摘要
本发明提供了一种电池寿命预测方法、装置、电子设备及存储介质,属于储能电池技术领域,所述方法包括:对电池容量数据进行完全多模态分解,得到时间序列数据;对时间序列数据进行卡尔曼滤波,得到特征数据;将预设的RNN模型、LSTM模型以及CNN模型通过全连接层融合,得到初始预测模型;基于特征数据对所述初始预测模型进行训练和预测,得到最终的电池寿命预测结果。本发明有效地解决了现有技术因数据噪声干扰导致预测精度不足的技术问题。
技术关键词
电池寿命预测方法
LSTM模型
卡尔曼滤波
序列
电池寿命预测装置
多模态
储能电池技术
电子设备
深度学习模型
数据噪声
框架
过滤模块
存储器
程序
优化器
种子
训练集
处理器
系统为您推荐了相关专利信息
脊柱关节炎
骶髂关节炎
骶骨
评分方法
伪彩色图像
图像增强模型
伪影
连续系统
小波变换处理
医学影像技术
智能装备
LSTM模型
无人化智能
网络传输模块
性能监控系统