基于语言模型的电池健康状态预测方法、装置及产品

本发明提供了一种基于语言模型的电池健康状态预测方法、装置及产品，利用上述技术方案，通过在应用侧获取目标电池的电气参数随时间变化的数据，并处理获得符合语言模型的输入特征的输入数据，通过目标语言模型的输出特征获得对应于目标电池的电池健康状态，而在训练侧则可通过电池的物理原理作为物理约束条件，对基础语言模型中预训练的模型骨干进行冻结，而对可调组件进行训练，从而获得目标语言模型，由此，利用预训练的模型骨干的泛化能力，以及物理约束的可解释性带来的泛化能力，减少了模型训练过程中对训练数据的需求量，优化建模过程，提升建模效率，从而提升电池健康状态预测的有效性。