一种基于多维特征和GMM的电池充放电检测方法及模型

本发明公开了一种基于多维特征和GMM的电池充放电检测方法及模型，属于电池充放电检测模型技术领域，基于电池物理特性在原始数据上构造多维新特征，采用高斯混合模型(GMM)作为电池充放电异常检测的基本模型，能够适应不同复杂程度的数据分布，采用粒子群算法(PSO)对高斯混合模型(GMM)中的期望最大化(EM)算法的初始参数进行进一步优化，让粒子群算法(PSO)在全局上进行广泛撒点，并给予期望最大化(EM)算法一个合适的初值和隐变量的所有可能取值，使算法能够在全局上进行迭代，降低陷入局部最优的概率；并且还能够有效降低算法的迭代次数并加快算法的收敛速度。本发明方法能够对电池充放电过程中出现的异常电芯进行快速、有效的识别。