摘要
本发明公开了一种基于大数据模型的储能电池性能监测方法及系统,方法包括:采集储能电池的多种运行参数的实时数据;分析电池性能的变化趋势,计算储能电池的历史数据的趋势因子,以用于识别电池性能的长期变化趋势;利用基于神经网络的大数据模型,对所述实时数据和所述趋势因子进行建模,以生成性能劣化预测因子,以用于定量评估电池的劣化速度和状态;根据所述性能劣化预测因子,对电池性能进行预测,生成对应的性能评估分数,以实现储能电池的性能监测。利用本发明实施例,能够通过实时采集多种运行参数,并结合历史数据的趋势因子,利用先进的机器学习技术进行建模和预测,为储能电池的高效管理和维护提供一种创新的解决方案。
技术关键词
储能电池
因子
实时数据
性能监测方法
内阻
温度校正
非线性
递归神经网络
性能监测系统
监测模块
机器学习技术
参数
电流
电压
时间段
分析模块
存储器
处理器
速度