摘要
一种变电站后备电源铅酸电池安全状态监控方法及系统,属于变电站运维技术领域,解决现有技术的电池安全状态监控存在的样本量不足、特征提取不精确和处理效率低下的问题;本发明通过采用基于鲁棒估计的生成对抗网络算法进行数据扩充,采用自适应波动优化算法更新神经网络进行特征提取,利用基于流形映射学习的自编码神经网络对提取的特征进行降维,通过基于朗道量子化的支持向量机分类算法对降维后的数据进行分类,将分类结果用于电池安全状态的监控;解决了传统数据采集获取困难和样本不足问题,减少了训练误差和模型的波动性,减少了数据的维度,优化了处理效率和运算负荷,提升了分类精度和稳定性。
技术关键词
变电站后备电源
状态监控方法
铅酸电池
支持向量机分类算法
电化学阻抗谱
数据
量子态
生成对抗网络
参数
重构误差
协方差矩阵
随机噪声
变电站运维技术
Softmax函数
度量
成分分析
误差反向传播
解码器
因子
系统为您推荐了相关专利信息
状态监控方法
时间序列预测模型
端点
时序特征
实时数据
电池容量预测方法
退化机制
电池测试设备
进化算法
数据
人工智能模型
新能源电力传输
状态监控方法
人工智能算法
模式识别
预测模型训练方法
特征值
电化学阻抗谱
内阻
样本