摘要
一种电池数据增强和预测方法及装置，属于机器学习技术领域，所述方法包括：对锂电池的包含多个特征的时间序列数据进行预处理，将多个特征中的预设特征作为目标特征，对预处理后的数据进行切片处理，以构建原始训练集；构建DMnet扩散模型并进行训练，利用训练完成的DMnet扩散模型对原始训练集中的原始样本进行数据增强处理，获取增强样本；构建STLnet预测模型，按照预设比例选择原始样本和增强样本作为输入数据，对STLnet预测模型进行回归训练，获取训练完成的STLnet预测模型，以进行目标特征的回归预测。本发明结合STL分解、DMnet扩散模型以及EDAnet，显著提高了锂电池目标特征预测的准确性，减少了对大规模标注数据的需求，降低了数据采集成本。
