01
课程导论
储能故障预测的意义、行业痛点与课程目标
导论行业背景
02
储能系统基础
电池工作原理、BMS架构、常见故障类型
BMS电池
03
数据采集与预处理
传感器选型、数据清洗、缺失值处理
预处理清洗
04
特征工程（上）
时域特征提取：均值、方差、峰峰值
时域统计特征
05
特征工程（下）
频域特征提取（FFT、小波变换）与特征选择
频域小波
06
数据标注与标签定义
故障标签体系构建、专家规则标注
标注标签
07
数据集划分
训练/验证/测试集划分策略与时间序列交叉验证
划分时序CV
08
传统机器学习模型（上）
逻辑回归、支持向量机在故障预测中的应用
LRSVM
09
传统机器学习模型（下）
随机森林、XGBoost、LightGBM对比
RFXGBoost
10
深度学习模型（上）
循环神经网络（RNN）与长短期记忆网络（LSTM）
RNNLSTM
11
深度学习模型（下）
GRU、注意力机制与Transformer
GRUAttention
12
模型训练基础
损失函数选择、优化器配置、学习率调度
损失函数优化器
13
模型训练进阶
正则化、Dropout、早停法与模型检查点
正则化早停
14
模型评估指标
准确率、精确率、召回率、F1-score、AUC-ROC
评估AUC
15
模型解释性
SHAP值、LIME、特征重要性分析
SHAPLIME
16
模型验证策略
K折交叉验证、留出法、滚动时间窗口验证
交叉验证滚动窗口
17
模型部署基础
模型序列化（ONNX、TensorRT）、API服务搭建
ONNX部署
18
模型监控与漂移检测
数据漂移、概念漂移、模型性能衰减
漂移监控
19
案例实战（一）
锂电池过温故障预测模型开发
过温实战
20
案例实战（二）
电池组一致性故障预测模型开发
一致性实战
21
案例实战（三）
绝缘故障预测模型开发
绝缘实战
22
案例实战（四）
SOC/SOH估计与故障关联分析
SOCSOH
23
多模态数据融合
电压、电流、温度、振动数据的融合策略
多模态融合
24
异常检测算法
孤立森林、LOF、自编码器在故障预警中的应用
异常检测孤立森林
25
时序预测模型
ARIMA、Prophet与深度学习时序预测对比
ARIMAProphet
26
模型优化与调参
网格搜索、随机搜索、贝叶斯优化
调参贝叶斯
27
模型鲁棒性测试
对抗样本、噪声注入、极端工况测试
鲁棒性对抗
28
模型合规与安全
功能安全标准（ISO 26262）、数据隐私保护
合规ISO26262
29
项目总结与文档撰写
技术报告、模型卡、部署文档规范
文档模型卡
30
未来展望
数字孪生、联邦学习、边缘AI在储能中的应用
数字孪生联邦学习