[发明专利]一种基于流数据的锂离子电池寿命预测方法

权利要求书

1.一种基于流数据的锂离子电池寿命预测方法，其特征在于，包括以下步骤：

获取电池特征的流数据，同时构建若干随机森林模型，然后利用电池特征的流数据对随机森林模型进行训练；

获取待预测电池特征的若干时间序列数据，其中一个时间序列数据对应一个随机森林模型，然后将各时间序列数据输入到对应的随机森林模型中进行寿命预测，再将各随机森林模型输出的寿命预测结果进行求平均，最后将求平均的结果作为最终的电池寿命预测结果。

2.根据权利要求1所述的基于流数据的锂离子电池寿命预测方法，其特征在于，随机森林模型RF_i由若干不同的决策树组成，随机森林模型RF_i的输入为电池第i个特征的流数据；

对于单个决策树，叶节点以外各节点均有一个SVM分类器，在决策树Q*t大小的输入数据基础上，随机抽取t’个时间节点的数据作为SVM分类器的输入数据，SVM分类器将电池分为两类，每个节点以此类推，直到划分至叶节点为止，此时该叶节点存在一个标签，该标签为该叶节点中电池寿命的平均值。

3.根据权利要求1所述的基于流数据的锂离子电池寿命预测方法，其特征在于，SVM分类器的训练过程为：

1)选择惩罚参数C＝1，核函数K(x_i,x_j)为rbf函数，构造并求解凸二次回归问题得最优解

2)选择α^*的一个分量其中，计算

3)得最终分类决策函数为：

4.根据权利要求1所述的基于流数据的锂离子电池寿命预测方法，其特征在于，电池的特征包括电池的电压及温度。