基于ST-RFR算法多模型融合复用的特征增强SOH估计方法

本发明公开了基于ST‑RFR算法多模型融合复用的特征增强SOH估计方法，包括以下步骤：对电池数据集的恒流充电时间、恒压充电时间和增量容量曲线进行分析，提取健康特征；对数据集进行归一化，对健康特征进行相关系数和Spearman系数分析；基于三大基础模型，进行初步的电池健康状态SOH估计；采用伪模型预测控制和模型切换策略构建增强特征；基于ST‑RFR的多模型融合算法进行两阶段特征融合。本发明采用上述方法，通过三个基础模型初步预测SOH，利用伪模型预测控制和模型切换策略构建两大增强特征，基于ST‑RFR融合算法上述五个输入特征进行多模型深度融合，从而得到更加精准的SOH估计效果。