一种基于多技术融合的电池SOC和SOH预测方法及系统

本发明涉及电池状态预测技术领域，具体地说是一种基于多技术融合的电池SOC和SOH预测方法及系统。包括以下步骤S1、采集电池的实时数据，包括电压、电流和温度的数值；S2、数据整合并进行预处理，预处理操作涵盖去噪及标准化；S3、电压辨别从电压数据中提取关键特征，包括电压值、电压导数以及统计特征；S4、通过PINNs嵌入物理约束，对电池电压行为进行建模，计算预测电压；通过XGBoost进行特征回归、预测中间变量，通过集成学习构建单体电压预测模型以计算单体电池电压；S5、运用无迹卡尔曼滤波，经Sigma点处理非线性关系，优化并得到SOC和SOH状态的预测值；同现有技术相比，提升预测精度，增强鲁棒性，提高可解释性，实现实时预测确保系统实时性。