基于多特征的电池健康状态预测方法、系统、设备及介质

本发明提供了一种基于多特征的电池健康状态预测方法、系统、设备及介质，属于电池技术领域，其方法包括如下步骤：获取电池放电时的电压、电流与温度数据；基于电压和温度数据，获取DTV曲线，将DTV曲线的波峰与波谷作为第一特征；构造电压与温度数据的数值矩阵，提取数值矩阵的奇异值，将奇异值作为第二特征；获取相同电压区间的放电时间DSDVR，将DSDVR作为第三特征；获取电压步长增量容量IC曲线，将IC曲线的峰值和峰位作为第四特征；对上述特征进行融合，得到电池工作数据集；将数据集中的特征输入LSTM神经网络，捕获输入特征与电池老化之间的关系，并对电池健康状态进行预测。本发明能够提高电池健康状态预测的准确性。