摘要
本发明公开了一种提高退役电池健康状态快速检测精度的方法,包括以下步骤:测试电池获取训练验证数据;数据处理;预训练估计模型;训练异常数据特征模式识别模块;异常数据识别;正式训练估计模型;待检测电池估计;通过引入异常数据特征模式识别和优化模型训练策略,显著提升了电池健康状态估计模型在面对因不同老化路径导致的异常数据特征模式以及不均衡健康状态分布时的整体可靠性和估计精度。
技术关键词
电池健康状态
特征模式识别
异常数据
电池分容柜
样本
测试电池
深度神经网络
分类阈值
曲线特征
恒流充电
标签
电压
深度卷积神经网络
精度
时序特征
欠采样方法
采样点
系统为您推荐了相关专利信息
智能巡检方法
图像识别技术
电力设备智能
水电站
YOLO算法
降噪结构
噪声控制方法
智能变电站
噪声控制系统
拉丁超立方采样
资源使用量
服务器
概率密度函数
生成样本数据
模运算