摘要
本申请实施例提供一种高精度SOC预测方法、装置、设备及存储介质,该方法包括:以固定时间间隔采集目标电池的电池数据,基于采集的电池数据构建预设长度的滑动窗口序列;基于预先确定的多个电池SOC预测模型分别对滑动窗口序列进行分析,得到多维融合特征序列;基于注意力机制的深度神经网络对多维融合特征序列进行深层编解码,得到目标电池的SOC预测值。通过结合多模型融合与基于注意力机制的深度神经网络的SOC预测方法,适应动态负载环境,实现SOC的精确跟踪。
技术关键词
滑动窗口
SOC预测方法
深度神经网络
序列
注意力机制
融合特征
卡尔曼滤波模型
嵌入特征
等效电路参数
扩展卡尔曼滤波
电池
编码器
非线性
编解码模块
时序
可读存储介质
解码器
数据
处理器
系统为您推荐了相关专利信息
内存占用量
数据处理模型
节点
计算机可读指令
调度装置
GRU神经网络
风险预警方法
神经网络预测模型
预警模型
主成分分析法
功率预测方法
预测风力发电
补丁
特征选择
路由器
超声图像分割方法
融合特征
图像嵌入
掩膜
适配器