摘要
本申请公开了一种电池健康状态监测方法、装置、设备及介质,涉及电池健康状态估计技术领域。该方法包括:获取储能系统中至少一组电池数据以生成样本数据集;对样本数据集进行数据预处理,并从预处理后的样本数据集中提取目标健康因子与电池容量数据;对目标健康因子和电池容量数据进行相关性分析并在二者之间的相关性满足预设条件后,利用目标健康因子和电池容量数据训练基于预设神经网络的多个基分类器;通过预设集成学习算法将多个基分类器整合为目标强分类器,以便利用目标强分类器预测电池的剩余使用寿命以监测电池健康状态。通过本申请的技术方案,可以实现在不测量电池的容量、内阻和阻抗等参数的情况下,在线对电池健康状态进行预测。
技术关键词
强分类器
集成学习算法
径向基函数神经网络
斯皮尔曼等级相关系数
剩余使用寿命
因子
生成样本数据
电池健康状态监测
储能系统
存储计算机程序
生成训练样本
矩阵
分类器训练
系统为您推荐了相关专利信息
电网设备
调度决策方法
多模态特征融合
设备特征
历史运行数据
储能电池寿命
寿命预测模型
标签
特征提取器
电压
优化极限学习机
灰色关联度
弱分类器
灰色关联分析法
样本
智能监管系统
数据处理中心
无人机系统
高分辨率摄像头
多光谱传感器
深度神经网络模型
二维卷积神经网络
一维卷积神经网络
数据
剩余使用寿命