摘要
本发明涉及电池异常预警,具体涉及基于PRformer时间序列预测模型的电池预警方法,采集电池运行过程中关于电池参数的多维时序数据;构建PRformer时间序列预测模型,利用PRformer时间序列预测模型对多维时序数据进行时间序列预测,得到电池参数在未来时间段内的多维时序数据预测结果;通过数据分析对多维时序数据预测结果进行异常检测,并根据异常检测结果进行异常预警;本发明提供的技术方案能够有效克服现有技术所存在的难以通过长时间序列预测对电池异常进行准确预警的缺陷。
技术关键词
多维时序数据
时间序列预测模型
电池预警方法
递归神经网络
金字塔
门控循环单元
attention机制
变量
卷积模块
多层卷积神经网络
参数
时间段
周期性特征
编码器
上采样
关系建模
系统为您推荐了相关专利信息
语义分割网络
检测模型训练方法
检测损失
图像训练样本
标签
交互注意力
分支
特征加权融合
血管分割
非易失性计算机可读存储介质
Softmax函数
注意力
多尺度特征提取
抑制背景噪声
正则化策略
预训练模型
瑕疵
多分辨率特征
融合纹理特征
图像特征数据