一种基于时频混合特征预测锂离子电池健康状态的方法

本发明属于储能电池健康状态估计领域，更具体地，涉及一种基于提取处理电池的时频混合特征，并利用机器学习算法、数据模型对储能电池健康状态估计的方法。本发明通过混合时频特征，能够全面提取电池健康状态的关键信息，提高预测的准确性和稳定性。相比于单一时域或频域特征，该方法结合了增量容量曲线（时域特征）与EIS阻抗参数（频域特征），能够更精确地表征电池的退化过程，可解释性地识别影响电池健康状态的关键因素。此外，该方法适用于不同温度复杂工况，具有较强的泛化能力。为BMS提供透明、可信的预测结果，有助于优化电池的使用和维护策略。