新能源——储能系统电池容量预测
数境创新大赛平台 (industrial-bigdata.com)
得分情况2月23日第31名
数据分析：
每个电池数据保存在一个xlsx文件中，每个xlsx文件中包含三种sheet，分别是循环数据(1张)、工步数据(1张)、详细数据(n张)。其中循环数据记录了电池不同循环下的对应容量，工步数据记录了所有循环内的运行工步状态（包括恒流转恒压充电、恒流放电和静置），详细数据则记录了每次工步执行的具体时间。
思路：
-
首先，将每个电池的数据提取成一张表格数据，最终的表格中，每一行代表一个循环下的所有信息，包括
容量、工步状态的统计值（比如该循环内静置次数为2，则静置工步数为2）、工步执行时间（工步具体的执行总时长）。 -
然后，建立回归预测模型，如
LightGBM。使用当前循环的特征数据（工步状态和时间）预测当前循环下的电池容量。
问题：
-
部分电池中存在
工步执行时间缺失的问题。建立时序自回归预测模型，即通过历史电池容量预测未来电池容量。这里使用DLinear作为baseline。输入和输出窗口大小均设置为10 -
存在部分电池提取的特征异常，导致预测出的容量异常。对预测结果后处理。
-
存在部分电池循环后期特征异常，导致预测结果异常，从循环中期开始，使用时序自回归预测未来容量。
改进思路：
1. 这里我是使用pandas中的group来统计的工步状态，然后选择group中各部分的最大值作为工步执行的时间，然而当一个循环内某个工步执行多次时，则只能统计到执行时间最长的工步。而本来应该统计所有执行工步运行的总时间
1. 如何选择有效特征和进行特征工程。静置时间可能导致极化效应，放电时间可以反映电池的容量。数据集中的充电时间通常过长，或者多次充电，可能是为了保证满充。有可能引入误差
1. 进行自回归预测会导致误差累计等问题。可以考虑引入其他变量进行修正，比如考虑使用`容量`+三种`工步状态`进行回归预测下一步的`容量`。
1. 考虑不同数据集的分布情况，选择与测试集分布类似的数据集进行训练集。
训练集中6、12、13、16和测试集5、7、8、11、15运行工况差不多。
| 恒流放电_x | 恒流转恒压充电_x | 静置_x | 恒流放电_y | 恒流转恒压充电_y | 静置_y |
|---|---|---|---|---|---|
| 1 | 1 | 3 | 4000 | 4100 | 600 |
可以考虑不同的预处理和后处理方式。实验发现只进行后处理效果更好。可以参考fig文件夹下保存的实验效果。
训练集数据的原始容量
使用滑动窗口和线性插值替换掉异常值后的容量
基于局部窗口和四分位的异常点判断及线性插值进行替换的方法
import pandas as pd
def replace_outlier_IQR(df, col_name, window=4):
""" 基于窗口的四分位数判断异常 """
q1 = df[col_name].rolling(window=window, min_periods=window).quantile(0.25)
q3 = df[col_name].rolling(window=window, min_periods=window).quantile(0.75)
iqr = q3 - q1 # 计算IQR
threshold = 1.5 * iqr # 定义异常值阈值，这里使用1.5倍IQR
lower_bound = q1 - threshold
upper_bound = q3 + threshold
df['is_outlier'] = ((df[col_name] < lower_bound) | (df[col_name] > upper_bound))
""" 使用全局插值法替换异常值 """
df.loc[df['is_outlier'], col_name] = np.nan # 将异常值替换为NaN
df[col_name] = df[col_name].interpolate(method='linear', limit_direction='both')
df.drop(columns='is_outlier', inplace=True) # 删除标记列
return df[col_name]