本發(fā)明涉及電池容量預測，尤其涉及一種高爾夫球車電池容量預測方法、裝置、設備及存儲介質。

背景技術：

1、由于高爾夫球車的使用環(huán)境復雜多變，充放電模式不規(guī)律，電池容量預測和健康狀態(tài)評估面臨諸多挑戰(zhàn)。

2、傳統(tǒng)的電池容量預測方法往往依賴于簡單的統(tǒng)計模型或單一的機器學習算法，難以準確捕捉電池容量退化的非線性特征和長期依賴關系。這導致預測精度不高，難以為高爾夫球車的維護和電池更換決策提供可靠支持。同時，現(xiàn)有方法對于不同使用工況下的電池容量變化適應性較差，無法有效處理實際應用中的數(shù)據(jù)噪聲和異常值。

技術實現(xiàn)思路

1、本發(fā)明提供了一種高爾夫球車電池容量預測方法、裝置、設備及存儲介質，用于提高高爾夫球車電池容量預測的精度。

2、第一方面，本發(fā)明提供了一種高爾夫球車電池容量預測方法，所述高爾夫球車電池容量預測方法包括：

3、對高爾夫球車電池的歷史充放電數(shù)據(jù)進行采集和預處理，得到時間序列特征數(shù)據(jù)集；

4、基于所述時間序列特征數(shù)據(jù)集，利用反向傳播神經(jīng)網(wǎng)絡構建廣義導數(shù)方法，生成增量容量曲線，并提取三維特征向量；

5、將所述三維特征向量輸入雙向長短期記憶網(wǎng)絡，通過訓練得到初始容量預測模型；

6、將所述初始容量預測模型作為第一層模型，并將代謝灰色模型作為第二層模型進行堆疊集成，得到混合預測模型；

7、基于所述混合預測模型構建彈性權重合并框架，通過雙層優(yōu)化算法動態(tài)調整模型參數(shù)，得到目標容量預測模型；

8、將所述高爾夫球車電池的實時電池運行數(shù)據(jù)輸入所述目標容量預測模型進行容量預測和健康狀態(tài)評估，輸出容量衰減趨勢圖和剩余使用壽命估計值。

9、第二方面，本發(fā)明提供了一種高爾夫球車電池容量預測裝置，所述高爾夫球車電池容量預測裝置包括：

10、采集模塊，用于對高爾夫球車電池的歷史充放電數(shù)據(jù)進行采集和預處理，得到時間序列特征數(shù)據(jù)集；

11、構建模塊，用于基于所述時間序列特征數(shù)據(jù)集，利用反向傳播神經(jīng)網(wǎng)絡構建廣義導數(shù)方法，生成增量容量曲線，并提取三維特征向量；

12、訓練模塊，用于將所述三維特征向量輸入雙向長短期記憶網(wǎng)絡，通過訓練得到初始容量預測模型；

13、集成模塊，用于將所述初始容量預測模型作為第一層模型，并將代謝灰色模型作為第二層模型進行堆疊集成，得到混合預測模型；

14、優(yōu)化模塊，用于基于所述混合預測模型構建彈性權重合并框架，通過雙層優(yōu)化算法動態(tài)調整模型參數(shù)，得到目標容量預測模型；

15、輸出模塊，用于將所述高爾夫球車電池的實時電池運行數(shù)據(jù)輸入所述目標容量預測模型進行容量預測和健康狀態(tài)評估，輸出容量衰減趨勢圖和剩余使用壽命估計值。

16、本發(fā)明第三方面提供了一種高爾夫球車電池容量預測設備，包括：存儲器和至少一個處理器，所述存儲器中存儲有指令；所述至少一個處理器調用所述存儲器中的所述指令，以使得所述高爾夫球車電池容量預測設備執(zhí)行上述的高爾夫球車電池容量預測方法。

17、本發(fā)明的第四方面提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有指令，當其在計算機上運行時，使得計算機執(zhí)行上述的高爾夫球車電池容量預測方法。

18、本發(fā)明提供的技術方案中，通過結合反向傳播神經(jīng)網(wǎng)絡和廣義導數(shù)方法生成增量容量曲線，提取高質量的三維特征向量，有效捕捉電池容量退化的關鍵特征，提高了預測模型的輸入質量。采用雙向長短期記憶網(wǎng)絡作為初始容量預測模型，充分利用了電池容量退化的長期依賴關系和雙向信息流，增強了模型對時序特征的學習能力。將初始容量預測模型與代謝灰色模型進行堆疊集成，構建了多層次的混合預測模型，既保留了深度學習模型的非線性擬合能力，又融入了灰色系統(tǒng)理論對小樣本、不確定性系統(tǒng)的建模優(yōu)勢。引入彈性權重合并框架和雙層優(yōu)化算法，實現(xiàn)了模型參數(shù)的動態(tài)調整，提高了預測模型對不同使用工況的適應性和魯棒性。通過多個子模型的協(xié)同預測和注意力機制的權重分配，有效降低了單一模型的預測偏差，提高了整體預測精度。實現(xiàn)了從歷史數(shù)據(jù)預處理到實時容量預測的全流程自動化，為高爾夫球車電池管理系統(tǒng)提供了一站式解決方案，便于實際部署和應用。輸出的容量衰減趨勢圖和剩余使用壽命估計值，為高爾夫球車的維護計劃制定和電池更換時機判斷提供了直觀、可靠的決策依據(jù)。

19、本發(fā)明的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點在說明書、權利要求書以及附圖中所特別指出的結構來實現(xiàn)和獲得。

20、為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

技術特征：

1.一種高爾夫球車電池容量預測方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的高爾夫球車電池容量預測方法，其特征在于，所述對高爾夫球車電池的歷史充放電數(shù)據(jù)進行采集和預處理，得到時間序列特征數(shù)據(jù)集，包括：

3.根據(jù)權利要求2所述的高爾夫球車電池容量預測方法，其特征在于，所述基于所述時間序列特征數(shù)據(jù)集，利用反向傳播神經(jīng)網(wǎng)絡構建廣義導數(shù)方法，生成增量容量曲線，并提取三維特征向量，包括：

4.根據(jù)權利要求3所述的高爾夫球車電池容量預測方法，其特征在于，所述將所述三維特征向量輸入雙向長短期記憶網(wǎng)絡，通過訓練得到初始容量預測模型，包括：

5.根據(jù)權利要求4所述的高爾夫球車電池容量預測方法，其特征在于，所述將所述初始容量預測模型作為第一層模型，并將代謝灰色模型作為第二層模型進行堆疊集成，得到混合預測模型，包括：

6.根據(jù)權利要求5所述的高爾夫球車電池容量預測方法，其特征在于，所述基于所述混合預測模型構建彈性權重合并框架，通過雙層優(yōu)化算法動態(tài)調整模型參數(shù)，得到目標容量預測模型，包括：

7.根據(jù)權利要求6所述的高爾夫球車電池容量預測方法，其特征在于，所述將所述高爾夫球車電池的實時電池運行數(shù)據(jù)輸入所述目標容量預測模型進行容量預測和健康狀態(tài)評估，輸出容量衰減趨勢圖和剩余使用壽命估計值，包括：

8.一種高爾夫球車電池容量預測裝置，其特征在于，用于執(zhí)行如權利要求1-7中任一項所述的高爾夫球車電池容量預測方法，所述裝置包括：

9.一種高爾夫球車電池容量預測設備，其特征在于，所述高爾夫球車電池容量預測設備包括：存儲器和至少一個處理器，所述存儲器中存儲有指令；

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有指令，其特征在于，所述指令被處理器執(zhí)行時實現(xiàn)如權利要求1-7中任一項所述的高爾夫球車電池容量預測方法。

技術總結
本發(fā)明涉及電池容量預測技術領域，公開了一種高爾夫球車電池容量預測方法、裝置、設備及存儲介質，其中，該方法包括：對高爾夫球車電池的歷史充放電數(shù)據(jù)進行采集和預處理，得到時間序列特征數(shù)據(jù)集；生成增量容量曲線，并輸入雙向長短期記憶網(wǎng)絡，通過訓練得到初始容量預測模型；將初始容量預測模型作為第一層模型，并將代謝灰色模型作為第二層模型進行堆疊集成，得到混合預測模型；通過雙層優(yōu)化算法動態(tài)調整模型參數(shù)，得到目標容量預測模型；將實時電池運行數(shù)據(jù)輸入目標容量預測模型進行容量預測和健康狀態(tài)評估，輸出容量衰減趨勢圖和剩余使用壽命估計值，該方法提高了高爾夫球車電池容量預測的精度。

技術研發(fā)人員：唐羅偉,劉好玉,吳至軍,郭劍明,韋廣生
受保護的技術使用者：深圳市鉅力能科技有限公司
技術研發(fā)日：
技術公布日：2025/1/6