一种融合物理信息的锂离子电池健康状态估计方法

本发明涉及一种融合物理信息的锂离子电池健康状态估计方法，属于电池技术领域，包括以下步骤：S1：搜集同一车型的新能源汽车运行数据，包含充放电数据，建立新能源汽车运行数据库；S2：基于电池充电数据进行健康特征提取并计算容量标签；S3：基于前馈神经网络建立锂离子电池健康状态估计模型，定义融合物理信息的损失函数，利用梯度下降方法对模型进行训练；S4：基于训练的模型对新能源汽车锂离子电池健康状态进行估计。本发明解决了深度学习黑箱方法可解释性差、特征利用能力弱的缺点；同时结合了神经网络模型有效提取高维抽象特征的优点和模型能够正确理解物理信息特征对电池老化潜在影响的优点。