摘要
本申请涉及一种电池充放电异常检测方法、系统、电子设备和存储介质,所述方法包括:获取电池组在进行充放电时的电池状况,得到多个维度的原始充放电数据;对所述原始充放电数据进行特征提取,得到聚合特征;通过主成分分析方法对所述聚合特征进行特征降维处理,得到多个不同维度的低维特征数据;分别通过多种聚类算法对每一低维特征数据进行聚类处理,得到多个聚类结果;通过投票法对所述原始充放电数据和所述聚类结果进行分析,得到所述原始充放电数据中的异常数据,本申请通过降多种无监督学习的聚类方法和降维技术进行结合,避免出现采用单一聚类算法准确度低的问题,能够提高电池充/放电异常检测的准确性和效率。
技术关键词
充放电数据
异常检测方法
主成分分析方法
集成学习算法
轮廓系数
特征值
样本
异常数据
协方差矩阵
新特征空间
聚类算法
异常检测系统
电池组
无监督学习
电子设备
特征提取模块
分类器
系统为您推荐了相关专利信息
工件
电镀工艺
深度卷积神经网络
像素点
去噪模型
个人隐私数据
加密保护方法
轮廓系数
加密数据
健身设备
大坝形变监测系统
高风险
监测场景
异常事件
聚类分析算法
异常检测方法
供电系统
区域集中器
时序特征
深度学习模型
场景提取方法
电力系统
无功负荷
无监督学习
典型