一种融合用户行为和物理信息的锂电池健康状态预测方法及系统

本发明属于但不限于电池健康技术领域，尤其涉及一种融合用户行为和物理信息的锂电池健康状态预测方法及系统，包括：S1.特征提取与数据处理；S2.Attention机制优化的Kolmogorov‑Arnold网络构建；S3.物理信息嵌入神经网络的设计；S4.多任务联合优化与预测。本发明使用的Attention‑KAN‑PINN模型在平均绝对误差(MAE)指标上的表现显著优于其他对比模型，误差分布更为集中，稳定性更高。在平均绝对百分比误差(MAPE)指标上，Attention‑KAN‑PINN模型同样表现优异，分布范围最小，且均值和标准差均显著低于其他模型。此外，该模型在均方根误差(RMSE)指标上展现出显著优势，进一步证明其对异常值的鲁棒性。