基于白鲸优化算法改进LSTM网络的电池健康状态估计方法

本发明涉及锂离子电池领域，具体是基于白鲸优化算法改进LSTM网络的电池健康状态估计方法，包括以下步骤：步骤1、电池老化特征提取和电池老化特征筛选；步骤2、数据预处理，包括数据归一化、时间序列数据构建和VMD分解；步骤3、构建数据驱动模型，包括用白鲸优化算法改进的LSTM神经网络来构建电池SOH预测模型；步骤4、设定评价指标。本发明构建了一个面向电池SOH估计的DTV‑VMD‑LSTM网络，结合了DTV获取电池特征简单易行的特点和LSTM网络对于捕捉长期依赖关系的优势，能够考虑到电池内部的非线性因素，无需对电池进行大量实验，能够考虑到电池老化过程中的局部特征和整体趋势，在预测精度更高的同时具有良好的鲁棒性。