本发明公开了一种融合未来工况信息和历史状态信息的
锂电池健康状态预测方法。首先基于实验电池在不同工况下的循环实验数据,处理得到由电池历史状态数据、对应未来工况数据和对应未来健康状态数据组成的实验数据集。之后,构建基于注意力层的多源序列到序列神经网络模型,并基于电池实验数据集对模型进行训练。对于待预测电池,取其历史健康状态数据和未来工况数据输入训练完成的多源序列到序列模型,得到该电池的健康状态预测结果。此外,将模型输出作为新一轮的历史健康状态数据,迭代输入至模型,以获得长期预测结果。本发明可适用于预测锂电池未来在不同工况下的健康状态,适用条件广、预测精度高,具有很高的实际应用价值。
声明:
“融合未来工况信息和历史状态信息的锂电池健康状态预测方法” 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)