本发明公开基于深度学习的
锂离子电池组健康状态预测方法，包括以下步骤：S1、提取锂离子电池组的放电特征参数，并对放电特征参数进行相关性分析；S2、根据相关性分析的结果获取原始特征数据集，并进行特征降维；S3、构建节点退化数据预测模型；S4、将降维特征集输入节点退化数据预测模型中，获取锂离子电池组的节点退化预测数据；S5、将节点退化预测数据转化为节点状态分布预测数据，并基于节点状态分布预测数据获取锂离子电池组健康状态预测结果。本发明能够按照特征提取—相关性分析—特征降维—节点状态分布预测—系统健康状态预测的流程，实现了对锂离子电池组健康状态的准确预知。
声明：
“基于深度学习的锂离子电池组健康状态预测方法” 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)
724
编辑：管理员
来源：北方有色网
咨询细节
