基于ALO-OCSVM的电池高维特征异常老化识别方法及装置

一种基于ALO‑OCSVM的电池高维特征异常老化识别方法及装置，包括：步骤A、监测采集电池运行数据，通过特征工程生成有效的高维特征，构建具有高维特征量的训练数据集；步骤B、构建ALO‑OCSVM模型，在步骤A构建的具有高维特征量的训练数据集上求解OCSVM算法，并利用ALO优化参数，得到满足误差要求的异常老化识别模型；步骤C、继续监测采集电池运行数据并生成具有高维特征量的测试数据集，利用步骤B中得到的异常老化识别模型开展异常老化电池的在线监测识别。本发明利用单类支持向量机算法OCSVM实现电池状态的分类，利用蚁狮算法ALO实现参数的全局优化，以适应不同电池老化程度的差异，且具有较高的计算效率和可靠性。