摘要
本发明公开了一种锂电池健康状态监测方法和系统,方法包括:利用传感器实时监测,获得电池的原始数据,对原始数据进行预处理,得到多维时间序列数据,并划分为训练集和测试集;利用多元时间序列插补的生成对抗网络ImputeGAN优化多维时间序列数据,提高多维时间序列数据插补的精度和效率;采用并行卷积神经网络PCNN提取优化后的多维时间序列数据的特征向量;利用对立学习策略、差分排序变异策略对鲸鱼优化算法WOA算法进行改进,得到IWOA算法;将PCNN提取的特征向量输入深度扩展学习用于周期性时间序列预测模型DEPTS中进行训练,同时利用IWOA算法优化DEPTS的参数,利用训练优化后的DEPTS对锂电池健康状态进行监测;本发明能准确、高效的进行锂电池健康状态监测。
技术关键词
锂电池健康状态
时间序列预测模型
监测方法
周期性特征
鲸鱼优化算法
变异策略
生成对抗网络
数据
扩展模块
参数
代表
噪声
处理器
电流
电压
系统为您推荐了相关专利信息
金融风控系统
智能合约执行
风控方法
金融风险控制技术
训练情感分类模型
卫星遥感数据
风险评估模型
监测方法
地理位置信息
样本
逆变器状态
远程监测方法
储能逆变系统
数字孪生模型
图表
煤矿冲击地压灾害
时间序列算法
预警方法
应力
采样点