本发明专利技术涉及电池技术领域，公开了一种电池能量状态预测方法、装置、设备及介质，该方法包括：对电池历史工作数据进行时间序列分析，构建滞后特征和移动平均特征；对滞后特征和移动平均特征进行标准化处理，得到标准化数据训练集；利用标准化数据训练集对CNN‑PEEPHOLE‑LSTM模型进行训练；该模型包含输入层，卷积层，带有窥视孔连接的长短时记忆网络和输出层；将待测电池工作数据输入至训练好的模型，输出待测电池能量状态。这样可以全面捕捉电池行为的复杂性和动态变化，更好地理解电池系统的行为，提高了预测的准确性和鲁棒性，并能够适应电池行为多样性及环境因素的影响，对于电池技术的进步和应用具有重要意义。
【技术实现步骤摘要】
本专利技术涉及电池，特别是涉及一种电池能量状态预测方法、装置、设备及介质。
技术介绍
1、随着能源转型和电动化时代的到来，电池作为关键的能量存储单元，在电动汽车、便携式电子设备、储能系统等领域发挥着至关重要的作用。电池的能量状态（state ofenergy，soe）是衡量电池当前能量水平的核心指标，其准确预测对于电池的健康管理、寿命延长和性能优化至关重要。然而，电池在使用过程中的行为受到多种因素的影响，包括充放电历史、温度变化、负载波动等，这些因素使得预测电池的能量状态成为一个复杂且具有挑战性的任务。传统的预测方法往往依赖于简化的物理模型或人为经验，但往往难以全面捕捉电池行为的复杂性和动态变化。
2、因此，如何提供一种能适应电池行为多样性和环境变化的高精度电池能量状态预测方法，是本领域人员亟需解决的技术问题。
技术实现思路
1、本专利技术的目的是提供一种电池能量状态预测方法、装置、设备及介质，可以适应电池行为多样性和环境变化，提高电池能量状态预测的准确性和鲁棒性。
>2、为了解决上述技本文档来自技高网...
【技术保护点】
1.一种电池能量状态预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的电池能量状态预测方法，其特征在于，在对电池历史工作数据进行时间序列分析之前，还包括：
3.根据权利要求1所述的电池能量状态预测方法，其特征在于，采用下述公式构建滞后特征和移动平均特征：
4.根据权利要求1所述的电池能量状态预测方法，其特征在于，在构建滞后特征和移动平均特征之后，还包括：
5.根据权利要求1所述的电池能量状态预测方法，其特征在于，在对所述CNN-PEEPHOLE-LSTM模型进行训练的过程中，包括：
6.根据权利要求1所述的电池能量状...
【技术特征摘要】
1.一种电池能量状态预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的电池能量状态预测方法，其特征在于，在对电池历史工作数据进行时间序列分析之前，还包括：
3.根据权利要求1所述的电池能量状态预测方法，其特征在于，采用下述公式构建滞后特征和移动平均特征：
4.根据权利要求1所述的电池能量状态预测方法，其特征在于，在构建滞后特征和移动平均特征之后，还包括：
5.根据权利要求1所述的电池能量状态预测方法，其特征在于，在对所述cnn-peephole-lstm模型进行训练的过程中，包括：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：张靖国，黄光美，张俊涛，孙勇，
申请(专利权)人：运达智储科技河北有限公司，
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。