摘要
本申请属于一种检测方法,针对动力电池异常检测时,存在准确率低,容易漏检,难以有效应用的技术问题,提供一种动力电池异常检测方法及相关装置,借助时序自编码器异常检测模型、第一局部密度异常检测模型和第二局部异常检测模型,对动力电池异常情况进行监测,从形态与分布两类特征构建数据驱动的机器学习模型,描述动力电池动态特性的异常度,生成残差指标和密度指标,并通过匹配度加权建立二者的融合指标,形成动态异常检测阈值的决策图,支撑无监督条件下动力电池的精准异常检测,实际应用中,能够降低动力电池缺陷品和不良品产生的影响,提高动力电池PACK及新能源汽车的安全性与续航。
技术关键词
异常检测方法
动力电池充放电
编码器
无标签数据
指标
密度
时序
样本
超参数
放电截止电压
异常检测系统
解码器结构
可读存储介质
机器学习模型
存储计算机程序
动态
新能源汽车
系统为您推荐了相关专利信息
信息抽取模型
神经网络模型
告警关联分析
语义
系统日志
三元组
节点
预测模型构建方法
时间段
编码器参数
地理实体
命名识别方法
门控循环单元
前馈神经网络
序列