本发明涉及一种基于优化算法与数据驱动的
锂电池健康状态评估方法,其包括:建立初始PSO‑LSTM模型;获取表征锂电池性能的特征参数,将所述特征参数作为输入变量输入到所述初始PSO‑LSTM模型,并将电池健康状况作为所述初始PSO‑LSTM模型的输出进行迭代训练得到训练完备的目标PSO‑LSTM模型;将待预测电池的实时数据输入至所述目标PSO‑LSTM模型,对所述电池健康状况进行预测。本发明将PSO算法强大的寻优能力和LSTM算法的可变长序列的预测能力有效的结合在了一起,为锂电池的健康状态评估提出了一种更加有效的方法,能够迅速而准确的对锂电池的健康状况进行预测。
声明:
“基于优化算法与数据驱动的锂电池健康状态评估方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)