一种基于可解释深度学习算法的电池剩余寿命预测优化方法

本发明提出一种基于可解释深度学习算法的电池剩余寿命预测优化方法，所述方法包括：构建数据集并进行预处理；基于预处理数据集构建模型输入数据；基于深度学习构建电池剩余寿命预测模型；通过可解释深度学习算法解释模型在预测过程中的决策行为并量化输入数据在预测过程中的贡献程度；根据模型解释结果优化老化数据及预测过程。本发明通过可解释深度学习算法计算输入特征对神经网络输出的电池剩余寿命预测值的边际贡献，量化不同工况，不同特征参数，不同老化阶段的数据在寿命预测过程中的贡献程度，从而识别重要老化特征并去除无用数据，从数据源方面优化预测过程，在保证预测准确性的同时加快预测速度，以减少计算资源的消耗。