摘要
本发明提供一种基于大数据的蓄电池组性能评估方法及系统,涉及蓄电池性能评估技术领域,包括:获取待评估蓄电池在不同工况下的充放电数据,对充放电数据进行去噪处理,进行自适应归一化处理得到标准充放电数据,进行均衡处理并分别提取时域特征和频域特征,组合得到高维特征向量;对高维特征向量进行降维操作,得到低维嵌入式表示,生成初始数据集,划分为训练数据集和测试数据集,构建初始预测模型并进行超参数优化,得到第一预测模型;获取实时充放电数据并构建实时特征向量,将实时特征向量添加至第一预测模型中生成实时性能参数,对实时性能参数进行滤波,构建健康状态预测模型进行预测,得到综合性能评估结果。
技术关键词
充放电数据
高维特征向量
健康状态预测
门控循环单元网络
非线性降维算法
时域特征
在线学习算法
频域特征
性能评估方法
超参数
协方差矩阵
过采样技术
梯度下降算法
机器学习算法
蓄电池组
计算机程序指令
系统为您推荐了相关专利信息
电池寿命预测方法
动态状态估计
充放电数据
修正贝叶斯
贝叶斯网
高维特征向量
模态特征
多模态数据融合
交叉注意力机制
构建知识图谱
点分配
编码机制
特征向量空间
数据检索方法
高维特征向量