【技术实现步骤摘要】
本专利技术涉及动力电池数据预测，具体涉及动力电池退役量预测方法、装置、设备及存储介质。
技术介绍
1、随着全球能源问题和环境问题的日益突出，新能源汽车作为一种环保、低碳、高效的交通工具，逐渐受到各国政府和消费者的关注，当下，新能源汽车已经成为全球汽车行业的研发和制造方向之一。随着新能源汽车产销量的快速增长，在可预见的未来，新能源汽车动力电池将迎来大规模退役，回收利用和梯次利用行业发展潜力巨大，已成为业界关注热点。动力电池的退役量将对回收利用模式和价值有重大影响，因此，准确把握动力电池退役量行情和长期发展态势，对生产、回收、梯次、融资等企业行为、政府政策的制定等提供制定参考依据。针对新能源汽车动力电池的退役量研究目前大多采用定性和定量结合的方法，广泛借助专家打分法和数学统计模型作为预测手段，主观性较强，准确性较低，在已有的新能源汽车动力电池退役量预测方法中，灰色模型适用于原始数据完整性和可靠性较低的数据序列，多元回归模型需要引入多个变量，可能忽略了未知因素的影响或因引入无关变量而导致预测精度较低。从而需要更准确的预测方法来预测动力电池的退
【技术保护点】
1.动力电池退役量预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述创建用于预测未来各时间的动力电池产品使用数量的巴斯扩散模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述引入冲击函数的巴斯扩散模型为：
4.根据权利要求3所述的方法，其特征在于，所述冲击函数至少包括矩形冲击函数、指数冲击函数和组合冲击函数中的一种，所述组合冲击函数是所述矩形冲击函数和所述指数冲击函数组合得到的冲击函数。
5.根据权利要求4所述的方法，其特征在于，所述指数冲击函数为下式：
6.根据权利...
【技术特征摘要】
1.动力电池退役量预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述创建用于预测未来各时间的动力电池产品使用数量的巴斯扩散模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述引入冲击函数的巴斯扩散模型为：
4.根据权利要求3所述的方法，其特征在于，所述冲击函数至少包括矩形冲击函数、指数冲击函数和组合冲击函数中的一种，所述组合冲击函数是所述矩形冲击函数和所述指数冲击函数组合得到的冲击函数。
5.根据权利要求4所述的方法，其特征在于，所述指数冲击函数为下式：
...
【专利技术属性】
技术研发人员：王震坡，龙超华，刘鹏，祁春玉，慕生鹏，李海涛，赵菲菲，
申请(专利权)人：北京理工新源信息科技有限公司，
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。