一种融合物理信息的数据驱动锂离子电池电压预测建模方法

本发明涉及一种融合物理信息的数据驱动锂离子电池电压预测建模方法，属于电池技术领域。本发明通过构建多工况电池运行数据库，设计融合物理模型与神经网络的端电压预测模型，将等效电路参数与神经网络中间变量建立数学约束关系，利用梯度下降法联合优化数据驱动特征与物理参数。具体包括：采集电池电流、电压及温度数据；构建输入特征与输出标签；通过参数层输出中间变量并关联等效电路参数；引入物理损失函数约束模型训练，确保参数物理合理性。本发明兼具数据驱动的高精度与物理模型的可解释性，通过温度补偿和参数约束提升多工况适应性，可广泛应用于电动汽车、储能系统的电池状态估计与健康管理。