基于TimesNet的锂离子电池荷电状态预测方法及模型

本申请实施例提供了一种基于TimesNet的锂离子电池荷电状态预测方法及模型，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TimesNet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；将测试集输入至优化的深度学习模型，并基于优化的模型参数，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；最后，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。本申请的方法及模型有效利用了TimesNet架构有效捕捉多周期性和高鲁棒性，有利于最大限度地延长锂离子电池的使用寿命。