一种基于深度学习的锂硫电池异常发热诊断方法与系统

本发明提供一种基于深度学习的锂硫电池异常发热诊断方法与系统，属于锂硫电池安全监测技术领域。本发明基于温度、电压检测数据，构建增强型温度差分序列，并建模温度状态序列，实现对热行为的连续动态表征；设计双路径门控机制，利用全局温升抑制门捕捉整体温升趋势，结合异常温升敏感门聚焦局部剧烈波动，有效抑制正常充放电温升干扰，输出温度异常概率分布；同时，根据当前SOC所处区间选择对应的电压补偿函数，对原始电压数据进行逐点修正，并设计了双组长短时记忆网络提取电压平台漂移特征，强化对多硫化物效应引发的异常漂移的感知能力，最终生成综合风险指数，显著提升了锂硫电池在多硫化物穿梭效应时，电池发热异常识别准确率与鲁棒性。