CN119415963A 电源热失控预测模型生成方法和电源热失控预测方法 (中煤科工(上海)新能源有限公司)_第1页
CN119415963A 电源热失控预测模型生成方法和电源热失控预测方法 (中煤科工(上海)新能源有限公司)_第2页
CN119415963A 电源热失控预测模型生成方法和电源热失控预测方法 (中煤科工(上海)新能源有限公司)_第3页
CN119415963A 电源热失控预测模型生成方法和电源热失控预测方法 (中煤科工(上海)新能源有限公司)_第4页
CN119415963A 电源热失控预测模型生成方法和电源热失控预测方法 (中煤科工(上海)新能源有限公司)_第5页
已阅读5页,还剩17页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

电源热失控预测模型生成方法和电源热失本发明提供了一种电源热失控预测模型生意力模块和门控循环单元模块的深度学习模型概率值与所述深度学习模型输出的模型预测概煤矿这些特殊场景下对安全性和可靠性的切实2x为第i个萤火虫的位置,为第j个萤火虫的位置,虫的位置的向量维数,萤火虫之间的相对亮度为位置更新公式为:34.根据权利要求1所述的电源热失控预测模型生成方法,其特征在于,所述损失函数4对锂电池热失控进行提前预测和报警,遇到热失控情况下难以及时反应并阻止事故的发满足目前矿用场景下对热失控风险提前预防和控制[0005]本发明所要解决的技术问题是提供一种电源热失控预测模型生成方法和电源热5j个萤火虫的位置,xi,k为第i个萤火虫在第k置更新公式为其中和分别是第i个和第i个萤火虫在t时刻对所述正常样本概率值的所述真实样本权重值的取值为0.2,针对所述热失控样本概率值[0013]在一些实施例中,当所述6[0019]图1是本发明一实施例提供的电源热失控预测模型生成方法的流程图。如图1所7[0020]参考步骤S11,收集煤矿特殊工况中锂电池使用过程的正常样本数据和热失控样池热失控数据中的短期模式和局部依赖关系。述热失控深度特征分别输入通道注意力模块和空间注意力模块获得通道注意力权重和空,,,,8[0030]参考步骤S13,采用萤火虫算法确定所述深度学习模型的参数。萤火虫算法为来寻找问题最优解。本步骤采用萤火虫模块确定所述深度学习模型的参数,所述参数包括所述深度学习模型的学习率、训练所述深度学习模型的迭代次数、所述空间注意力模块卷积层个数、所述通道注意力模块卷积层个数、所述门控循环单元模块的门控循环单元个数。[0036]萤火虫的亮度可以代表模型的预测性能高低,亮度越高r为光吸收系数,为第i个萤火虫与第i个萤火虫之间的距离,的计算公式为:9i采用Adam算法优化并更新所述门控循环单元模块的参数。Adam算法即适应性矩估计(AdaptiveMomentEstimation是一种深度学习优化算法。所述门控循环单元模块的参[0055]参考步骤S17,训练完成后,输出所述深度学习模型作为所述电源热失控预测模

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论