摘要
本发明提供了一种电源热失控预测模型生成方法和电源热失控预测方法,通过收集煤矿特殊工况中锂电池的正常和热失控样本数据,生成锂电池电芯的热失控数据集,由此得到训练集以及电源热失控的样本概率值;构建包括多维度注意力模块和门控循环单元模块的深度学习模型并采用萤火虫算法确定模型参数;使用所述训练集对所述深度学习模型进行训练;根据所述样本概率值与所述深度学习模型输出的模型预测概率值得到损失值,采用Adam算法优化门控循环单元模块的参数;将训练完成后的所述深度学习模型集成到电池管理系统中进行热失控预测,能够更准确、更安全可靠地对热失控进行预测,满足煤矿这些特殊场景下对安全性和可靠性的切实需求。
技术关键词
热失控预测
深度学习模型
模型生成方法
门控循环单元
样本
电源
注意力
电池管理系统
Adam算法
萤火虫算法
预训练模型
模块
锂电池
位置更新
电池健康状态
热失控预警
电池荷电状态
数据
亮度
训练集
系统为您推荐了相关专利信息
疲劳状态检测
面部
深度学习模型
疲劳检测方法
数据