【技术实现步骤摘要】
本申请涉及电池管理，尤其是涉及一种电池状态预测方法、系统、设备及存储介质。
技术介绍
1、锂电池作为一种高效、轻便的能量存储解决方案，因其高能量密度、长寿命和较低的自放电率而备受青睐，在便携式电子设备，电动汽车，电网储能等多个领域扮演着重要角色。然而，随着使用时间和循环充放电次数的增加，锂电池性能逐渐下降，影响设备使用体验和系统可靠性。
2、现有的健康状态预测方法主要分为直接测量法、基于模型的方法和数据驱动方法三类。直接测量法通过测量电池的阻抗、电压、电流等参数来推算其健康状态，但直接测量法的应用场景受仪器测量精度和实时性的限制。基于模型的方法则通过建立电池的等效电路模型或物理模型来估算其健康状态，但往往难以全面考虑电池的各种电气特性和电化学过程，导致模型精度不高或建立模型过于复杂导致计算成本高，难以在实际应用中实现在线预测。
3、因此，如何精确地对锂电池的健康状态进行预测成为了亟待解决的技术问题。
技术实现思路
1、为了精确地对锂电池的健康状态进行预测，本申请提供...
【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，所述在判定目标电池满足检测条件时，获取所述目标电池对应的多维运行特征信息的步骤，包括：
3.根据权利要求1所述的电池状态预测方法，其特征在于，所述采用基于通道注意力的多层感知机网络对所述多维运行特征进行特征提取和加权融合生成第一提取结果的步骤之前，还包括：
4.根据权利要求3所述的电池状态预测方法，其特征在于，所述采用基于通道注意力的多层感知机网络对所述多维运行特征进行特征提取和加权融合生成第一提取结果的步骤，包括：
5....
【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，所述在判定目标电池满足检测条件时，获取所述目标电池对应的多维运行特征信息的步骤，包括：
3.根据权利要求1所述的电池状态预测方法，其特征在于，所述采用基于通道注意力的多层感知机网络对所述多维运行特征进行特征提取和加权融合生成第一提取结果的步骤之前，还包括：
4.根据权利要求3所述的电池状态预测方法，其特征在于，所述采用基于通道注意力的多层感知机网络对所述多维运行特征进行特征提取和加权融合生成第一提取结果的步骤，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，所述获取所述目标电池的历史数据，根据双向长短期记忆神经网络对所述历史数据的时序关系进行...
【专利技术属性】
技术研发人员：刘一顺，杨茂林，阳春华，李勃，陈宁，黄科科，
申请(专利权)人：中南大学，
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。