BMS中电芯失效预测的深度学习方法及装置

本申请涉及电池监测技术领域，具体为BMS中电芯失效预测的深度学习方法及装置，方法包括：采集电芯多模态运行数据，划分为时序样本；提取时序样本的时域特征、频域特征和差分特征，利用皮尔森相关系数和互信息进行特征选择，并通过主成分分析降维，构建数据集；基于门控循环单元模型构建电芯失效预测模型，结合注意力机制优化模型性能；在预测电芯失效的基础上，预测电池健康状态与失效时间，引入自适应失效阈值机制，动态调整失效判断标准；构建基于样本选择的增量学习框架，通过新工况样本动态调整预测模型。本方法可显著提升电芯失效预测的准确性、鲁棒性及对复杂工况的适应能力，为电池管理系统提供更可靠的决策支持。