一种电池系统电压极差的深度学习预测方法及装置

本发明属于储能电池技术领域，公开一种电池系统电压极差的深度学习预测方法及装置；所述方法包括：采集电池簇的电池运行数据；所述电池运行数据包括单体电池极差数据、电池簇充放电功率和电池簇总电压数据；将所述电池运行数据输入预先训练好的深度学习预测模型中预测，获得电池簇未来预设时间内的电压极差预测结果；其中，所述预先训练好的深度学习预测模型为BiGRU‑Transformer‑LSTM模型。本发明采用BiGRU‑Transformer‑LSTM三种不同架构的混合模型，能有效预测电池电压极差变化，可由当前电压、功率信息预测未来一段时间的电压极差变化，并具有电压一致性评估功能；该方法有助于合理规划电池组的充放电策略，延长电池寿命，提高电池的安全性、可靠性。