摘要
一种储能无线BMS系统多模态故障预测方法、装置、设备及存储介质,通过以预设时间间隔采集预设模态数据,从电池运行参数中提取空间特征与局部时序特征,从通信信号以及环境信息中提取全局依赖特征序列;将空间特征、局部时序特征、全局依赖特征序列进行特征融合,得到融合特征向量;将融合特征向量输入多路径拓扑模型进行分析,得到各电池的不同类型故障概率。通过融合电池运行参数、通信信号与环境数并基于多路径拓扑模型进行多模态故障预测,具备高灵敏度、低误报率,能够显著提升故障预测精度。
技术关键词
依赖特征
模态特征
时序特征
多路径
故障预测方法
序列
多模态
电池
深度学习模型
故障预测精度
故障预测设备
拓扑网络
故障预测装置
储能
注意力机制
低误报率
可读存储介质
信号
处理器
参数
系统为您推荐了相关专利信息
多模态对话
数据
情感分析模型
文本
情感分析方法
直线滑台模组
数字孪生模型
历史运行数据
激光测距数据
超声波特征
智能检测方法
时序特征
传感器噪声
生成模拟噪声
工业数据处理
历史订单数据
历史订单信息
预警规则
XGBoost模型
时序特征
信息抽取模型
语义特征
数据
依赖特征
条件随机场