聚类分析架构下基于遗传算法的电池异常数据检测方法

摘要：

异常检测技术对电池数据特征挖掘、退役电池梯次利用筛选分组以及电池运行状态安全评估均具有重要的工程实际意义.为此,该文提出一种基于聚类分析架构的遗传优化异常检测新方法,其特点在于以聚类分析进行异常检测为核心,群智能优化算法被用于解决全局寻优能力的有效途径,通过有针对性地设计目标函数用于描述数据异常状态,实现了对异常数据的有效检测.最后以电池数据异常状态检测为例,通过对比已有方法和该文所提3种聚类思想下异常检测的结果,验证了所提方法在异常检测个性化、灵活性以及准确度的优越性,尤其是基于密度思想的聚类优化检测过程表现出更为优异的检测效果,为实时电池异常状态检测和数据清洗提供了新思路.

关键词：电池异常检测、特征工程、聚类分析、遗传优化算法

所属期刊栏目：47

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：北京市自然科学基金资助项目21JC0026

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：859-867