[发明专利]一种电池SOH预测模型构建方法、预测方法及装置

权利要求书

1.一种电池SOH预测模型构建方法，其特征在于，包括：

基于麻雀搜索算法，确定初始电池SOH预测模型的基础配置参数；

按照所述基础配置参数，调整所述初始电池SOH预测模型，得到待训练电池SOH预测模型；

对所述待训练电池SOH预测模型进行模型训练，优化所述待训练电池SOH预测模型的模型参数，得到目标电池SOH预测模型，以基于所述目标电池SOH预测模型，根据待测电池的状态监控信息，预测所述待测电池的SOH值。

2.根据权利要求1所述的方法，其特征在于，所述基于麻雀搜索算法，确定初始电池SOH预测模型的基础配置参数，包括：

对麻雀搜索算法进行初始配置，以配置所述麻雀搜索算法的发现者数和加入者数、最大迭代次数和适应度计算函数，得到目标麻雀搜索算法；

迭代更新所述目标麻雀搜索算法中各发现者的位置参数；

根据各发现者的位置参数更新情况，更新所述目标麻雀搜索算法中各加入者的位置参数；

当所述发现者和加入者的位置参数迭代更新次数达到所述最大迭代次数时，基于所述适应度计算函数，确定最优位置参数；

根据所述最优位置参数，确定初始电池SOH预测模型的基础配置参数。

3.根据权利要求2所述的方法，其特征在于，所述位置参数和基础配置参数至少包括卷积核大小、卷积核数目、学习率、批次大小、迭代次数和神经元数目。

4.根据权利要求1所述的方法，其特征在于，所述对所述待训练电池SOH预测模型进行模型训练，优化所述待训练电池SOH预测模型的模型参数，得到目标电池SOH预测模型，包括：

获取待测电池对应的模型训练样本；

基于所述模型训练样本，对所述待训练电池SOH预测模型进行模型训练，优化所述待训练电池SOH预测模型的模型参数，得到目标电池SOH预测模型。

5.根据权利要求4所述的方法，其特征在于，所述基于所述模型训练样本，对所述待训练电池SOH预测模型进行模型训练，优化所述待训练电池SOH预测模型的模型参数，得到目标电池SOH预测模型，包括：

将所述模型训练样本输入到所述待训练电池SOH预测模型，以基于所述待训练电池SOH预测模型提取所述模型训练样本的预测特征；

根据各所述模型训练样本对应的预测特征和样本标签，拟合所述预测特征与待测电池的SOH值之间的对应关系，以确定所述待训练电池SOH预测模型的目标模型参数；其中，所述样本标签至少包括所述模型训练样本对应的SOH值；

按照所述目标模型参数，优化待训练电池SOH预测模型的模型参数，得到目标电池SOH预测模型。

6.根据权利要求4所述的方法，其特征在于，所述获取待测电池对应的模型训练样本，包括：

获取所述待测电池在不同老化状态下的状态监控信息；

对所述待测电池在不同老化状态下的状态监控信息进行归一化或标准化处理，构建所述模型训练样本和模型测试样本；

其中，所述模型测试样本用于验证所述目标电池SOH预测模型的预测精度。

7.一种电池SOH预测方法，其特征在于，包括：

获取待测电池的状态监控信息；

将所述状态监控信息输入到如权利要求1至6任一项所述的方法所构建的目标电池SOH预测模型，以基于所述目标电池SOH预测模型预测所述待测电池的SOH值。

8.一种电池SOH预测模型构建装置，其特征在于，包括：

配置模块，用于基于麻雀搜索算法，确定初始电池SOH预测模型的基础配置参数；

模型调整模块，用于按照所述基础配置参数，调整所述初始电池SOH预测模型，得到待训练电池SOH预测模型；

模型构建模块，用于对所述待训练电池SOH预测模型进行模型训练，优化所述待训练电池SOH预测模型的模型参数，得到目标电池SOH预测模型，以基于所述目标电池SOH预测模型，根据待测电池的状态监控信息，预测所述待测电池的SOH值。