[发明专利]一种基于大数据迁移学习的动力电池预测方法

权利要求书

1.一种基于大数据迁移学习的动力电池预测方法，其特征在于：所述基于大数据迁移学习的动力电池预测方法为：

预先基于动力电池的大数据建立并训练用于预测动力电池的带有若干项预留特征的迁移学习预训练模型；

当需要对新类型动力电池进行预测时，利用所述新类型动力电池的部分时序数据微调训练所述迁移学习预训练模型，将所述待新类型动力电池的部分时序数据中的部分特征对应应用到所述预留特征中，得到适用于所述新类型动力电池的新预测模型；在对属于所述新类型动力电池的待预测的动力电池进行预测时，利用所述新预测模型对所述待预测的动力电池进行预测并得到预测结果。

2.根据权利要求1所述的一种基于大数据迁移学习的动力电池预测方法，其特征在于：所述迁移学习预训练模型中的所述预留特征默认值为0。

3.根据权利要求1所述的一种基于大数据迁移学习的动力电池预测方法，其特征在于：所述迁移学习预训练模型使用卷积神经网络结构或循环神经网络结构。

4.根据权利要求3所述的一种基于大数据迁移学习的动力电池预测方法，其特征在于：当所述迁移学习预训练模型使用卷积神经网络结构时，所述迁移学习预训练模型采用VGG系列、GoogLeNet系列、ResNet系列或DenseNet系列模型。

5.根据权利要求3所述的一种基于大数据迁移学习的动力电池预测方法，其特征在于：当所述迁移学习预训练模型使用循环神经网络结构时，所述迁移学习预训练模型采用LSTM或GRU模型。

6.根据权利要求1所述的一种基于大数据迁移学习的动力电池预测方法，其特征在于：所述迁移学习预训练模型为回归模型或分类模型。