摘要
本发明提供了一种基于数据分析的电池老化预测方法及系统,涉及电池老化预测领域,方法包括:进行使用特征聚类,获取多元使用特征占比,基于多元使用特征占比构建电池老化预测器;根据实时驾驶数据进行极端驾驶补偿分析,输出驾驶补偿系数;将电池监测数据、实时驾驶数据和环境数据输入电池老化预测器,输出预测电池容量衰减比例;根据驾驶补偿系数对预测电池容量衰减比例进行校正,得到校正电池容量衰减比例作为预测结果。旨在解决传统的电池老化预测模型通常基于常规驾驶条件下的数据进行训练,忽略了实际驾驶中可能出现的极端驾驶行为,导致预测结果不够准确的技术问题,可以有效提高极端驾驶条件下电池老化预测的准确性和可靠性。
技术关键词
老化预测方法
电池
数据
加速特征
行驶特征
样本
刹车
前馈神经网络
路面特征
加速度
聚类
车辆
指标
配置特征
训练集
信息检索
校正模块
预测系统
系统为您推荐了相关专利信息
输电杆塔边坡
动态监测方法
风险评估模型
多传感器融合
智能电极
储能系统
历史运行数据
神经网络模型
新能源出力预测
负荷预测模型
海量多源异构
火情监测
数据融合机制
预警方法
分布式训练
集群交换机
内网核心交换机
安全设备
流量转发方法
计算机程序指令
数据生成方法
多任务联合学习
数据生成模型
重构
样本