基于随机误差补偿的锂离子电池剩余寿命预测方法及模型

本申请实施例提供了一种基于随机误差补偿的锂离子电池剩余寿命预测方法及模型，包括：获取数据集，并对数据集进行预处理，将预处理后的数据集划分为训练集、验证集和测试集；基于CNN‑LSTM的网络构架，构建深度学习模型；对深度学习模型进行训练，调整模型参数，得到优化的深度学习模型和优化的模型参数；基于优化的模型参数和测试集，对优化的深度学习模型进行性能评估，得到训练完成的深度学习模型和更新的模型参数；将待预测的锂离子电池数据集输入至训练完成的深度学习模型中，预测锂离子电池荷电状态、剩余使用寿命和峰值功率。本申请的方法减轻了传统神经网络算法严重依赖训练数据精度的局限性，有利于最大限度地延长动力电池的使用寿命。