申请/专利权人:国网上海能源互联网研究院有限公司
申请日:2023-12-21
公开(公告)日:2024-04-12
公开(公告)号:CN117872150A
主分类号:G01R31/367
分类号:G01R31/367;G01R31/392;G06N20/20;G06F18/214;G06F18/24;G06N5/01;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明涉及一种基于特征选择与集成学习的储能电池退化估计方法和装置,方法包括:收集电池数据,并对所述电池数据进行预处理,将预处理好的数据分成训练集和测试集;对训练集和测试集中所有样本数据采用相同的方法提取特征并构建特征库;将所述特征库代入到演化学习框架进行特征选择,得到最优特征和预测模型;提取待估计储能电池的最优特征,并采用预测模型对待估计储能电池进行退化估计。本发明能够提高机器学习模型精确度,减少运行时间。
主权项:1.一种基于特征选择与集成学习的储能电池退化估计方法,其特征在于,包括以下步骤:收集电池数据,并对所述电池数据进行预处理,将预处理好的数据分成训练集和测试集;对训练集和测试集中所有样本数据采用相同的方法提取特征并构建特征库;将所述特征库代入到演化学习框架进行特征选择,得到最优特征和预测模型;提取待估计储能电池的最优特征,并采用预测模型对待估计储能电池进行退化估计。
全文数据:
权利要求:
百度查询: 国网上海能源互联网研究院有限公司 基于特征选择与集成学习的储能电池退化估计方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。