摘要
本发明公开了一种智能电池寿命监测与预测的方法,包括以下步骤:(a)对电池的历史数据进行收集并对其进行数据预处理;(b)利用随机森林选取步骤(a)中预处理后的数据以获得电池充放电过程的新特征数据;(c)初始化BI‑LSTM网络模型参数,并对其进行PSO算法优化;(d)达到最大迭代次数或满足精度条件后,获得最优的BI‑LSTM网络模型参数组合并将其作为BI‑LSTM网络模型的初始值;(e)利用步骤(d)中的参数组合对BI‑LSTM网络模型进行训练和预测,利用训练好的BI‑LSTM网络模型进行预测得到电池剩余寿命。提高了电池剩余使用寿命预测模型的准确性和鲁棒性。
技术关键词
智能电池
粒子
电池剩余使用寿命
网络
参数
数据
随机森林
LSTM模型
算法
鲁棒性
速度
精度
温差
代表
定义
电压
系统为您推荐了相关专利信息
GCN模型
临边洞口
安全设备
侦测方法
防护装置
时空图卷积神经网络
电压稳定评估方法
残差信息
电力系统仿真
时空图模型
信号故障诊断
交通信号灯
故障特征
故障诊断方法
数据
新型锂电池
智能管理方法
智能管理系统
周期
储能