基于LSTM模型与参数重要性排序的锂电池SOH评估方法及系统

本发明公开了基于LSTM模型与参数重要性排序的锂电池SOH评估方法及系统，包括：对充放电循环数据集进行分析处理，得到8个特征数据来组成原始数据集；对原始数据集进行EFK滤波，得到滤波后的清洁数据集；对8个特征数据参数进行重要性排序，提取特征重要性前5的特征参数组成预处理数据集，并将预处理数据集进行随机划分，得到训练集和测试集；将训练集输入至锂电池SOH预测模型开展训练，得到训练后的训练锂电池SOH预测模型；根据训练好的锂电池SOH预测模型对待测锂电池进行健康状态估计。本发明通过数据预处理的卡尔曼滤波可以减少特征提取过程中的数据失真同时有效地降低背景和随机脉冲噪声来增强鲁棒性。