摘要
本发明公开了一种锂电池状态预测方法以及存储介质,所述方法包括:获取目标锂电池的多个时刻的电池运行数据和状态识别模型,其中,所述状态识别模型是基于深度学习模型训练得到的,所述状态识别模型至少包括门控模块和多任务预测模块,所述门控模块用于确定输入特征的权重,所述多任务预测模块用于对两种以上的电池状态参数进行预测;将所述电池运行数据输入状态识别模型中,以得到与锂电运行状态相关的预测参数,其中,所述预测参数至少包括剩余寿命、健康状态和荷电状态,提升了电池管理的效率和准确性,助力优化电池使用与维护,从而延长电池使用寿命。
技术关键词
特征提取模块
状态预测方法
锂电池
数据
深度学习模型训练
电池状态参数
多任务
延长电池使用寿命
识别模型训练
电压
可读存储介质
计算机
电流
助力
指令
系统为您推荐了相关专利信息
铁路异物
入侵检测方法
边缘检测算法
输出特征
网络
深度信念网络模型
润滑油
样本
工况环境
随机森林模型
风险评估模型
多元线性回归模型
信号处理算法
微机电传感器
卡尔曼滤波算法
电力设备故障
条件生成对抗网络
生成对抗网络模型
数据
扩增方法
故障诊断模型
设备预警方法
设备工况变化
故障特征
工业物联网网关