摘要
本发明提供了一种基电池K值实时预测系统及电池制程系统,该预测系统包括若干分别与不同任务类型相对应的人工智能体Agent,分别为依次通信连接的数据采集Agent、特征提取Agent以及预测Agent;数据采集Agent,用于感知和获取电池运行环境中的多维状态信息,以获得原始数据;特征提取Agent,用于将原始数据转化为能够表征电池性能的特征集合,以获得特征数据;预测Agent,用于基于特征数据和所学习到的预测策略执行K值预测,以获得预测K值。上述电池K值实时预测系统,形成多智能体协作机制,各Agent专注于特定任务,通过分工协作与信息传递,能够动态适应电池运行环境的复杂变化,优化了数据处理流程,降低了计算复杂度,满足实时性要求。
技术关键词
预测系统
循环神经网络模型
支持向量机模型
制程系统
多智能体协作
拍卖算法
数据
时间序列特征
强化学习模型
驱动电池
决策
策略
复杂度
动态
内阻
机制
电流