摘要
本发明提供了一种采用生成式模型的储能电池故障预警方法,包括步骤:采集储能电池的历史数据,并构建基于时序的特征数据集;基于变分自编码器构建无监督学习的数据生成模型,再通过训练获得重构电参数数据模型;基于电参数重构结果和实测电参数偏差结果输出储能电池的风险等级。本发明基于变分自编码器技术,综合考虑充、放电和静置阶段过程进行储能电池故障检测,其通过联合充放电片段及静置片段的数据分析,利用现有数据生成新数据,有效解决了训练数据少,且未考虑静置阶段数据对电池健康状态表征的问题,显著提高了储能电池故障检测的精度,并能对充放电阶段缺少表征的异常储能电池进行有效辨别,其对储能系统的安全、稳定运行具有重要意义。
技术关键词
故障预警方法
储能电池
数据生成模型
组合特征向量
重构
编码向量
无监督学习
样本
参数
电池健康状态
故障检测
风险评估方法
异常数据
充放电数据
编码器技术
偏差
解码器
系统为您推荐了相关专利信息
DOA估计方法
信号特征
协方差矩阵
重构矩阵
特征值
稀疏矩阵向量乘法
加速器
稀疏重构算法
元素
数据格式
多任务学习模型
新能源发电预测
序列
经验模态分解算法
气象
滑坡监测预警系统
多源信息融合
数据通信模块
数据通讯模块
传感模块
动态建模技术
音色特征
生成对抗网络
动态门控
语音识别单元