公开(公告)号：CN119247142A

公开(公告)日：2025-01-03

申请号：CN202411142595.4

申请日：2024-08-20

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 施荣沛 ,  胡一鸣 ,  郭楷淇 ,  姚瑞君

IPC: G01R31/367 ,  G01R31/378 ,  G01R31/392 ,  G01R31/36 ,  G06F30/27 ,  G06F18/2135 ,  G06F18/214 ,  G06F18/2323 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F119/04

Abstract: 本发明适用锂电池技术领域，提供了一种基于深度学习的锂电池性能预测方法，该方法包括：利用目标电池的早期循环数据对训练好的锂电池性能预测模型进行微调训练，使用微调训练完成的锂电池性能预测模型对目标电池的性能进行在线预测，得到目标电池的剩余使用寿命和健康状态，其中，在对锂电池性能预测模型进行微调训练之前，采用样本筛选策略对预设的电池样本数据集进行筛选，得到训练样本集，利用训练样本集对预先构建的锂电池性能预测模型进行离线训练，以得到训练好的锂电池性能预测模型，从而提高了对锂电池性能预测的预测精度和预测效果，并实现了对锂电池容量退化轨迹的准确预测。