摘要
本发明提供一种锂电池健康状态预测方法及系统,该方法包括以下步骤:获取锂电池充放电循环时的相关原始数据序列;基于相关原始数据序列计算得到健康因子特征序列;构建预测模型,将残差分量序列、波动分量序列及间接健康因子特征序列输入至预测模型得到电池的健康状态预测结果。利用经验模态分解将健康因子特征序列分解成了代表容量再生波动的波动序列分量以及代表整体衰减趋势的趋势序列分量,改善了锂电池“容量再生”带来的预测模型影响,提升了锂电池健康状态估计的预测精度;通过挖掘四个间接健康因子特征序列,多维度的对电池健康状态进行预测估计,从而能够全方位的捕捉电池健康状态的变化趋势。
技术关键词
序列
健康状态预测
分量特征
因子
表达式
锂电池健康状态
锂离子电池
恒压
深度学习模型
波动特征
阶段
网络模块
代表
曲线
数据
系统为您推荐了相关专利信息
数据挖掘方法
港口设备
去噪设备
设备状态数据
设备运行状态信息
质检装置
线路板
小波散射网络
边缘轮廓
频谱特征
多雷达系统
导航坐标系
检测前跟踪方法
表达式
TBD算法