一种基于深度学习算法和EIS技术的动力电池健康分类方法、系统、设备及介质

本发明属于新能源动力电池健康检测技术领域，具体涉及一种基于深度学习算法和EIS技术的动力电池健康分类方法、系统、设备及介质，该方法通过获取目标动力电池的EIS数据，构建包含溶液电阻、SEI层电阻、电荷传输阻抗等元件的等效电路模型，提取特征参数因子，并利用循环神经网络(RNN)和长短期记忆网络(LSTM)构建预测模型进行训练。该系统、电子设备及存储介质实现了该方法的实际应用。本发明克服了传统方法在处理长时间序列数据时的不足，提高了电池健康状态评估的准确性和效率，有助于延长电池使用寿命，降低运维成本，为动力电池的健康管理和维护提供了有力支持，具有重要的实用价值和应用前景。