网山东省电力公司潍坊供电公司

地址261021山东省潍坊市潍城区东风西

街425号

(72)发明人周振宇王建宇郭强林勇

石维民姜文陈明田明国

马海春于学良任磊周晓林鞠若彬王兰兰王海妍孙清

(74)专利代理机构济南圣达知识产权代理有限公司37221

专利代理师董雪

(51)Int.CI.

GO1R31/392(2019.01)

GO1R31/367(2019.01)

(56)对比文件

CN118655466A,2024.09.17

CN118566770A,2024.08.30

审查员李培

权利要求书3页说明书10页附图1页

(54)发明名称

一种移动储能电源健康状态智能评估方法及系统

(57)摘要

CN119199619B本发明公开了一种移动储能电源健康状态智能评估方法及系统，将电源的多参数监测数据输入至电池物理模型进行初步评估，得到第一评估值；对获取的监测数据和环境数据进行特征提取和特征选择，将得到的主成分矩阵输入健康状态评估模型进行预测，得到第二评估值；将第一评估值与第二评估值进行比较，利用健康状态评估模型调整电池物理模型的参数，得到优化的电池物理模型；基于优化的电池物理模型得到第三评估值；基于第三评估值与第二评估值得到最终电池健康状态评估结果。通过实时采集多种监测数据以及环境数据，全面了解电池的健康状态，从而提高评估的准确性；并将建立的物理模型和

CN119199619B

获取移动储能电源的多参数监测数据，并输入至电池物理模型进行初步评估，得到电池健康状态第一评估值

获取移动储能电源的多参数监测数据和环境数据，对所述多参数监测数据和环境数据进行特征提取和特征选择，并采用主成分分析法对选择后的特征进行融合，得到主成分矩阵；将所述主成分矩阵输入至预先训练好的健康状态评估模型进行进一步预测，得到电池健康状态第二评估值

将所述第一评估值与所述第二评估值进行比较，利用所述健康状态评估模型调整电池物理模型的参数，得到优化的电池物理模型

基于优化的电池物理模型进行再次评估，得到电池健康状态第三评估

值；将所述第三评估值与所述第二评估值进行加权平均，得到最终电池

健康状态评估结果

CN119199619B权利要求书1/3页

2

1.一种移动储能电源健康状态智能评估方法，其特征在于，包括：

获取移动储能电源的多参数监测数据，并输入至电池物理模型进行初步评估，得到电池健康状态第一评估值；

获取移动储能电源的多参数监测数据和环境数据，对所述多参数监测数据和环境数据进行特征提取和特征选择，并采用主成分分析法对选择后的特征进行融合，得到主成分矩阵；将所述主成分矩阵输入至预先训练好的健康状态评估模型进行进一步预测，得到电池健康状态第二评估值；

将所述第一评估值与所述第二评估值进行比较，利用所述健康状态评估模型调整电池物理模型的参数，得到优化的电池物理模型；

基于优化的电池物理模型进行再次评估，得到电池健康状态第三评估值；将所述第三评估值与所述第二评估值进行加权平均，得到最终电池健康状态评估结果；

得到优化的电池物理模型具体为：

定义损失函数，假设yp2y是第i个样本的电池物理模型的输出，⑩是第i个样本的健康状态评估模型的预测输出，则损失函数表示为：

其中，N是样本数量，θ是需要优化的电池物理模型参数；

采用梯度下降法最小化损失函数，以修正电池物理模型中的参数；计算损失函数对每个参数的梯度，根据计算得到的梯度，使用梯度下降法来更新电池物理模型中的参数，需要多次迭代，直到损失函数收敛为止；

采用多尺度孤立森林识别所述监测数据的异常数据点，并剔除，具体为：

对所述监测数据进行数据清洗和噪声去除，并将所述监测数据分解为不同的时间尺

度；

在不同时间尺度上分别训练孤立森林模型，获取每个时间尺度的异常评分；

使用加权平均方法将不同时间尺度的异常评分进行融合，生成综合异常分数；