基于GBDT机器学习预测的液流电池电压拐点SOC校验方法

基于GBDT机器学习预测的液流电池电压拐点SOC校验方法，属于电力电子与长时储能控制相结合的应用基础技术领域。本发明针对当前ZBFB尚无成型的SOC精确测量技术及评估算法的不足，将机器学习中的GBDT算法应用于ZBFB的SOC实时计算与校验，所做工作可有效提高ZBFB电压拐点处的SOC计算精度，可为开发通用的液流电池SOC算法提供参考。相比于现有技术，具有如下优点：(1)可根据若干组具有代表性的特征数据，采用与ZBFB放电电压拐点处SOC测量相匹配的GBDT校验算法，实现ZBFB拐点处SOC的高精度评估；(2)应用基于极限环分析的GBDT算法校验与时效性判定准则，解决GBDT算法耗时较长的问题，从算法层面为提高GBDT的时效性提供了计算依托。