面向边缘联邦学习的电动汽车锂电池SOH在线预测方法

摘要

本发明提出一种面向边缘联邦学习的电动汽车锂电池SOH在线预测方法，包括如下步骤：一：在车载终端及云服务器端部署相同的电池健康状态预测模型；二：收集车载终端的实时行驶数据，并对实车数据进行预处理；三：各车载终端进行本地模型训练；四：各车载终端完成训练后，将模型参数上传至云服务器；五：循环三和四，进行迭代更新；六：电池健康状态预测。本发明针对中心式机器学习模型导致的车载终端数据隐私泄露，以及网络堵塞的问题，联邦学习允许车载终端不再向云服务器发送本地数据，在保证数据本地化的同时实现多个孤立数据中心对机器学习模型进行联合优化，保证了数据的隐私性，同时模型参数代替了用户数据上传至云端，有效解决网络堵塞的问题。