专利交易市场

本发明属于锂电池剩余寿命预测领域，公开了一种基于动态不确定性建模的锂电池剩余寿命实时预测方法，通过多传感器协同采集锂电池全生命周期数据，结合卷积神经网络构建动态健康评分，有效捕捉数据的非平稳与非线性特性。进一步采用非平稳随机过程量化健康评分的不确定性，并通过联合优化目标函数同步调整相关参数以增强模型对复杂退化模式的适应性。基于贝叶斯推理框架动态更新非平稳随机过程参数，结合历史数据与实时观测值的共轭先验分布，实现参数自适应调整与锂电池剩余寿命的动态预测。该方法既弥补了传统数据驱动方法缺乏物理可解释性的缺陷，又克服了单一模型驱动方法因电池退化机理复杂导致的精度不足问题。

本发明公开了基于元宇宙的锂电池剩余寿命预测方法及系统，包括：获取锂电池的运行状态和环境数据；基于元宇宙构建数据空间平台，模拟锂电池多场景运行数据整合成数据集；利用DMD提取数据集隐含的细部特征；采用最大信息系数对分解后的动态模态进行特征提取并分为训练集和测试集；将训练集数据输入到非平稳Transformer预测模型中进行训练；基于淘金优化算法GRO的一体化参数寻优策略对DMD、MIC和预测模型的关键参数进行同步优化；输入测试集到训练好的预测模型中完成锂电池剩余寿命的预测。本发明结合元宇宙模拟了锂电池多场景运行数据，并对各部分关键参数进行了同步优化，提高了数据的多样性和预测的精度。