[发明专利]一种数据清洗和预测方法及电动汽车移动充电宝系统

摘要

本发明涉及一种数据清洗和预测方法，包括步骤S1.对数据库中的数据进行聚类分析，得到没有归为任何类的数据为异常数据，即待清洗数据；S2.删除异常数据；S3.通过小波神经网络和组合预测方法对异常数据清洗后的数据空位进行预测填补；S4.对单体电池的SOC值进行预测；还涉及一种电动汽车移动充电系统，包括电池模组、放电模块、充电模块、显示屏，其特征在于，还包括绝缘监测模块、数据采集阵列模块以及智能监控管理模块。本发明通过所述智能监控管理模块对数据采集阵列采集的充放电过程中单体电池的异常数据进行清洗，并通过小波神经网络与组合预测方法对清洗后异常数据的数据空位的值以及单体电池的SOC值进行准确预测，确保了系统的可靠性和稳定性。

主权项

一种数据清洗和预测方法，智能监控管理系统模块在充放电过程中对数据库中的数据进行清洗和预测，其特征在于，包括以下步骤：S1.对数据库中的数据进行聚类分析，得到没有归为任何类的数据为异常数据，即待清洗数据；S2.删除异常数据；S3.通过小波神经网络和组合预测方法对异常数据清洗后的数据空位进行预测填补；S4.对单体电池的SOC值进行预测；具体的，所述步骤S3还包括以下步骤：S3.1.通过归一化公式：xi‾=(xi-xmin)/(xmax-xmin)---(1)]]>对异常数据清洗后的数据进行归一化处理，式中，xi为待归一化处理的数据；xmin和xmax分别为数据样本中的最小值和最大值；为归一化处理后的数据；S3.2.分别通过若干种小波基函数的神经网络模型对归一化处理后的数据进行预测学习，并得到一预测学习结果；S3.3.对预测学习结果进行线性加权组合，得到最终的预测结果；S3.4.对最终的预测结果进行反归一化变换，并将反归一化变换后的数据补入数据空位中。