基于神经网络的电池SOH与SOC联合预测方法

本发明涉及电池健康状态预测领域，尤其涉及一种基于神经网络的电池SOH与SOC联合预测方法，本发明将电池的交流阻抗谱、电池充放电数据与LSTM网络结合，将数据导入Z‑view软件进行拟合，得到二阶RC等效电路的参数值，将二阶RC等效电路的参数值与电池充放电数据作为LSTM网络的输入，避免仅利用神经网络出现无法解决的误差。本发明用Spearman秩相关系数筛选高相关性的输入数据，减轻LSTM网络训练时间与难度，利用多尺度卷积核提取局部特征；引入自适应Dropout层，规范设置丢弃率。本发明在充放电过程中用电化学分析仪测量电化学阻抗谱，利用多元化的输入充分融合电池机理，使得预测结果更精确。