摘要
本发明公开一种锂离子动力电池剩余使用寿命预测方法、系统、设备和介质,方法包括:获取锂离子动力电池每个充放电循环最大放电容量数据组成原始序列;利用完全自适应噪声经验模态分解算法分解原始序列得到IMFs数据序列与残差数据序列;将残差数据序列与原始序列做皮尔森相关性分析得到相关性最高的残差数据序列;建立基于Bi‑LSTM的IMFs数据序列预测模型并训练;训练好的基于Bi‑LSTM的IMFs数据序列预测模型预测IMFs数据序列;建立基于Transformer的残差数据序列预测模型并训练,训练好的基于Transformer的残差数据序列预测模型预测残差数据序列;融合预测的残差数据序列和预测的IMFs数据序列,预测锂离子动力电池的剩余使用寿命。本发明提高了预测的精确性。
技术关键词
残差数据
锂离子动力电池
序列预测模型
集成机器学习
经验模态分解算法
充电循环次数
剩余使用寿命预测
噪声
EMD算法
预测残差
训练集
充放电次数
数据采集模块
样本
网格
系统为您推荐了相关专利信息
深度强化学习模型
智能优化控制方法
训练样本数据
智能优化控制系统
传感器
配电网自动化
智能通信模块
物联
控制执行模块
能量管理模块
时序数据压缩方法
预测误差
回归算法
阈值机制
参数
捕捉工具
异常点
时间序列预测模型
网络流量数据
模式
容器日志采集方法
日志采集规则
日志采集系统
节点
权重模型