基于贪心-松弛超参数优化的动力电池异常识别方法

本发明公开了一种基于贪心‑松弛超参数优化的电池异常识别方法：步骤1，对车辆运行数据进行预处理；步骤2，选择相关性强的数据作为模型的输入项；步骤3，确定需要被优化的超参数类别，采用贪心‑松弛超参数优化方法进行超参数的优化，得到综合最优超参数；步骤4，将综合最优超参数应用在神经网络预测模型中得到优化后的神经网络预测模型；将相关性强的数据输入至优化后的神经网络预测模型获得输出值，即预测值；步骤5，计算神经网络预测模型的预测值和真实值的残差，当真实值和预测值的差值大于异常阈值时认为异常，否则正常。本发明寻求模型性能和计算效率之间的平衡，实现快速准确的构建电池异常识别神经网络模型，提升了模型的效率。