基于去噪扩散模型的实车动力电池容量衰减轨迹预测方法

本发明公开了一种基于去噪扩散模型的实车动力电池容量衰减轨迹预测方法。该方法首次将扩散生成模型应用于电池容量预测领域，并针对实车工况下的充放电数据构建多模态特征，通过Transformer与CNN提取特征表达，整合为高维嵌入向量。随后，利用基于ContextUnet架构的DDPM模型，在多模态特征的指导下，通过噪声扩散与逆向去噪过程，在噪声环境中学习容量衰减的动态变化规律，实现高精度容量预测。训练过程进一步结合DDIM的隐式去噪机制，在提升预测质量的同时加快推理速度。最终，通过对预测的容量衰减结果进行多次预测采样计算得到容量衰减轨迹置信区间，可用于推导电池健康状态（SOH）与剩余使用寿命（RUL）等关键指标。本方法具有预测精度高、适应性强的特点，显著增强电池管理系统的智能化水平，对新能源汽车电池健康评估和寿命管理具有重要实用价值。