摘要
本申请提供了电池容量退化膝点的检测方法、装置、设备及存储介质,包括:对电池在恒压充电阶段的电流和容量数据中的关键特征进行提取;其中,关键特征包括电流衰减系数、电流下降平均速率、目标时间点电流比、电流变化曲率以及恒压充电阶段充电电量;对关键特征进行数据预处理,确定出多个关键特征序列;将多个关键特征序列输入至预先训练好的退化膝点预测模型之中,对多个关键特征序列进行自注意力处理以及退化膝点检测处理,预测出电池的容量退化膝点。通过从恒压充电阶段的电流和容量数据中挖掘关键特征向量,为模型分析提供高质量数据支持。利用异常检测能力可初步识别膝点,采用平滑滤波和动态阈值方法处理重构误差,能更精准地检测膝点。
技术关键词
重构误差
序列
动态阈值检测
深度学习模型
数据处理模块
电流
恒压
自动编码器
机器可读指令
电池
动态阈值方法
异常点
滤波
注意力机制
阶段
速率
处理器
系统为您推荐了相关专利信息
医疗影像数据
影像特征数据
形态
疾病风险预测方法
注意力
蛋白质预测模型
底物相互作用
相互作用特征
底物分子
超网络
剩余续航里程
动态修正方法
模式
曲线
动态修正装置