一种基于XGBoost-LightGBM组合模型的电池健康状态预测方法

本公开提出一种基于XGBoost‑LightGBM组合模型的电池健康状态预测方法，该方法包括：获取待预测电池的状态参数，并根据状态参数生成电池IC曲线，其中，状态参数包括：放电温度峰值对应时间和电池等压降放电时间；提取电池IC曲线中的峰值、峰值电压和峰下面积；根据放电温度峰值对应时间、电池等压降放电时间、峰值、峰值电压和峰下面积，确定待预测电池的目标SOH值。由此，能够在预测过程中充分结合电池IC曲线中的峰值、峰值电压和峰下面积来指示电池性能，从而使预测的电池健康状态精度更高，再结合数据驱动的预测方法进一步提升预测精度。