公开(公告)号：CN119335428A

公开(公告)日：2025-01-21

申请号：CN202411483277.4

申请日：2024-10-23

Applicant: 北京交通大学

Inventor： 张琳静 ,  张彩萍 ,  张哲昕 ,  孙丙香 ,  张言茹 ,  周兴振 ,  侯春旭

IPC: G01R31/392 ,  G01R31/367 ,  G06N20/00 ,  G06N3/0455

Abstract: 本发明提供一种无损保留特征的电池寿命预测方法及系统，属于基于深度学习的锂离子电池寿命预测技术领域，获取待预测电池的参数数据；所述参数数据包括充电数据、放电数据、温度数据和内阻数据；利用预先训练好的预测模型对获取的待预测电池的参数数据进行处理，得到电池寿命预测结果。本发明充分挖掘并利用各类数据中蕴含的老化信息，进行了全面而深入的分析；通过对大量数据特征的筛选和降维处理，在保留关键特征信息的前提下，显著减少了特征维度，降低了模型的复杂度和运行时间，并且提高了寿命预测的精度，确保了预测结果的可靠性和效率。