一种电池健康状态预测方法及系统

本发明提供一种电池健康状态预测方法及系统，该方法包括：通过电池充放电循环实验平台模拟储能电池运行工况，并获取电池充放电过程的特征值；通过Pearson相关性分析法和Spearman相关性分析法分别计算特征值对应的相关性系数，选取相关性系数均高于预设值的特征值作为输入特征值；将输入特征值按照预设比例划分为训练集和测试集，并基于训练集和测试集对CNN‑LSTM神经网络进行训练、测试，得到网络参数优化后的CNN‑LSTM预测模型；通过所述CNN‑LSTM预测模型对待检测电池健康状态进行预估。通过该方案可以简化模型设置过程，降低模型数据复杂度，并能提高电池健康状态预测精度和速度。