【技术实现步骤摘要】
本专利技术涉及电池，具体涉及一种电池状态预测方法、装置、电子设备及存储介质。
技术介绍
1、nar/narx是一种非线性自回归的神经网络，相较于其他神经网络，它是一种用神经元通过跨尺度方式连接的从输出到输入的反馈模式，同时具备输入延迟和输出延迟，从而使网络具备短期记忆能力，增加对历史数据的记忆功能，适用于电池健康状态预测等时变特性明显的非线性场景。其中nar用于解决只涉及一个序列即时间序列y(t)，y(t)既作为输入也作为输出，其将来值y(t+n)仅根据该时间序列的过去值y(t)进行预测，无需其他序列数据；而narx为有外部(外因)输入的非线性自回归神经网络，根据时间序列y(t)的过去值和另一个时间序列x(t)的过去值来预测前者的将来值y(t+n)。
2、因为narx网络是基于外部输入的模型，需要依赖输入信息进行预测，由于实际情况中在对未来时刻进行预测时，未来的输入是很难获取的，这也使一般narx网络的适用性大大降低。因此，现有的非线性自回归神经网络模型难以准确地预测未来时刻的电池状态。
技术实现
本文档来自技高网...【技术保护点】
1.一种电池状态预测方法，其特征在于，包括：
2.根据权利要求1所述的电池状态预测方法，其特征在于，还包括：
3.根据权利要求2所述的电池状态预测方法，其特征在于，所述将所述电池历史状态数据输入至NAR神经网络，得到电池状态预测结果，包括：
4.根据权利要求1所述的电池状态预测方法，其特征在于，所述将所述电池历史状态影响因素数据输入至NAR神经网络，得到未来时刻的电池状态影响因素数据，包括：
5.根据权利要求1所述的电池状态预测方法，其特征在于，所述基于所述电池历史状态数据及所述电池历史状态影响因素数据，训练NARX神经...
【技术特征摘要】
1.一种电池状态预测方法，其特征在于，包括：
2.根据权利要求1所述的电池状态预测方法，其特征在于，还包括：
3.根据权利要求2所述的电池状态预测方法，其特征在于，所述将所述电池历史状态数据输入至nar神经网络，得到电池状态预测结果，包括：
4.根据权利要求1所述的电池状态预测方法，其特征在于，所述将所述电池历史状态影响因素数据输入至nar神经网络，得到未来时刻的电池状态影响因素数据，包括：
5.根据权利要求1所述的电池状态预测方法，其特征在于，所述基于所述电池历史状态数据及所述电池历史状态影响因素数据，训练narx神经网络，得到第一电池状态预测模型，包括...
【专利技术属性】
技术研发人员：汪鹏程，刘长来，夏诗忠，陈念，赖增岩，朱亮，陈思，姚旺龙，杜晓瑞，代新宇，
申请(专利权)人：骆驼集团武汉光谷研发中心有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。