摘要
本发明公开了一种储能电池的分类识别方法及系统、电子设备、存储介质,其先对不同的储能电池进行充放电测试,采集不同储能电池的充放电数据并提取充放电数据的暂态特征,暂态特征可以更好地表征每种储能电池的充放电特性。然后,对每种储能电池的暂态特征进行主成分分析处理,提取出多个主要的特性特征,有效降低了特征维度。然后,构建训练数据集和储能电池辨识模型,并利用训练数据集对储能电池辨识模型进行训练,直至模型收敛。最后,获取待识别储能电池的充放电数据并获取其特性特征,将特性特征输入至训练好的储能电池辨识模型,即可输出储能电池分类结果,可以自适应地准确识别不同类型的储能电池,提高了算法的适用性和鲁棒性。
技术关键词
储能电池
充放电数据
分类识别方法
神经网络模型构建
成分分析
分类识别系统
放电截止电压
充电截止电压
电流
电子设备
测试模块
存储器
识别模块
鲁棒性
计算机
处理器
指标
周期
系统为您推荐了相关专利信息
情感分析方法
多模态脑
瞳孔追踪技术
眼动数据
展示情感
废旧布料
分类回收方法
偏振光
斯托克斯参量
判别特征
变电站
因子
阶段
变压器负载损耗
变压器空载损耗
优化调度模型
配电网变压器
管控方法
日内滚动优化
寿命
轨迹跟踪控制方法
状态观测器
反馈控制器
控制台
迟滞模型