基于HHO优化融合注意力机制和TCN-GRU的锂离子电池SOH估计方法

本发明公开了一种基于HHO优化融合注意力机制和TCN‑GRU的锂离子电池SOH估计方法，具体包括：采集锂电池在每次充放电循环下的电压数据、电流数据、电池表面温度和当前容量，根据当前容量计算获得SOH值；对获取的数据进行处理，得到多种电池衰退特征序列，利用皮尔逊相关系数计算不同衰退特征与SOH值的关联系数，将关联系数符合预期阈值的衰退特征序列选出，获得新的衰退特征序列；将新的衰退特征序列和SOH值序列组合成新的数据集，并按合适比例划分为训练集和测试集；利用数据集训练并优化网络，得到训练完成的锂电池SOH估计模型。本发明能够解决现有基于数据驱动法难以高效、准确预测电池状况状态的技术难题，具有广阔的应用前景。