数据驱动融合量子优化的电池健康状态估测方法及系统

本发明提供了一种数据驱动融合量子优化的电池健康状态估测方法及系统，本发明通过构建电池健康状态估计与预测模型，在量子粒子群优化算法中引入收缩‑扩张因子的动态递减策略，使用训练集对模型进行训练，并在训练过程中利用改进后的量子粒子群优化算法对电池健康状态估计与预测模型进行优化；使用测试集进行验证；获取目标电池数据集，选取电池充电过程中的恒流充电时间、恒压充电时间和内阻作为输入特征，并进行预处理，然后利用验证通过的电池健康状态估计与预测模型对目标电池健康状态进行估计与预测，得到估计与预测结果。本发明可以实现同时高效、准确地进行电池当前SOH估计与未来SOH预测。