一種電池儲能系統運行數據的典型工況構建方法技術方案

本發明專利技術提供一種電池儲能系統運行數據的典型工況構建方法，所述方法包括如下步驟：(1)采用主成分分析方法提取電池樣本數據特征矩陣的主要成分，并根據計算每個特征對主成分的貢獻提取代表數據屬性的主要特征因子；(2)采用無監督聚類方法根據樣本數據的主要特征因子對數據分類，并計算各聚類中心的參數特征；(3)根據各聚類樣本數量比例及聚類中樣本與中心參數相關性加權得到典型工況數據。本發明專利技術實現對于儲能系統充放功率情況的整體認知，利用所提取的典型工況曲線壓縮數據量，節省計算量。

A typical working condition construction method of battery energy storage system operation data

The present invention provides a battery energy storage building method of typical operating data of the system, the method comprises the following steps: (1) the main component by the method of principal component extraction cell sample data feature matrix analysis, and main features of the factor of representative data attributes according to the calculation of the principal component of the contribution of each feature (2;) using unsupervised clustering method according to the classification of main characteristic factors of sample data to the data, and calculate the parameters of the cluster center; (3) according to the sample and the center of each cluster sample number and clustering parameters in the correlation weighted by typical condition data. The invention realizes the whole cognition of the charging and discharging power situation of the energy storage system, and compresses the amount of data by using the typical working condition curve extracted, thereby saving the calculation amount.

【技術實現步驟摘要】
一種電池儲能系統運行數據的典型工況構建方法
本專利技術涉及一種工況構建方法，具體涉及一種電池儲能系統運行數據的典型工況構建方法。
技術介紹
近些年，我國風能和大陽能發電快速發展，電池儲能電站的規模不斷擴大，電池儲能電站采集上來的儲能電池數據也日益劇增，已運行的十MW級電池儲能電站的電池單體數量已達數十萬，儲能電池數據的使用價值是巨大的，尚未充分挖掘。目前對于儲能系統充放功率的研究都集中于優化控制與容量配置等方面，對于典型工況曲線的挖掘及獲取工作關注較少。目前關于典型工況曲線挖掘的研究主要集中在電動汽車\混合電動汽車上。例如通過求出電池功率的分布函數和概率分布，然后隨機產生電池充放電功率的典型工況曲線挖掘方法。但該方法隨機產生電池的充放電功率，僅考慮典型工況曲線與實際工況曲線在概率分布上的一致性，未考慮典型工況曲線與實際工況曲線在具體時刻取值的一致性，使得典型工況曲線與實際工況曲線在時間序列上差別較大。因此不適用于電力系統，特別是電力儲能系統的工況分析與提煉。
技術實現思路
為了克服上述現有技術的不足，本專利技術提供一種電池儲能系統運行數據的典型工況構建方法。本專利技術實現對于儲能系統充放功率情況的整體認知，利用所提取的典型工況曲線壓縮數據量，節省計算量。為了實現上述專利技術目的，本專利技術采取如下技術方案：一種電池儲能系統運行數據的典型工況構建方法，所述方法包括如下步驟：(1)采用主成分分析方法提取電池樣本數據特征矩陣的主要成分，并根據計算每個特征對主成分的貢獻提取代表數據屬性的主要特征因子；(2)采用無監督聚類方法根據樣本數據的主要特征因子對數據分類，并計算各聚類中心的參數特征；(3)根據各聚類樣本數量比例及聚類中樣本與中心參數相關性加權得到典型工況數據。優選的，所述步驟(1)包括如下步驟：步驟1-1、根據待分析數據特性進行設計數據的特征參數；步驟1-2、設樣本數量為M，特征參數數量為N，計算每個樣本的每個特征參數，構成M*N參數矩陣P；步驟1-3、對所述參數矩陣進行主成分分析。優選的，所述步驟1-1中，所述特征參數包括：樣本最大值、樣本最小值、樣本幅值、樣本平均值、樣本非0值區間均值、樣本標準偏差、一階導最小值、一階導最大值、一階導標準偏差、數據增長區間比例、數據減小區間比例、數據平穩區間比例和數據0值區間比例。優選的，所述步驟1-3中包括如下步驟：步驟1-3-1、使用主成分分析法提取所述參數矩陣P的主成分，設置參數α，選取得分超過α的成分為主成分；步驟1-3-2、根據各特征參數的負荷矩陣，設置參數β，選取負荷矩陣中對主成分貢獻大于β的特征參數作為樣本數據的主要特征因子，記特征因子個數為n，因此所有樣本會形成M個n維的點，記點的集合為mS。優選的，所述步驟(2)包括如下步驟：步驟2-1、輸入超參數聚類個數K，采用k-means方法對點集mS進行無監督聚類；步驟2-2、采用皮爾遜相關系數計算方法計算每個樣本與所在聚類中心特征因子的相關系數，計算公式為：式中，r是相關系數，n是特征參數個數，xi是樣本數據第i個特征參數，yi是聚類中心第i個特征參數；并計算相關系數超過0.85的樣本數量coorN；步驟2-3、調整超參數K，重復步驟2-1和2-2，得到最優聚類結果，即coorN最大，若多個K值使聚類效果最優，則取最小的K值。優選的，所述步驟3包括如下步驟：步驟3-1、根據各聚類中各樣本與聚類中心的相關系數進行加權計算聚類的工況，聚類k工況計算公式為式中，Gk是聚類k工況數據結果，Mk為聚類k中數據樣本的數量，ri是樣本i與聚類中心參數的相關系數，di是樣本i的數據；步驟3-2、統計每個聚類中樣本數量記為M1，M2，…，Mk，…，MK，加權得到整體典型工況；步驟3-3、根據各聚類中樣本數量計算各個聚類在整體數據中的比重，并根據比重結果對各聚類中心參數加權得到全部樣本數據的典型工況，計算公式為式中，G是全部數據的典型工況結果，Mk是第k個聚類中樣本數據數目，M是全部樣本數據數目，Gk是第k個聚類的工況數據。與最接近的現有技術比，本專利技術提供的技術方案具有以下優異效果：本專利技術采用主成分分析及聚類方法對電池數據進行分析，能夠有效構建典型工況，其中主成分分析方法可以提取數據的重要特征，聚類方法可以對數據進行分類，從而構建典型工況數據。該方法可以實現對于儲能系統充放功率情況的整體認知，利用所提取的典型工況曲線可以壓縮數據量，節省計算量。本專利技術具有通用性和可復制性,可推廣應用于儲能系統參與跟蹤發電計劃，參與系統調頻,削峰填谷等不同應用模式下確定的儲能系統充放電功率分析及其典型運行工況曲線的提取、評估以及復驗等。本專利技術實現了對大規模儲能系統典型運行工況的獲取與評價，該方法也適用于不同規模儲能系統運行工況的分析與數據分析，也可推廣應用于電動汽車運行工況的分析與評價。附圖說明圖1是一種電池儲能系統運行數據的典型工況構建方法實現流程圖；圖2是電池數據特征因子分析方法實現流程圖；圖3是電池數據工況構建方法實現流程圖；圖4是某電池SOC跟蹤數據特征因子聚類后各樣本與相應聚類中心相關系數結果；圖5是某電池SOC跟蹤數據四類工況數據圖；圖6為某電池SOC跟蹤數據整體典型工況數據圖。具體實施方式下面結合附圖對本專利技術作進一步詳細說明。為了使本專利技術的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本專利技術進行進一步詳細說明。該實施例僅用于解釋本專利技術，并不構成對本專利技術保護范圍的限定。此外，下面所描述的本專利技術各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。如圖1所示，本專利技術實施例提供了一種電池儲能系統運行數據的典型工況構建方法，其包括特征因子分析模塊和工況構建模塊，分析方法步驟如下：步驟1根據待分析數據特性設計數據的特征參數，如樣本最大值、樣本最小值、樣本幅值、樣本平均值、樣本非0值區間均值、樣本標準偏差、一階導最小值、一階導最大值、一階導標準偏差、數據增長區間比例、數據減小區間比例、數據平穩區間比例、數據0值區間比例等特征參數。步驟2對每個樣本計算其特征參數，得到特征參數矩陣。步驟3對特征參數矩陣進行主成分分析，計算每個特征參數對主成分的貢獻，從而提取可以代表數據屬性的主要特征因子。步驟4依據各樣本數據的主要特征因子進行無監督聚類，計算各聚類中心的參數特征。步驟5根據聚類中樣本與聚類中心特征因子相關系數加權得到聚類工況數據，根據各聚類中樣本數量，加權得到整體典型工況數據。如圖2所示，本專利技術實施例提供了一種電池數據特征因子分析方法，包括如下步驟：步驟1根據待分析數據特性設計數據的特征參數，如樣本最大值、樣本最小值、樣本幅值、樣本平均值、樣本非0值區間均值、樣本標準偏差、一階導最小值、一階導最大值、一階導標準偏差、數據增長區間比例、數據減小區間比例、數據平穩區間比例、數據0值區間比例等特征參數。步驟2樣本數量記為M，特征參數數量記為N，計算每個樣本的每個特征參數，構成M*N參數矩陣P。步驟3使用主成分分析方法提取矩陣P的主成分，設置參數α，選取得分超過α的成分為主成分。步驟4根據各特征參數的負荷矩陣，設置參數β，選取負荷矩陣中對主成分貢獻大于β的特征參數作為樣本數據的主要特征因子，記特征因子個數為n，因此所有樣本會形成M個n維本文檔來自技高網...

【技術保護點】
一種電池儲能系統運行數據的典型工況構建方法，其特征在于，所述方法包括如下步驟：(1)采用主成分分析方法提取電池樣本數據特征矩陣的主要成分，并根據計算每個特征對主成分的貢獻提取代表數據屬性的主要特征因子；(2)采用無監督聚類方法根據樣本數據的主要特征因子對數據分類，并計算各聚類中心的參數特征；(3)根據各聚類樣本數量比例及聚類中樣本與中心參數相關性加權得到典型工況數據。

【技術特征摘要】
1.一種電池儲能系統運行數據的典型工況構建方法，其特征在于，所述方法包括如下步驟：(1)采用主成分分析方法提取電池樣本數據特征矩陣的主要成分，并根據計算每個特征對主成分的貢獻提取代表數據屬性的主要特征因子；(2)采用無監督聚類方法根據樣本數據的主要特征因子對數據分類，并計算各聚類中心的參數特征；(3)根據各聚類樣本數量比例及聚類中樣本與中心參數相關性加權得到典型工況數據。2.根據權利要求1所述方法，其特征在于，所述步驟(1)包括如下步驟：步驟1-1、根據所述電池樣本數據特性進行設計數據的特征參數；步驟1-2、設樣本數量為M，特征參數數量為N，計算每個樣本的每個特征參數，構成M*N參數矩陣P；步驟1-3、對所述參數矩陣進行主成分分析。3.根據權利要求2所述方法，其特征在于，所述步驟1-1中，所述特征參數包括：樣本最大值、樣本最小值、樣本幅值、樣本平均值、樣本非0值區間均值、樣本標準偏差、一階導最小值、一階導最大值、一階導標準偏差、數據增長區間比例、數據減小區間比例、數據平穩區間比例和數據0值區間比例。4.根據權利要求2所述方法，其特征在于，所述步驟1-3中包括如下步驟：步驟1-3-1、使用主成分分析法提取所述參數矩陣P的主成分，設置參數α，選取得分超過α的成分為主成分；步驟1-3-2、根據各特征參數的負荷矩陣，設置參數β，選取負荷矩陣中對主成分貢獻大于β的特征參數作為樣本數據的主要特征因子，記特征因子個數為n，因此所有樣本會形成M個n維的點，記點的集合為mS。5.根據權利要求1所述方法，其特征在于，所述步驟(2)包括如下步驟：步驟2-1、輸入超參數聚類個數K，采用k-means方法對點集mS進行無監督聚類；步驟2-2、采用皮爾遜相關系數...

【專利技術屬性】
技術研發人員：李相俊，龐旭林，王向前，惠東，賈學翠，劉家亮，張宇，劉舒，
申請(專利權)人：中國電力科學研究院，國家電網公司，國網上海市電力公司，
類型：發明
國別省市：北京,11