面向不同温度与倍率的基于迁移学习的锂离子电池SOH评估方法

面向不同温度与倍率基于迁移学习的锂离子电池SOH评估方法，它涉及锂离子电池健康状态评估方法，它是要解决现有锂离子电池的SOH估计方法的泛化能力弱、精确性低、无法在高温跨温域内有效对退役电池开展预设梯次利用场景SOH评估的技术问题。本方法：一、电池在复合工况下高温老化采集信息；二、针对电池在全寿命周期内的恒流放电曲线，利用鱼鹰优化算法进行SP+模型参数辨识，得到模型参数在电池全寿命周期内的退化轨迹；三、选出相关度高的参数作为健康特征，输入卷积神经网络算法估计电池SOH，划分训练集、测试集；四、分别构建迁移学习的源域、目标域，利用TL‑CNN模型在目标域测试集上验证，完成评估。可用于电池领域。