基于多模态特征融合和深度学习的电池健康状态预测方法

本发明公开了一种基于多模态特征融合和深度学习的电池健康状态预测方法，该方法包括：获取电池多级恒流充电时每个充电周期的充电数据，包括电流、电压和温度数据；确定电池健康状态SOH数据；通过Savitzky‑Golay滤波器对电流以及电压数据进行平滑滤波，重构电流曲线，再采用线性插值法和KF滤波器重构电压曲线；根据电流曲线、电压曲线以及温度数据，构建综合特征池，并将最大充电量时的恒流电流值直接加入综合特征池；从综合特征池中筛选特征置入预测特征池；对SOH数据进行完全集成经验模态分解，并将分解得到的IMF分量置入预测特征池；建立CNN‑BILSTM‑ATTENTION模型；利用训练好的模型对电池健康状态SOH进行单步预测和多步预测。本发明能够实现对电动汽车电池SOH的高精度预测。