摘要
本发明涉及一种动力电池以及储能电池健康状态预测方法和系统,包括如下步骤:步骤S1:通过开源数据集获取原始EIS数据,并提取中高频奈奎斯特图圆弧的圆心位置、半径和弧长,以及低频段奈奎斯特图长度作为健康特征,获取到训练集;步骤S2:构建DGPR模型;将训练集输入DGPR进行训练,选择核函数,训练得到超参数,建立准确的电池健康状态预测模型;步骤S3:将测试集中提取的健康特征输入至训练好的健康状态估计模型,根据训练得到的超参数进行电池健康状态预测。本发明能够实现通过截取EIS频率段数据提取健康特征,将健康特征输入DGPR训练得到超参数,根据超参数预测电池健康状态。
技术关键词
电池健康状态
储能电池容量
健康状态预测方法
动力电池
数据
状态估计模型
训练集
超参数
观测误差
圆心
频率
梯度下降法
观测噪声
终点
序列
预测系统
存储器
系统为您推荐了相关专利信息
语义向量
工具推荐方法
非易失性存储介质
对象
样本
数字化管理系统
数据画像
混凝土温度场
马尔可夫链模型
LSTM神经网络
面部特征信息
人脸特征提取
机制
推荐方法
人脸图像数据