摘要
本发明公开了基于混合深度模型的船舶动力锂电池健康状态预测方法,具体涉及锂离子电池健康状态预测技术领域;获取船舶动力锂电池在运行过程中的历史监测数据集,并提取健康特征集合;利用聚类集成方法在无标签条件下筛选出具有普适性的最优健康特征组合;基于所述特征组合构建混合深度预测模型,将不同电化学材料体系及多变工况条件下的源域知识迁移至目标域,形成适应性预测模型;利用该模型对目标船舶动力锂电池进行健康状态预测,输出当前健康状态值及未来健康趋势;本发明可在多样化运行环境中实现高精度、强泛化性的电池健康状态预测,具有数据需求低、物理可解释性强和跨域适应性好的优点。
技术关键词
健康状态预测方法
动力锂电池
深度预测模型
历史监测数据
聚类集成方法
船舶
多变工况
电池老化特性
双向长短期记忆网络
局部突变特征
电池健康状态
联合损失函数
滑动时间窗口
输入多尺度
冗余度
外推方法
充放电容量
分支