一种基于可解释机器学习的锂电池内短路诊断方法

本发明提供一种基于可解释机器学习的锂电池内短路诊断方法，包括：采集不同内短路程度下电池在恒流充电过程中的电压、电流和时间数据，建立实验数据集；对电压数据进行预处理和滤波，计算电压增量与容量增量的比值，获取容量增量IC曲线特征；提取电池荷电状态‑开路电压关系，并建立针对恒流阶段的电池等效电路模型；通过拓展卡尔曼滤波算法和电池充电数据，估算电池的荷电状态；从IC曲线中提取特征参数，包括峰值、峰位置、峰与峰之间面积；基于荷电状态估计结果提取时间序列特征，构建多维特征空间；对提取的特征进行标准化处理，构建分类模型；引入沙普利可加性特征解释方法，实现分类模型决策过程的可解释性分析。