龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：合肥国轩高科动力能源有限公司
摘要：本发明提供电池分容容量预测方法及系统，方法包括：采用了多门专家混合模型MMOE融合技术，结合CNN‑BiLSTM模型、LightGBM模型，CNN‑BiLSTM模型采用CNN算法对数据进行降维处理，采用BiLSTM对这些时序数据挖掘时序特征，采用线性激活函数回归预测最终的容量；采用LightGBM算法，使用带深度限制的Leaf‑wise的叶子生长策略，采用平均绝对百分误差MAPE损失函数回归预测最终的容量；将两个模型的预测结果输入MMOE模块，通过自适应算法进行加权平均，得到最终的电池分容容量预测结果。本发明解决了容量预测准确性差、检测成本高、需要挖掘的数据量大以及操作效率低的技术问题。
主权项：1.电池分容容量预测方法，其特征在于，所述方法包括：S1、利用数据模块，获取合浆传感器数据、涂布机数据、辊分机数据以及三工段注液机数据，采集化成分容各工步统计特征，据以获取训练集、测试集；S2、利用数据预处理模块，对所述训练集中的样本数据进行样本处理操作，从所述分容各工步统计特征中，获取分容满放电工步的最终容量，以作为标签，对所述训练集、所述测试集中的所述样本数据进行标准化处理，以得到标准化数据；S3、利用算法模块，结合CNN-BiLSTM模型、LightGBM模型，以得到CNN-BiLSTM模型，其中，在所述CNN-BiLSTM模型中，采用CNN算法对所述标准化数据进行降维处理，以得到时序数据，采用BiLSTM算法，挖掘所述时序数据中的时序特征，以利用线性激活函数回归预测得到CNN-BiLSTM最终预测容量；采用所述LightGBM模型，使用深度限制Leaf-wise叶子生长策略，求取并利用平均绝对百分误差MAPE损失函数，回归预测得到LightGBM模型最终预测容量；S4、在自适应模型融合模块中，采用多门专家混合模型MMOE融合技术，得到MMOE多模型融合模型，将所述CNN-BiLSTM最终预测容量、所述LightGBM模型最终预测容量，输入预置MMOE模块，通过自适应算法进行加权平均，得到电池分容容量预测结果。
全文数据：
权利要求：
百度查询： 合肥国轩高科动力能源有限公司 电池分容容量预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号