摘要
本发明公开了一种基于相似时序特征和改进粒子群优化算法的锂电池健康状态估计方法,涉及锂电池储能技术领域,该方法包括:获取原始数据,提取锂电池充放电过程中的物理特征及时序特征;采用改进粒子群优化算法优化变分模态分解,对锂电池健康状态数据进行分解;基于物理特征、时序特征及锂电池健康状态之间的相关性分析,筛选出强相关特征;构建具备自适应优化机制的状态预测模型,通过不同分量训练与预测,重组输出锂电池健康状态预测值;建立源域数据集与目标域数据集,通过迁移学习优化,提升状态预测模型的预测性能。本发明通过分析锂电池的充放电过程数据提取物理特征,提取新的深层次特征对锂电池健康状态进行准确表示。
技术关键词
锂电池健康状态
粒子群优化算法
时序特征
位置更新
卷积神经网络参数
灰狼优化算法
锂电池全生命周期
锂电池储能技术
相关性分析模型
物理
数据
时间滑动窗口
皮尔逊相关系数
恒流充电
速度
因子
机制
系统为您推荐了相关专利信息
模型构建方法
水利系统
分层强化学习
模糊神经网络
注意力机制
风电机组
风电电力系统
惯量估计方法
同步机
动态参数辨识方法
数据处理方法
动态数据管理
缓存替换策略
加密数据
压缩加密算法
控制系统
PID控制器
数学模型
阶段
控制优化技术