动力电池热失控预警大模型的迁移学习方法

本发明涉及电池管理技术领域，公开了一种动力电池热失控预警大模型的迁移学习方法，包括：利用云数据平台的动力电池实车运行数据训练热失控预警大模型，学习通用模式；对新车型数据进行预处理并结合扩散模型进行数据增强；加载预训练模型参数，固定底层网络参数，对高层网络进行微调并引入自适应注意力机制；采用交叉熵损失函数和Adam优化器优化模型，结合Warmup和余弦退火策略动态调整学习率；使用测试集评估模型，并结合实时数据与历史预警记录动态调整预警阈值。本发明具有高效的跨领域适应性、显著降低数据需求、提升模型训练效率、强化预警准确性和实时性，为动力电池热失控预警提供了创新性解决方案。