【源码】基于Python的电池寿命预测AI挑战赛复现代码

项目简介

本项目是基于Python的电池寿命预测AI挑战赛的复现代码，借助数据驱动的方式预测电池在容量衰减前的循环寿命。复现了论文《Data-driven prediction of battery cycle life before capacity degradation》中的模型，并且通过创新方法提升模型的预测精度，目标是达到或超越论文中的精度要求（MAPE ≤ 10%）。

项目的主要特性和功能

• 数据驱动预测：依据电池的循环数据来预测电池寿命。
• 模型复现与改进：复现论文模型，鼓励参赛者创新提升模型精度。
• 多数据集支持：支持原作者、腾讯微云以及vLoong算力平台提供的数据集。
• 全流程支持：提供数据预处理、模型训练到模型验证的全流程代码。
• 代码规范：遵循vLoong能源AI挑战赛代码提交规范，保证代码可复现与可维护。

安装使用步骤

1. 准备环境

确保已安装Python 3.x，使用以下命令安装项目所需依赖库： bash pip install -r requirements.txt

2. 准备数据

1. 从以下链接下载数据集：
2. 原作者链接：https://data.matr.io/1
3. 腾讯微云链接：https://share.weiyun.com/cjmHpfld
4. vLoong算力平台链接：http://vloong.thinkenergy.tech/data/datasets/custom/154
5. 运行preprocess/preprocess.py对数据进行预处理，生成可用于训练的数据集。

3. 模型训练

运行以下命令开始模型训练： bash python tools/train.py 训练过程会生成训练日志log/train.log，记录训练过程中的loss、验证集精度等信息。

4. 模型验证

运行以下命令进行模型验证： bash python tools/eval.py 验证结果将输出到控制台，并记录在日志文件中。

5. 全流程执行

运行main.py可执行全流程（数据预处理、模型训练、模型验证）： bash python main.py

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】