基于量子同化与数据填充的异常退化锂电池容量预测方法

摘要

本发明提供一种基于量子同化与数据填充的异常退化锂电池容量预测方法，其包括：将锂电池原始数据集划分为训练集和测试集；对训练集锂电池数据进行量子同化处理；记录训练集中每个数据点的退化增量和对应的势能信息，形成一个退化增量抽样库；对于待预测电池，根据当前循环的信息在抽样库中按照一定的规则抽样产生当前循环的退化增量，生成新样本；将新样本填充到训练集中，得到适应异常样本的锂电池容量预测模型；对测试集锂电池的后续容量退化情况进行预测。本发明能够利用已有的锂电池数据信息，外推获得额外信息，生成能够涵盖异常电池后续可能的退化轨迹的新样本，由此来填充训练集并训练神经网络模型，提升模型对异常电池的预测准确度。