[发明专利]一种基于迁移学习的锂电池核温评估方法及系统

权利要求书

1.一种基于迁移学习的锂电池核温评估方法，其特征在于：

包括以下过程：

获取目标域锂电池参量数据；

根据获取的锂电池参量数据和目标域神经网络模型，得到锂电池核温评估结果；

其中，根据源域锂电池的历史数据训练得到源域神经网络模型，根据目标域数据进行源域神经网络模型的全连接层的再训练，得到目标域神经网络。

2.如权利要求1所述的基于迁移学习的锂电池核温评估方法，其特征在于：

锂电池参量数据包括电流、电压和表面温度。

3.如权利要求1所述的基于迁移学习的锂电池核温评估方法，其特征在于：

源域神经网络模型的训练中，以不同环境温度以及不同倍率充放电工况下的锂电池参量数据和锂电池核温作为训练集。

4.如权利要求1所述的基于迁移学习的锂电池核温评估方法，其特征在于：

源域神经网络模型的训练中，对输入的锂电池参量数据进行归一化处理。

5.如权利要求1所述的基于迁移学习的锂电池核温评估方法，其特征在于：

目标域神经网络模型和源域神经网络模型均采用长短期记忆人工神经网络。

6.如权利要求5所述的基于迁移学习的锂电池核温评估方法，其特征在于：

长短期记忆人工神经网络包括输入、隐藏层和输出层，通过内部状态传输线性循环信息，非线性输出通过隐含层输出状态；

长短期记忆人工神经网络的循环单元结构的计算，包括：利用上一时刻的输出状态和当前时刻的输入状态来计算三个门和候选状态，将遗忘门与输入门相结合来更新存储单元，结合输出门将内部状态的信息传递给输出状态。

7.如权利要求5所述的基于迁移学习的锂电池核温评估方法，其特征在于：

对源域神经网络模型的最后两层进行再训练，学习源域锂电池和目标域锂电池之间的差异，源域神经网络模型其他层的参数保持不变。

8.一种基于迁移学习的锂电池核温评估系统，其特征在于：

包括：

数据获取模块，被配置为：获取目标域锂电池参量数据；

核温评估模块，被配置为：根据获取的锂电池参量数据和目标域神经网络模型，得到锂电池核温评估结果；

其中，根据源域锂电池的历史数据训练得到源域神经网络模型，根据目标域数据进行源域神经网络模型的全连接层的再训练，得到目标域神经网络。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于迁移学习的锂电池核温评估方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于迁移学习的锂电池核温评估方法中的步骤。