本技术涉及镍镉蓄电池，具体涉及一种镍镉蓄电池健康状态预测方法、装置、计算机设备及计算机可读存储介质。
背景技术：
1、在动车组的镍镉蓄电池的实际应用中，镍镉蓄电池的检修和更换取决于车辆行驶里程或者使用年限，但是，如果仅仅根据车辆运行里程数或者运行年限数作为镍镉蓄电池组的更换判断标准，这无疑大大增加了机车车辆的运行成本，而且通常更换下来的镍镉蓄电池往往还有相当的使用余量，会造成不必要的浪费，增大了对资源的占用。因此，可以通过对镍镉蓄电池健康程度即健康状态进行在线预测，以根据镍镉蓄电池健康状态判断是否需要更换镍镉蓄电池，以有效地缓解资源浪费，延长镍镉蓄电池使用年限，促进产业链可持续发展。
2、然而，现有蓄电池健康状态的预测方法主要是针对锂电池和铅酸蓄电池，而镍镉蓄电池在工作原理、退化机制和内部结构上与前两者有很大差别，并且镍镉蓄电池还具有“记忆效应”等特性，使得现有蓄电池健康状态预测方法并不适用于镍镉蓄电池，即现有蓄电池健康状态预测方法无法较好的实时监测镍镉蓄电池健康状态，且对镍镉蓄电池健康状态的预测精度低。
技术实现思路
1、针对上述技术问题，本技术提供一种镍镉蓄电池健康状态预测方法、装置、计算机设备及计算机可读存储介质，能够实现实时预测镍镉蓄电池的健康状态，且预测精度高。
2、本技术提供一种镍镉蓄电池健康状态预测方法，包括：
3、步骤s1、获取待测镍镉蓄电池在前n个充放电循环次数下对应的电池容量数据序列；
4、步骤s2、结合白鲸优化算法，通过预设模态分解算法对电池容量数据序列进行分解，获得本征模态分量序列；
5、步骤s3、对本征模态分量序列进行筛选重构处理，获得用于表征镍镉蓄电池退化有用分量的电池容量退化数据序列；
6、步骤s4、根据电池容量退化数据序列，通过已训练的镍镉蓄电池容量预测模型对待测镍镉蓄电池的容量进行预测，获得待测镍镉蓄电池在下一次充放电循环时的电池容量预测值；其中，镍镉蓄电池容量预测模型包括融合有lstm-autoencoder模型的改进的transformer模型；
7、步骤s5、根据电池容量预测值获取待测镍镉蓄电池在下一次充放电循环时的健康状态。
8、在一实施方式中，预设模态分解算法包括变分模态分解算法；步骤s2包括：
9、基于白鲸优化算法对变分模态分解算法进行超参数优化，确定优化的分解模态个数和正则化参数；
10、根据分解模态个数和正则化参数对电池容量数据序列进行变分模态分解，获得本征模态分量。
11、在一实施方式中，步骤s3，包括：
12、利用傅里叶变换计算各本征模态分量的幅度谱；
13、根据各本征模态分量的希尔伯特谱的面积，确定各本征模态分量的能量；本征模态分量的希尔伯特谱为本征模态分量的幅度谱的平方；
14、对能量占比大于预设阈值的目标本征模态分量进行数据重构处理，获得用于表征镍镉蓄电池退化有用分量的电池容量退化数据序列；目标本征模态分量的能量占比为目标本征模态分量的能量与所有本征模态分量的能量之和的比值。
15、在一实施方式，步骤s4，包括：
16、通过lstm-autoencoder模型对电池容量退化数据序列进行编码计算，获得待测镍镉蓄电池的容量退化重构特征数据序列；
17、将待测镍镉蓄电池的容量退化重构特征数据序列输入改进的transformer模型，以获得改进的transformer模型输出的待测镍镉蓄电池在下一次充放电循环时的电池容量预测值；改进的transformer模型包括顺序连接的多头注意力层、第一残差与正则化层、第一全连接层、第二残差与正则化层和第二全连接层。
18、在一实施方式中，编码计算的公式为
19、
20、其中，为m维的电池容量退化数据序列且x1,x2,…,xn表示电池容量退化数据序列，为j维经过特征提取和数据压缩降维后的容量退化重构特征数据序列，m表示时间窗口大小。
21、在一实施方式中，将待测镍镉蓄电池的容量退化重构特征数据序列输入改进的transformer模型，以获得改进的transformer模型输出的待测镍镉蓄电池在下一次充放电循环时的电池容量预测值，包括：
22、根据公式将待测镍镉蓄电池的容量退化重构特征数据序列投射为q，k，v；其中，wq、wk、wv为权值矩阵；
23、根据公式和公式计算多头注意力层输出的自注意力值multihead(x)，dk为输入矩阵q、k中列向量的维度，分别表示q，k，v的权值矩阵；
24、根据公式计算待输入第二全连接层的数据xe'ncoder，以经过第二全连接层对数据xe'ncoder进行线性映射，获得待测镍镉蓄电池在下一次充放电循环时的电池容量预测值。
25、在一实施方式中，所述步骤s4之前，还包括：
26、对电池容量退化数据序列进行数据归一化处理；
27、所述步骤s5，包括：
28、对电池容量预测值进行反归一化处理，根据处理后的电池容量预测值获取待测镍镉蓄电池在下一次充放电循环时的健康状态。
29、本技术还提供一种镍镉蓄电池健康状态预测装置，其特征在于，包括：
30、获取模块，用于获取待测镍镉蓄电池在前n个充放电循环次数下对应的电池容量数据序列；
31、分解模块，用于结合白鲸优化算法，通过预设模态分解算法对电池容量数据序列进行分解，获得本征模态分量序列；
32、处理模块，用于对本征模态分量序列进行筛选重构处理，获得用于表征镍镉蓄电池退化有用分量的电池容量退化数据序列；
33、预测模块，用于根据电池容量退化数据序列，通过已训练的镍镉蓄电池容量预测模型对待测镍镉蓄电池的容量进行预测，获得待测镍镉蓄电池在下一次充放电循环时的电池容量预测值；其中，镍镉蓄电池容量预测模型包括融合有lstm-autoencoder模型的改进的transformer模型；以及，根据电池容量预测值获取待测镍镉蓄电池在下一次充放电循环时的健康状态。
34、本技术还提供一种计算机设备，包括：存储器、处理器，其中，所述存储器上存储有用于在所述处理器上执行的计算机程序指令，所述处理器执行该计算机程序指令时，实现如上所述的镍镉蓄电池健康状态预测方法。
35、本技术还提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述镍镉蓄电池健康状态预测方法方法的步骤。
36、如上所述，本技术的镍镉蓄电池健康状态预测方法中，基于白鲸优化算法和预设模态分解算法对待测镍镉蓄电池在前n个充放电循环次数下对应的电池容量数据序列进行分解，并对分解后获得的本征模态分量序列进行筛选重构处理，消除了镍镉蓄电池“记忆效应”以及试验随机性误差问题导致的电池容量波动现象，能够有效的提高电池容量数据的可解释性，进而通过融合有lstm-autoencoder模型的改进的transformer模型预测镍镉蓄电池的健康状态，可以实现实时且准确预测镍镉蓄电池的健康状态的功能，且预测精度高。
1.一种镍镉蓄电池健康状态预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，预设模态分解算法包括变分模态分解算法；步骤s2，包括：基于白鲸优化算法对变分模态分解算法进行超参数优化，确定优化的分解模态个数和正则化参数；根据分解模态个数和正则化参数对电池容量数据序列进行变分模态分解，获得本征模态分量。
3.如权利要求1所述的方法，其特征在于，步骤s3，包括：
4.如权利要求1所述的方法，其特征在于，步骤s4，包括：
5.如权利要求4所述的方法，其特征在于，编码计算的公式为
6.如权利要求4所述的方法，其特征在于，将待测镍镉蓄电池的容量退化重构特征数据序列输入改进的transformer模型，以获得改进的transformer模型输出的待测镍镉蓄电池在下一次充放电循环时的电池容量预测值，包括：
7.如权利要求1所述的方法，其特征在于，所述步骤s4之前，还包括：对电池容量退化数据序列进行数据归一化处理；
8.一种镍镉蓄电池健康状态预测装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器上存储有用于在所述处理器上执行的计算机程序指令，所述处理器执行该计算机程序指令时，实现如权利要求1-7中任意一项的镍镉蓄电池健康状态预测方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机指令，所述计算机指令由处理器运行时，实现如权利要求1-7中任意一项所述的方法。
