技術特征：

1.一種基于最小二乘支持向量機的微電網儲能SOC估算方法，其特征是，包括：

利用微電網儲能實驗平臺獲取儲能系統在充放電過程中產生的實驗數據；

基于獲取的實驗數據，得到最小二乘支持向量機訓練模型的訓練集樣本和測試集樣本；

基于所述訓練集樣本，獲得最小二乘支持向量機的最優訓練參數；

基于得到的最優參數，利用訓練集樣本對最小二乘支持向量機進行訓練，得到最小二乘支持向量機的訓練模型；

利用測試集樣本對得到的訓練模型進行測試，評價利用上述訓練模型計算SOC是否有效；

若訓練模型測試有效，則利用得到的最小二乘支持向量機訓練模型對微電網中相應類型儲能系統的SOC進行計算，以確定微電網儲能SOC。

2.根據權利要求1所述的方法，其特征是，儲能系統的充放電過程包括恒流充電狀態過程、恒流放電狀態過程和交替恒流充放電狀態過程；充放電過程中產生的實驗數據包括上述各過程中分別產生的電壓、電流、溫度及SOC數據。

3.根據權利要求1所述的方法，其特征是，獲取儲能系統在充放電過程中的實驗數據，包括步驟：

將充滿電的蓄電池靜止第一設定時長后，使蓄電池工作在恒定電流放電運行狀態，以采樣周期t1，采樣獲得蓄電池在當前狀態下的電壓數據序列、電流數據序列、溫度數據序列及SOC數據序列；

將蓄電池靜止第二設定時長后，使蓄電池工作在恒定電流充電運行狀態，以采樣周期t2，采樣獲得蓄電池在當前狀態下的電壓數據序列、電流數據序列、溫度數據序列及SOC數據序列；

將待蓄電池充滿電后靜止第三設定時長，使蓄電池工作在恒定電流交替充電、放電的運行狀態，以采樣周期為t3，獲得蓄電池在當前狀態下的電壓數據序列、電流數據序列、溫度數據序列及SOC數據序列。

4.根據權利要求2或3所述的方法，其特征是，所述訓練集和測試集樣本的數據集為：

$\stackrel{\‾}{D}=\{X\left(n\right),Y\left(n\right)\},n=1,2,...,M---1)$

其中，M為數據采樣點數，

$\left\{\begin{array}{cc}X\left(n\right)=\[x_1\left(n\right),x_2\left(n\right),x_3\left(n\right)\],& n=1,2,\mathrm{...}M\\ Y\left(n\right)=\[y\left(n\right)\],& n=1,2,\mathrm{...}M\end{array}\right.---2)$

寫成矩陣的形式即X為：

$X=\left[\begin{array}{ccc}{x}_1\left(1\right)& x_2\left(1\right)& x_3\left(1\right)\\ x_1\left(2\right)& x_2\left(2\right)& x_3\left(2\right)\\ \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}\\ x_1\left(M\right)& x_2\left(M\right)& x_3\left(M\right)\end{array}\right],Y=\left[\begin{array}{c}y\left(1\right)\\ y\left(2\right)\\ \begin{array}{c}.\\ .\\ .\end{array}\\ y\left(M\right)\end{array}\right]---3)$

式中，x₁(n)為電壓序列，x₂(n)為電流序列，x₃(n)為溫度序列；y(n)為SOC序列；

且存在映射函數：

Y(n)＝F(X(n)) 4)

滿足蓄電池電壓、電流、溫度與對應的SOC數據之間的關系。

5.根據權利要求4所述的方法，其特征是，定義映射函數類型為f(x)＝(ω·x)+b，引入松弛變量ξ_i≥0及正則化參數γ的最小二乘支持向量機的描述如下：

$\begin{array}{ccc}\underset{\mathrm{\ω},b}{min}& \frac{1}{2}\left|\right|\mathrm{\ω}|{|}^2+\frac{\mathrm{\γ}}{2}\underset{i=1}{\overset{l}{\Σ}}{{\mathrm{\ξ}}_i}^2& \\ s.t.& y_i=\left(\mathrm{\ω}\·x_i\right)+b+{\mathrm{\ξ}}_i,& i=1,\mathrm{...},l\end{array}---5)$

其中，(x_i,y_i)為訓練集樣本數據，l為訓練集樣本數據個數；

最小二乘支持向量機的核函數選取RBF核函數，RBF核函數定義為空間中任一點x到某一中心x_c之間歐氏距離的單調函數：

$k(x,x_c)=\exp (-\frac{\left|\right|x-x_c|{|}^2}{2{\mathrm{\σ}}^2}),\mathrm{\σ}\>0---6)$

其中，x_c為核函數中心，σ²為核函數參數。

6.根據權利要求5所述的方法，其特征是，利用N次交叉驗證方法，獲得最小二乘支持向量機的最優訓練參數；所述N次交叉驗證方法中，N＝10；交叉驗證前，給定最小二乘支持向量機的正則化參數γ范圍為γ∈[γ_min,γ_max]，核函數參數σ²范圍為σ²∈[σ²_min,σ²_max]，交叉驗證訓練時，在γ和σ²的上述范圍內遍歷取值，對每一個參數組合(γ，σ²)均進行N次交叉驗證。

7.一種基于最小二乘支持向量機的微電網儲能估算系統，其特征是，包括：

實驗數據獲取模塊，利用包含儲能系統的微電網儲能實驗平臺，獲取儲能系統在充放電過程中產生的實驗數據；基于所述實驗數據建立最小二乘支持向量機訓練模型的訓練集樣本和測試集樣本；

最小二乘支持向量機訓練模塊，利用所述訓練集樣本，獲得最小二乘支持向量機的最優訓練參數；基于所述最優訓練參數，利用所述訓練集樣本對最小二乘支持向量機進行訓練，得到最小二乘支持向量機的訓練模型；

最小二乘支持向量機測試模塊，利用所述測試集樣本對最小二乘支持向量機訓練模型進行測試，以評價最小二乘支持向量機訓練模型的有效性；

微電網儲能SOC確定模塊，以實際微電網中儲能系統的SOC相關狀態數據作為輸入，利用測試有效的最小二乘支持向量機訓練模型，確定實際微電網中相應類型儲能系統的SOC；所述SOC相關狀態數據包括儲能系統的電壓、電流和溫度數據。

8.根據權利要求7所述的基于最小二乘支持向量機的微電網儲能估算系統，其特征是，實驗數據獲取模塊中，儲能系統的充放電過程包括恒流充電狀態過程、恒流放電狀態過程和交替恒流充放電狀態過程；充放電過程中產生的實驗數據包括上述各過程中分別產生的電壓、電流、溫度及SOC數據。

9.根據權利要求8所述的基于最小二乘支持向量機的微電網儲能估算系統，其特征是，定義儲能系統充放電過程中產生的電壓、電流和溫度數據，與SOC數據之間的映射函數類型為f(x)＝(ω·x)+b，引入松弛變量ξ_i≥0及正則化參數γ的最小二乘支持向量機的描述如下：

$\begin{array}{ccc}\underset{\mathrm{\ω},b}{min}& \frac{1}{2}\left|\right|\mathrm{\ω}|{|}^2+\frac{\mathrm{\γ}}{2}\underset{i=1}{\overset{l}{\Σ}}{{\mathrm{\ξ}}_i}^2& \\ s.t.& y_i=\left(\mathrm{\ω}\·x_i\right)+b+{\mathrm{\ξ}}_i,& i=1,\mathrm{...},l\end{array}---5)$

其中，(x_i,y_i)為訓練集樣本數據，l為訓練集樣本數據個數；

最小二乘支持向量機的核函數選取RBF核函數，RBF核函數定義為空間中任一點x到某一中心x_c之間歐氏距離的單調函數：

$k(x,x_c)=\exp (-\frac{\left|\right|x-x_c|{|}^2}{2{\mathrm{\σ}}^2}),\mathrm{\σ}\>0---6)$

其中，x_c為核函數中心，σ²為核函數參數。

10.根據權利要求9所述的方法，其特征是，最小二乘支持向量機訓練模塊中，利用N次交叉驗證方法，獲得最小二乘支持向量機的最優訓練參數；

所述N次交叉驗證方法中，N＝10；交叉驗證前，給定最小二乘支持向量機的正則化參數γ范圍為γ∈[γ_min,γ_max]，核函數參數σ²范圍為σ²∈[σ²_min,σ²_max]，交叉驗證訓練時，在γ和σ²的上述范圍內遍歷取值，對每一個參數組合(γ，σ²)均進行N次交叉驗證。