摘要
本发明公开了一种电池热失控预测方法、训练方法和装置,方法包括:获取待预测的电池数据,并将待预测的电池数据输入至预先训练好的电池热失控预测模型;电池热失控预测模型包括多个子模型,多个子模型基于不同机器学习算法训练得到;利用多个子模型分别对待预测的电池数据进行电池热失控预测,对应获得多个预测结果;根据子模型的性能指标以及一致性计算获得子模型的模型评分,并根据模型评分对多个预测结果进行计算获得最终的预测结果;其中,性能指标是对子模型进行性能评估后获得,一致性是根据不同子模型的性能指标之间的差异确定。本发明能够提升热失控预测的准确性与稳定性。
技术关键词
电池热失控
机器学习算法
贡献率
统计特征
指标
验证算法
数据获取模块
电池状态数据
热失控预测
随机森林
热失控风险
贝叶斯算法
决策树算法
标签
处理器
充电工况
溯源数据
系统为您推荐了相关专利信息
多模态数据分析
预警方法
融合特征
设备健康状态
故障传播路径
智能配电网
综合评价方法
综合评价指标
综合指标体系
电压越限风险
监测管理方法
异常设备
识别风险
站点
数字孪生模型