一种数据增强与迁移学习结合的锂电池RUL预测方法

    公开(公告)号:CN118501711A

    公开(公告)日:2024-08-16

    申请号:CN202410634653.9

    申请日:2024-05-22

    摘要: 本发明涉及锂电池技术领域,具体涉及一种数据增强与迁移学习结合的锂电池RUL预测方法;包括以下步骤:S1:将电池置于不同温度、不同充放电速率下进行实验,获取电池的容量老化特征,并对采集的数据进行预处理;S2:通过三阶多项式实现对S1中预处理后的数据进行增强;S3:通过数据平移实现S1中预处理后数据的增强;S4:基于S2和S3中的数据实现对锂电池RUL的预测;本发明利用三阶多项式与数据平移的增强方法,将原始数据集扩展到更广泛范围,使神经网络模型在训练中获得更多样化、更全面信息;且通过扩充后数据与原始数据共同对模型进行预训练,并分别应用多项式扩充的数据与平移扩充的数据对预训练模型进行微调,提升RUL的预测精度。