摘要
本发明公开了一种高海拔地区储能电池温度监测方法及系统。通过环境自适应特征重构,利用热力学模型修正和多频EIS融合特征提取,生成与高原环境相适应的特征向量。热力学模型修正通过引入气压修正系数对对流换热系数进行调整;多频EIS融合特征选取特定频点阻抗值构建向量,并通过随机森林算法动态调整权重。轻量化混合机器学习模型融合LightGBM、1D‑CNN和物理约束粒子滤波模型优势,针对不同工况实现精准预测。高原专属训练机制涵盖数据增强、迁移学习和在线校准,提升模型泛化能力和适应性。本发明解决了高海拔地区储能电池温度监测精度低、模型适应性差的问题,显著提高了监测精度和系统可靠性,为高海拔储能系统安全稳定运行提供保障。
技术关键词
温度监测系统
粒子滤波模型
储能电池
电池核心温度
LightGBM模型
机器学习模型
温度监测方法
数据缺失场景
重构模块
在线校准
随机森林
高海拔
梯度提升决策树算法
高原
瞬态工况
稳态工况
电池自放电率
融合特征提取
气压
系统为您推荐了相关专利信息
储能电池容量
短期预测方法
机器学习模型
线性回归模型
多模型
机电暂态模型
储能变流器系统
同步控制设备
并网系统
有功功率
家用光伏系统
光伏面板
家庭用电
储能电池荷电状态
电能
高精度融合定位方法
路径损耗模型
测距误差
BP神经网络构建
指纹数据库
储能变流器
协同控制方法
储能电池
人工智能算法
有功功率