基于模型-数据混合驱动的锂离子电池变工况SOH评估方法

基于模型‑数据混合驱动的锂离子电池变工况SOH评估方法，它涉及锂离子电池健康状态评估方法，它是要解决现有电池的定工况SOH估计法适用性差、精度低的问题。本方法：一、电池在工况一、二下加速老化采集信息；二、针对电池在工况一下的恒流放电曲线，用粒子群优化算法进行SP+模型参数辨识，得到模型参数在电池健康度为100％～80％内的退化轨迹；三、选出与电池SOH相关度高的模型参数作为健康特征输入BP神经网络算法估计电池SOH，工况一、二数据分别为训练集和测试集；四、根据工况一数据训练得到的BPNN模型，在输入改为仿真得到的工况二SP+模型参数后，输出的工况二下的电池SOH，完成评估。可用于电池领域。