基于深度学习的电池损耗预测方法、系统、设备及介质

本发明公开了基于深度学习的电池损耗预测方法、系统、设备及介质，涉及农用机械技术领域，方法包括：确定待预测电池在不同工况下的运行数据；对所述运行数据进行分解，得到不同频率成分的模态函数，确定每个频率成分下的模态函数对应的时域特征以及频域特征，将所有时域特征以及所有频域特征进行整合，生成特征向量；根据LSTM模型，对所述特征向量进行处理，得到所述待预测电池对应的电池损耗结果。本发明可以有效地提高新能源电池损耗预测的精度和适应性，降低模型的计算复杂度，并减小对大量历史数据的依赖。