摘要
一种锂电池充电时长预测方法,包括以下步骤;S1:收集锂电池充电数据,将充电数据按时间顺序排序;S2:对锂电池充电数据进行预处理操作;S3:对预处理后的充电数据进行划分:选取一部分数据作为训练集,另一部分数据作为测试集;S4:对充电数据进行Spearman相关性分析,选择合适的特征个数,进行关键特征提取,提取后的特征为开始SOC、SOC变化范围和充电时间;S5:建立充电时长CNN‑BiLSTM‑XGBoost预测模型;S6、将开始SOC、SOC变化范围和充电时间这三类特征数据导入充电时长CNN‑BiLSTM‑XGBoost预测模型中,验证模型的稳定性和预测性能;S7、利用构建的CNN‑BiLSTM‑XGBoost预测模型预测锂电池充电时长,将充电数据输入到存储介质中,并输出预测数据。本发明提高预测的准确性和鲁棒性,从而提升预测性能。
技术关键词
锂电池
XGBoost模型
线性插值法
新能源汽车
模型训练模块
斯皮尔曼相关系数
数据处理模块
预测系统
回归预测模型
训练预测模型
测试模块
非线性特征
可读存储介质
鲁棒性
训练集
指标
误差函数
定义
预测误差