摘要
本发明公开了一种针对多体系储能电池多场景状态监测的模型构建方法,涉及电池状态监测技术领域,该方法包括:采集电池的多源数据;对所述电池实时运行数据和电池历史故障数据进行预处理,得到电池数据集;建立电池失效数据库;使用所述电池实时运行数据进行深度学习,构建电池故障诊断初模型;对所述电池故障诊断初模型进行优化,生成电池故障诊断优化模型;实时接收电池的运行数据,进行在线监测和故障诊断。本发明解决了现有技术存在对多体系储能电池多场景状态监测不准确,故障诊断效果差,导致电池可靠性低下的技术问题,达到对多体系储能电池多场景状态的精准监测与故障有效诊断预警,提升了电池系统运行的安全性、可靠性的技术效果。
技术关键词
电池故障诊断
历史故障数据
模型构建方法
储能电池
多场景
梯度下降算法
电池状态监测技术
编码器结构
标签
故障预测数据
特征选择算法
误差
深度学习框架
更新模型参数
构建训练集
深度学习算法
电池管理系统