买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种储能电池弱监督学习模型训练方法、装置、计算机设备及存储介质，所述方法包括：获取预设时间段的电池运行数据，所述电池运行数据为弱监督数据；基于初始储能电池弱监督学习模型的多层感知机，对所述电池运行数据进行数据压缩，得到潜在空间；根据所述潜在空间，对所述电池运行数据进行聚类，得到聚类中心，所述聚类中心包括标签；对所述聚类中心的K近邻点进行标签化，并根据得到的标签结果确定训练数据，其中，K为正整数；基于所述训练数据，对所述初始储能电池弱监督学习模型进行训练，直到目标函数满足预设条件，得到储能电池弱监督学习模型，采用本发明降低储能电池故障诊断的诊断成本。

主权项：1.一种储能电池弱监督学习模型训练方法，其特征在于，所述储能电池弱监督学习模型训练方法包括：获取预设时间段的电池运行数据，所述电池运行数据为弱监督数据；基于初始储能电池弱监督学习模型的多层感知机，对所述电池运行数据进行数据压缩，得到潜在空间，所述潜在空间用于表征所述电池运行数据的特征；根据所述潜在空间，对所述电池运行数据进行聚类，得到聚类中心，所述聚类中心包括标签；对所述聚类中心的K近邻点进行标签化，并根据得到的标签结果确定训练数据，其中，K为正整数；基于所述训练数据，对所述初始储能电池弱监督学习模型进行训练，直到目标函数满足预设条件，得到储能电池弱监督学习模型;其中，所述基于所述训练数据，对所述初始储能电池弱监督学习模型进行训练，直到目标函数满足预设条件，得到储能电池弱监督学习模型的步骤包括：通过反向多层感知机，对潜在空间进行数据重构，得到重构数据；基于所述重构数据和训练数据，对所述初始储能电池弱监督学习模型进行训练，直到目标函数满足预设条件，得到储能电池弱监督学习模型；所述基于所述重构数据和训练数据，对所述初始储能电池弱监督学习模型进行训练，直到目标函数满足预设条件，得到储能电池弱监督学习模型的步骤包括：按照如下公式计算目标函数： 其中，为目标函数，wi是指第i个样本数据的权重系数，xi是指第i个样本数据，是指第i个样本数据的重构数据，i是指样本数据的个数，i的取值范围为[1，N]，j是指多层感知机的层数，j的取值范围为[1，M]，是指第i个样本数据经过第j层感知机的输出数据，是指第i个重构数据经过第j层反向感知机的输出数据，β是指阈值参数，hi是指第i个聚类中心在潜在子空间下的低维数据，ck是指第k个聚类中心，k的取值范围为[1，C]，C是指聚类中心的总数，e是指指数函数;其中，所述基于初始储能电池弱监督学习模型的多层感知机，对所述电池运行数据进行数据压缩，得到潜在空间的步骤包括：按照如下公式得到潜在空间： 其中，是指t-1时刻下Rt-1经过第k层感知机输出的潜在空间，k为多层感知机的层数，f为激励函数，Rt-1为t-1时刻的电池运行数据，为第k层感知机的权重参数，是指第k层感知机的偏差。

全文数据：

权利要求：

百度查询： 湘江实验室 湖南红普创新科技发展有限公司 国家电网有限公司 国网湖南省电力有限公司 储能电池弱监督学习模型训练方法、装置及相关设备