摘要
本申请公开了一种电池荷电状态预测方法、装置、设备及介质,涉及电池技术领域。该方法包括:获取电池在不同工况下的工作数据,并对所述工作数据进行预处理和特征工程,以得到用于进行模型训练的特征数据集;构建多层级神经网络模型,并利用所述特征数据集对所述多层级神经网络模型进行训练,以得到荷电状态预测模型;其中,所述多层级神经网络模型中包含多个层级,并且每个层级内部使用多层长短期记忆网络单元;利用所述荷电状态预测模型对待预测电池的荷电状态进行预测。通过本申请的技术方案,能准确预测电池的荷电状态,并适应电池行为的动态变化及环境因素的影响。
技术关键词
滞后特征
层级
网络优化算法
特征工程
在线学习机制
卡方统计量
电池荷电状态预测
网络单元
特征选择
存储计算机程序
神经网络模型训练
模型训练模块
超参数
数据获取模块
数据处理模块
系统为您推荐了相关专利信息
深度学习检测方法
果冻
多模态
层级
双曲正切函数
电力系统
状态空间模型
训练样本数据
协同过滤算法
主成分分析技术
影像分析方法
功能磁共振数据
多层感知机
层级
静息态功能磁共振