基于张量Tucker分解的软包锂离子电池温度场预测方法及系统

本发明公开了一种基于张量Tucker分解的软包锂离子电池温度场预测方法及系统，所述方法首先通过使用张量Tucker分解技术对电池表面二维温度场数据进行时空分离，随后建立神经网络预测模型用来估计名义系统未来的低阶时间特性，再通过Tucker分解逆变换重构出电池未来温度场的预测信息。本发明采用基于张量Tucker分解的模型简约方法，避免了直接对高阶数据进行逐个建模的复杂计算问题，同时考虑了电池表面温度场二维时空特性，在保证模型精度的同时大幅降低了预测建模的难度。本发明的方法简单易行，特别适用于大型软包锂离子电池温度场预测问题，能够更好地适应计算资源受限系统的建模要求，应用前景广泛。