一种虚假数据注入背景下的锂电池SOH通用化预测方法

本发明提出一种虚假数据注入背景下的锂电池SOH通用化预测方法，属于锂电池管理技术领域，解决了BMS测量数据易受网络攻击以及实际工况下SOH预测通用性差的问题，具体包括：利用正常运行状态下的锂电池充电数据训练GPR模型和FDIA检测模型，基于训练后的GPR模型建立数据驱动模型；利用FDIA检测模型对锂电池充电数据进行检测和校正得到锂电池亚正常充电数据；通过动态健康特征提取法提取锂电池亚正常充电数据的健康特征；将健康特征输入训练后的数据驱动模型，得到锂电池运行初期SOH的预测值，采用经验模型拟合数据驱动模型输出的预测值，得到锂电池的整体退化趋势，并融合UPF滤波器实现锂电池SOH和经验模型参数的在线更新。