摘要
本发明公开了一种锂离子电池剩余使用寿命预测方法及系统,包括:获取任意时间间隔内待测锂离子电池充电电流和电压数据,以及对应时刻的核心温度和膨胀力数据;将获取的数据输入至训练好的并行混合深度神经网络模型中,得到电池容量和电池剩余使用寿命的预测结果;所述并行混合深度神经网络包括第一编码器、第二编码器和解码器,第一编码器基于输入的充电电流和电压数据提取与寿命相关的高维特征,第二编码器基于输入的核心温度和膨胀力数据提取与寿命相关的高维特征,两个编码器提取的高维特征进行融合后,输入至解码器。本发明综合外部运行参数和内部状态参数,能够更加全面的表征电池老化过程中的电‑热‑力耦合特性,降低电池寿命预测误差。
技术关键词
门控循环单元
电池剩余使用寿命
编码器
深度神经网络模型
解码器
锂离子电池
电池寿命预测
序列
核心
终点
平衡算法
终端设备
电压
数据获取模块
处理器
系统为您推荐了相关专利信息
运动
非暂态计算机可读存储介质
预测装置
矩阵
数值
图像生成模型
建筑模型
噪声预测
深度图
场景生成方法
分数预测模型
问答模型
语义向量
知识图谱构建
行业词典
封堵加固方法
注浆参数
多智能体深度强化学习
注浆设备
强化学习策略