多重机理约束的储能电池对抗解耦表征与健康估计方法

本发明公开了一种多重机理约束的储能电池对抗解耦表征与健康估计方法，该方法首先通过对抗解耦表征学习和机理方程在神经网络的融合应用，将输入特征解耦表征为健康状态相关特征和工况相关的域特征；其次通过机理参数生成器进行机理参数生成，解决不同工况下机理方程参数不同的问题；最后通过连续循环物理约束，约束健康状态随着循环次数的增加而下降，并解决机理方程参数产生的变动问题，进而实现对未见工况的健康状态泛化估计。本发明首次将多重机理约束融合于储能电池解耦表征学习中，在不需要目标工况数据的情况下，实现对未见工况的泛化建模，进而提高了模型在未见工况下的健康状态估计精度，为储能电池的安全运维提供了必要支持。