摘要
本发明涉及电池剩余寿命预测技术领域,公开了一种锂离子电池剩余寿命预测方法,该方法包括:将预处理历史工作数据作为特征变量对TCN‑Bi GRU‑AM模型进行训练,并获得训练后TCN‑Bi GRU‑AM模型;设置训练后TCN‑B i GRU‑AM模型的优化目标和超参数空间,并获得关键超参数最优解;将关键超参数最优解赋予训练后TCN‑Bi GRU‑AM模型,并构建电池剩余寿命预测模型;获取待监测电池的实时工作数据,基于电池剩余寿命预测模型和实时工作数据确定待监测锂离子电池的剩余寿命预测值。本发明能够有效捕捉电池退化过程中的容量再生现象,显著降低了预测误差。
技术关键词
剩余寿命预测模型
锂离子电池
时间卷积网络
超参数
门控循环单元
电池表面温度
注意力机制
剩余寿命预测技术
数据
节点数
预测误差
变量
规模
动态
电流
系统为您推荐了相关专利信息
医学图像分割方法
递归残差网络
边界先验
解码器
编码器
车辆故障诊断方法
人工智能模型
训练样本数据
扩展搜索项
智能优化算法
转速调节方法
低噪音电机
工作状态数据
车辆外部环境
汽车空调
产品质量预测方法
混合网络
门结构
门控循环单元
长短期记忆网络
反演模型
水质监测方法
反射率
遥感图像数据
皮尔逊相关系数