一种基于多传感器数据融合的锂电池SOC预测方法及系统

本发明公开了一种基于多传感器数据融合的锂电池SOC预测方法及系统，采集锂电池历史充、放电使用数据并提取健康因子的同时，收集锂电池自身的内部气压和光纤温度数据；接着用极点对称模态分解和集合经验模态分解对采集到的数据依次进行分解；同时在该模块选择斯皮尔曼秩相关系数对锂电池健康因子进行相关性分析，将分解后的数据和原始数据以及健康因子共同组成矩阵，作为SOC的输入数据；接着在Transformers模型的基础上引入Series Stationarization和De‑stationary Attention，得到变种模型NSTransformers，同时使用IETO对NSTransformers的参数组合进行寻优；最后预测及评价模块，将处理好的数据输入进优化改进后的NSTransformers模型中。本发明对锂电池SOC进行准确的预测得到预测结果，并根据预测结果做出对锂电池的维护和管理。