一种基于深度神经网络和区间化高斯回归的锂离子电池综合性能评估方法

本发明涉及一种基于深度神经网络和区间化高斯回归的锂离子电池综合性能评估方法，属于电池健康管理技术领域。该方法首先根据电池恒流充电阶段测试数据，计算多维特征因子；其次，通过构建DNN训练提取的多维特征因子与锂离子电池容量的映射关系，作为第一阶段SOH估计模型；然后，基于预测结果的相对变化阈值识别容量增生点，并划分电池RUL估计区间；最后，通过IBGPR实现第二阶段RUL估计；通过贝叶斯优化DNN‑IBGPR模型的超参数，基于混合模型结果确定锂离子电池性能的综合评估指标，并评估模型的预测效果。本发明能够解决现有技术中未考虑容量增生点的局限性，能够实现精准的锂离子电池的性能评估。