一种基于L-S神经网络电化学储能电池数据分析方法及系统

本发明公开了一种基于L‑S神经网络电化学储能电池数据分析方法及系统，涉及电化学储能系统的智能故障诊断技术领域，包括收集电化学储能电池运行数据生成标签；进行数据增强构建电池故障状态监测模型；利用模型对电池运行状态进行分析获取故障状态预测结果。本发明提供的基于L‑S神经网络电化学储能电池数据分析方法通过线性插值进行数据增强，生成合成样本丰富样本空间，提升模型训练的精度与泛化能力；通过逐层预训练LWDA‑AE网络，并堆叠其编码器构建LWDA‑SAE模型，优化重构误差，深入挖掘数据层次间的潜在关系，从而显著提高故障状态监测的精度，本发明在电化学储能电池监测精度、诊断效率以及准确性方面都取得更加良好的效果。