一种基于健康因子和AVOA-LSTM的锂电池健康状态估计方法

本发明提供一种基于健康因子和AVOA‑LSTM的锂电池健康状态估计方法，包括以下步骤：获取锂离子电池循环充放电数据中的充电数据部分；对预处理过后的充电电压数据进行增量容量分析，筛选出反应电池健康状态衰减状态的健康因子；采用非洲秃鹫优化算法求解LSTM模型的最优参数；基于所获的最优参数训练LSTM模型，得到训练好的基于AVOA‑LSTM的锂离子电池SOH估计模型；将健康因子作为模型输入，得到锂离子电池SOH的估计结果，并与PSO‑LSTM模型与ATT‑GRU模型进行对比，以验证预测模型精确性和泛化性。本发明结合新型优化算法与循环神经网络模型的优势，提升了锂离子电池健康状态估计算法的预测精度和稳定性，从而提升BMS决策的合理性，降低电池发生故障的概率，保障电池系统的平稳运行。