本發明提供了基于鯨魚優化算法的模型生成方法及數據預測方法,模型生成方法包括:對多個鋰離子電池進行soak實驗和充放電循環實驗,得到自放電壓降數據和充放電曲線;從每個充放電曲線中提取動態特征,將將其與自放電壓降數據進行灰色關聯度分析,得到每個充放電曲線對應的數組,提取每個數組中特性相同的數據組合為目標數據;根據預設條件,將各目標數據劃分為兩類數據,并進行隨機組合,得到多種組合數據;分別訓練多個梯度提升模型,使用鯨魚算法優化預測值和回歸樹數量,得到最終的預測模型。本發明用于模擬常規技術中的soak方法,只需對待測鋰離子電池進行一次充放電實驗,即可獲取到該待測鋰離子電池的自放電壓降數據,省時省力,且精度較高。
聲明:
“基于鯨魚優化算法的模型生成方法及數據預測方法” 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)