摘要
本发明涉及一种基于随机充电片段和间接特征的锂离子电池容量预测方法,属于动力电池技术领域,包括:数据采集与处理;特征分析与间接特征获取;基于极端随机森林算法的特征2预测;特征2预测结果分析;单体电池容量预测;模型泛化性验证。本发明利用恒流充电过程中两个特定电压范围充电时间分别作为健康特征HF1和健康特征HF2。通过增强鲸鱼优化算法应用到高斯过程回归的超参数寻优中,构建单体电池容量预测模型,大大减少了训练集的数量。本发明能够直接从充电过程中提取高相关性的特征因子,直接将原始测量数据输入所搭建的容量预测模型中,且不受噪声的影响,并实现了在数据量有限的情况下,对不同类型电池容量的精确预测,泛化性良好。
技术关键词
门控循环单元神经网络
锂离子电池容量
单体电池容量
容量预测模型
鲸鱼优化算法
预测特征
充放电数据
随机森林模型
电池放电容量
超参数
性能评估方法
动力电池技术
神经网络模型
恒流充电
电压
网络结构
系统为您推荐了相关专利信息
寿命预测方法
鲸鱼优化算法
BP模型
可靠性预测技术
参数
门控循环单元神经网络
暂态稳定评估方法
搜索算法
通道注意力机制
电力系统稳定
协同优化设计方法
拉丁超立方采样
方位角
鲸鱼优化算法
变量
鲸鱼优化算法
智能整定方法
四轴无人机
飞行控制系统
PID控制器参数