发明公开
- 专利标题: 基于深度学习模型和降维机制的电池状态预测方法和装置
-
申请号: CN202410731964.7申请日: 2024-06-06
-
公开(公告)号: CN118501715A公开(公告)日: 2024-08-16
- 发明人: 陈小龙 , 龙雄峰 , 谷婧瑜 , 李玲 , 邓凯文 , 蔡振满 , 方德 , 凌青 , 林兆红 , 刘家秀 , 谢国健 , 徐达艺 , 刘建明 , 周艳伟
- 申请人: 广东电网有限责任公司湛江供电局
- 申请人地址: 广东省湛江市霞山区海滨大道南50号
- 专利权人: 广东电网有限责任公司湛江供电局
- 当前专利权人: 广东电网有限责任公司湛江供电局
- 当前专利权人地址: 广东省湛江市霞山区海滨大道南50号
- 代理机构: 北京康信知识产权代理有限责任公司
- 代理商 汪凡
- 主分类号: G01R31/367
- IPC分类号: G01R31/367 ; G01R31/387 ; G01R31/378 ; G01R31/36 ; G01R31/385 ; G01R31/388 ; G06F18/241 ; G06F18/2135 ; G06F17/16 ; G06N3/0442 ; G06N3/08 ; G06N3/006
摘要:
本申请提供了一种基于深度学习模型和降维机制的电池状态预测方法和装置,该方法包括:采集目标电池的运行数据得到第一目标数据,并根据第一目标时段内获取的第一目标数据构建预测数据集;通过MPPI‑PCA算法对预测数据集进行降维,得到第一目标数据集;将第一目标数据集输入目标OPSLSTM网络进行目标电池的SOC值预测得到目标SOC值,根据目标SOC值更新目标电池显示的SOC值。该方法解决了现有技术中SOC预测方法精度较低的问题。