本發明公開基于深度學習的鋰離子電池組健康狀態預測方法,包括以下步驟:S1、提取鋰離子電池組的放電特征參數,并對放電特征參數進行相關性分析;S2、根據相關性分析的結果獲取原始特征數據集,并進行特征降維;S3、構建節點退化數據預測模型;S4、將降維特征集輸入節點退化數據預測模型中,獲取鋰離子電池組的節點退化預測數據;S5、將節點退化預測數據轉化為節點狀態分布預測數據,并基于節點狀態分布預測數據獲取鋰離子電池組健康狀態預測結果。本發明能夠按照特征提取—相關性分析—特征降維—節點狀態分布預測—系統健康狀態預測的流程,實現了對鋰離子電池組健康狀態的準確預知。
聲明:
“基于深度學習的鋰離子電池組健康狀態預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)