一种基于多参量数据融合决策的锂离子电池容量拐点预测方法和系统

本发明公开了一种基于多参量数据融合决策的锂离子电池容量拐点预测方法和系统，方法包括：采集锂电池的多参量数据并进行预处理；基于深度学习构建拐点预测模型，提取电流、电压、温度的时序数据特征；基于注意力增强的图卷积网络AGCN，通过在图卷积神经网络GCN中引入注意力机制动态学习多参量特征矩阵的关联权重，获取多参量数据融合特征；对电池多参量数据融合特征进行动态决策，对动态决策结果进行线性变换得到拐点的预测值，完成拐点预测模型的构建；对整个模型进行训练优化，预测电池距拐点的剩余循环周期；本发明可以依靠较短的循环周期数据，实现电池任意阶段的拐点高精度预测。