一种多维度融合的电池健康评估方法

本发明提供一种多维度融合的电池健康评估方法，该方法包括：获取储能电站中电池的用电数据，在边缘端获取SOH预测值，当差距超过阈值时，执行云端估计；当存在历史序列时，使用循环神经网络Bi‑LSTM对历史健康数据进行预测，获取电池SOH预测值；当不存在历史序列时，提取电池参数维度特征数据，输入训练完成的ELM模型，输出电池SOH预测值。本发明采用两种数据驱动方法结合，在历史健康数据缺失时使用ELM算法进行健康状态估计，以获取精度较高的健康状态初始序列；当健康状态历史序列满足Bi‑LSTM要求时，使用Bi‑LSTM进行健康状态预测；精度可靠，监测参数较少、成本低、适应性较好，易于在线应用。