【技术实现步骤摘要】
本申请涉及锂离子电池，特别是涉及一种锂离子电池寿命预测模型构建方法、锂离子电池剩余使用寿命预测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、准确预测锂离子电池剩余使用寿命对锂离子电池及电池系统的安全稳定高效运行具有重要影响。其中，基于机器学习的锂离子电池剩余使用寿命预测一直是该领域的研究热点。目前锂离子电池的寿命预测方法仍以纯电池材料性能方法预测或者纯机器学习方法预测为主，无法全面考虑各方面因素来进行综合预测，导致预测精度难以有进一步的提升。
2、此外，在机器学习算法具体应用过程中，即使对于一个超参数恒定的机器学习模型，完成训练后的模型预测精度也并非一成不变，如何在存在精度变化的多次训练中寻找到精度最高的最优结果，也是值得探讨的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高锂离子电池剩余使用寿命的预测精度的锂离子电池寿命预测模型构建方法、锂离子电池剩余使用寿命预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
...【技术保护点】
1.一种锂离子电池寿命预测模型构建方法，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，所述将所述锂离子电池的机理信息与所述原始内层网络进行融合，得到内层网络，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述锂离子电池的样本数据和所述样本数据对应的剩余使用寿命标签，对所述群驱动模型中的每个所述待训练的寿命预测模型进行同步训练，得到训练完成的目标群驱动模型，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，在根据所述锂离子电池的样本数据和所述样本数据对应的剩余使用寿命标签，对所述群驱动模型...
【技术特征摘要】
1.一种锂离子电池寿命预测模型构建方法，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，所述将所述锂离子电池的机理信息与所述原始内层网络进行融合，得到内层网络，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述锂离子电池的样本数据和所述样本数据对应的剩余使用寿命标签，对所述群驱动模型中的每个所述待训练的寿命预测模型进行同步训练，得到训练完成的目标群驱动模型，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，在根据所述锂离子电池的样本数据和所述样本数据对应的剩余使用寿命标签，对所述群驱动模型中的每个所述待训练的寿命预测模型进行同步训练，得到训练完成的目标群驱动模型之前，还包括：
...
【专利技术属性】
技术研发人员：孙万洲，彭鹏，俄立新，李乐卿，李毓烜，闻有为，
申请(专利权)人：南方电网调峰调频发电有限公司储能科研院，
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。