一种基于电化学模型和机器学习的储能电池SOH估计方法

本发明公开了一种基于电化学模型和机器学习的储能电池SOH估计方法，包括：S1：构建储能电池的电化学模型；S2：在初始老化循环下对电化学模型进行参数辨识；S3：基于参数辨识后的电化学模型提取与电池老化相关的模型特征；S4：基于实验数据提取与电池老化相关的数据特征；S5：对模型特征和数据特征进行相关性分析、特征降维和特征融合，得到融合特征；S6：将融合特征输入训练好的支持向量机模型中，输出对应的电池健康状态预测值。本发明从电化学模型和实验数据中提取与电池老化相关的特征，通过主成分分析法对特征进行降维处理得到融合特征，利用支持向量机建立电池老化模型实现SOH估计，从而有效提高储能电池SOH估计的准确性和泛化性。