电池状态参数预测方法、预测模型的训练方法、装置、储能设备及计算机可读存储介质

AITNT
正文
推荐专利
电池状态参数预测方法、预测模型的训练方法、装置、储能设备及计算机可读存储介质
申请号:CN202411674175
申请日期:2024-11-20
公开号:CN119623520A
公开日期:2025-03-14
类型:发明专利
摘要
本申请提供一种电池状态参数预测方法、预测模型的训练方法、装置、储能设备及计算机可读存储介质。该电池状态参数预测方法包括:获取电池包的时间特征序列,时间特征序列包括历史时间段内电池包的至少一观测参数的数据,观测参数与电池状态参数相关;基于预测模型对时间特征序列进行处理,以获取当前时刻的电池状态参数预测值,其中,预测模型包括第一网络结构及第二网络结构,第一网络结构基于跨变量注意力机制Crossformer架构,第二网络结构基于前馈神经网络。本申请提供的电池状态参数预测方法可提高电池状态参数预测的准确度。
技术关键词
电池状态参数 网络结构 前馈神经网络 注意力机制 序列 解码器 时间段 储能设备 训练集 可读存储介质 变量 编码器 网络模块 电池荷电状态 基准 分段
系统为您推荐了相关专利信息
1
一种绝对相位展开模型的训练方法、三维重建方法
包裹相位 条纹级次 残差模块 三维重建方法 双目结构光
2
一种基于人脸识别监督学习的方法
人脸图像数据 身份证照片 双线性插值方法 人脸识别模型 GAN模型
3
一种机器人运动规划优化方法
机器人运动规划 深度前馈神经网络 机器人运动路径 点云 数据
4
一种基于数字孪生的模具温度场协同调控方法
模具温度场 协同调控方法 分布式光纤温度传感器 集合卡尔曼滤波 数字孪生体
5
一种轻量级的由视频估计3D人体姿态的算法
匈牙利算法 交叉注意力机制 关节 视频 人体关键点
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号