摘要
本申请提出了一种电池健康状态预测方法、装置、设备及存储介质,包括:获取待测电池的充电电压数据;从位于目标电压区间的充电电压数据中,提取用于指示电池健康状态的健康指标;健康指标包括以下至少两种:等压差充电时长、等压差充电能量、电压均值、功率谱密度值、欧几里得距离、曼哈顿距离;采用加权融合方式对健康指标进行融合,得到融合健康指标;将融合健康指标输入已训练的预测模型,获得待测电池对应的电池健康状态预测结果;预测模型是通过集成学习框架,对多个经过群体智能优化算法优化的支持向量机模型进行加权组合而构建的;如此,能够实现实时、高精度、高效率的预测电池健康状态。
技术关键词
电池健康状态
群体智能优化算法
支持向量机模型
指标
电压
待测电池
集成学习框架
斯皮尔曼相关系数
相关性分析方法
集成学习算法
皮尔逊相关系数
计算机程序指令
优化支持向量机
健康状态预测
灰狼优化算法
数据
训练样本集
密度
功率