摘要
本发明涉及电池储能技术领域,公开了一种电池储能健康状态评估方法及系统,方法包括:分析锂电池的恒功率充放电过程,通过皮尔逊相关性分析,获取与电池储能健康状态高度相关的健康因子;构建双向长短期记忆网络模型,以所述与电池储能健康状态高度相关的健康因子作为模型输入,输出储能电池健康状态估计值;通过改进开普勒优化算法,引入差分进化策略,对所述双向长短期记忆网络模型进行优化。本发明利用改进的开普勒优化算法结合双向长短期记忆网络(BiLSTM)以及注意力机制(Attention),实现了对电池储能系统健康状态的精确估计,提高了电池管理系统的安全性和可靠性,实现对锂电池健康状态的高精度评估,提高模型在复杂工况下的鲁棒性和泛化能力。
技术关键词
双向长短期记忆网络
健康状态评估方法
进化策略
计算机可执行指令
因子
健康状态评估系统
储能电池
锂电池健康状态
信息处理
电池储能技术
电池储能系统
算法
电池管理系统
恒流充电
处理器
系统为您推荐了相关专利信息
模糊规则
模糊隶属度
神经网络预测方法
变量
粒子
通风机
故障识别方法
随机森林模型
故障工况
故障识别装置
粒子群算法
机器人关节
多项式
轨迹规划系统
因子
剩余油
三维数字岩心
划分方法
机器学习方法
岩心样品