融合物理信息的数据驱动锂离子电池状态预测方法

本发明涉及一种融合物理信息的数据驱动锂离子电池状态预测方法，属于电池技术领域。该方法包括：S1：建立锂离子电池多工况运行数据库，通过充放电实验采集电池电流、端电压及运行温度数据；S2：构建融合物理模型与神经网络的锂离子电池状态预测模型，计算模型的物理‑预测联合损失，所述模型通过梯度下降算法训练，其中物理信息通过等效电路模型参数与神经网络中间变量的数学关系以及模型的联合损失融入模型；S3：基于训练好的模型，输入实时电池状态数据，预测下一时刻电池状态值，包括SOC或SOT等。本发明能实现融合物理信息的数据驱动锂离子电池状态精准预测。