摘要
本发明公开了一种基于动态图卷积与多模态融合的锂电池寿命预测方法和系统。该方法包括:电池数据采集与预处理模块、动态图构建模块、动态图卷积计算模块、多模态融合模块、寿命预测模块和优化与验证模块;对锂电池的多模态数据进行预处理,并构建异构图数据结构;采用动态图卷积神经网络对电池数据进行时序特征提取,捕捉长期和短期动态特性;结合时序特征、自注意力机制及特征加权策略,实现多源数据的深度融合;利用深度神经网络模型预测锂电池的剩余使用寿命,并进行可视化显示。本发明能够精准刻画电池寿命的非线性衰减趋势,提高预测准确率,适用于新能源车辆、电网储能及消费电子领域。
技术关键词
电池状态数据
锂电池寿命预测
剩余使用寿命
时序特征
充放电循环次数
预测误差
多模态
异构
滑动窗口
动态邻接矩阵
深度神经网络模型
策略
模块
多头注意力机制
节点
强化学习算法