融合物理机理与深度学习的动力电池短路风险量化评估方法

本发明涉及电池的健康监测领域，公开了一种融合物理机理与深度学习的动力电池短路风险量化评估方法，通过从数据云平台获取实车运行数据，经清洗后用于构建等效电路模型，借助递归最小二乘法拟合模型关键参数，将处理后数据转换为时间序列格式并标准化，划分时间窗口生成目标标签，构建含因果卷积、膨胀卷积等结构的时间卷积网络模型，利用交叉熵损失函数训练模型，以准确率等指标评估，训练好的模型可实时接收电池多维数据，预测短路风险概率，超阈值即触发警报，实现了动力电池短路风险的高精度、实时量化评估，保障电池运行安全。