本發明提供了一種預測模型生成方法及自放電壓降預測方法,預測模型生成方法包括:對多個鋰離子電池分別進行soak實驗和充放電循環實驗,得到自放電壓降數據和充放電曲線;從每個充放電曲線中提取動態特征,將動態特征與對應的自放電壓降數據進行灰色關聯度分析,得到目標數據;根據目標數據,構建高斯過程回歸模型,并采用粒子群算法優化訓練好的高斯過程回歸模型的協方差函數和噪聲方差,得到預測模型。本發明根據先驗特征和后驗特征的分布關系,建立高斯過程回歸模型,并采用粒子群算法對高斯過程回歸模型進行優化,得到最終的預測模型,使得精度較高。所以,本發明有效克服了現有技術中的種種缺點而具高度產業利用價值。
聲明:
“預測模型生成方法及自放電壓降預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)