摘要
本说明书提供了储能电池荷电状态的确定方法和装置。先根据预设的训练规则,利用与样本储能电池关联的源域数据,训练得到基于多维度特征表示的Att‑BiLSTM架构的目标特征表示模型;再利用目标特征表示模型作为初始的特征提取模块,构建得到基于改进的DA‑GAN的初始的荷电状态预测模型,并组合使用与样本储能电池关联的源域数据、与目标储能电池关联的目标域数据,训练得到符合要求的预设的荷电状态预测模型。具体实施时,获取目标储能电池的当前预设时间段的运行数据;通过利用预设的荷电状态预测模型处理当前预设时间段的运行数据,确定出目标储能电池的荷电状态。从而能够较为高效、精准地确定出目标储能电池的荷电状态。
技术关键词
特征提取模块
储能电池荷电状态
独立特征
分类网络
判别模块
时间段
数据
训练集
神经网络模型
样本
注意力
参数
误差函数
对抗性
时序
可读存储介质
计算机
指令
系统为您推荐了相关专利信息
标志牌
检测网络模型
缺陷检测方法
融合特征
地面特征
工艺特征
三维特征数据
数据处理方法
神经网络模型
测试特征
电网输变电设备
灰色模型
多尺度特征提取
输变电系统设备
深度学习模型
特征融合方法
滑动窗傅里叶变换
SCADA系统
空间特征提取
电力系统智能分析