一种多工况分布式学习的卫星锂离子电池SOH估计方法

本发明提出一种多工况分布式学习的卫星锂离子电池SOH估计方法，属于电池寿命估计技术领域，解决传统迁移学习中高应力条件下的样本数据与卫星条件下的样本数据的特征对齐困难，以及现有集中式训练模型，泛化能力差，难以整合多组异构数据，导致卫星锂离子电池健康状态估计不准确的问题，包括：S1：数据采集；S2：搭建分布式学习框架；S3：全局LSTM模型初始化；S4：客户端本地训练，计算本地模型参数并传输给服务器；S5：服务器聚合全局模型参数并传递给客户端；S6：验证客户端的损失函数是否收敛，若不收敛，则重复S3‑S4，直至收敛；S7：全局模型测试。本发明计算的锂离子电池SOH估计值和真实值在充放电初期基本吻合，随着周期增多，误差也小于1％。