机器学习驱动的电池健康状态预测系统及方法

本发明提供了机器学习驱动的电池健康状态预测系统及方法，涉及电池技术领域，包括：电池监测模块，用于获得电池工况属性、状态监测数据和环境监测数据；电池状态期望拟合模块，用于进行期望拟合，获得期望拟合结果；电池健康风险预测模块，用于基于K个机器学习模型进行健康风险预测，获得健康风险预测结果；电池风险传播预测模块，用于进行风险传播预测，建立各电池风险传播链；电池健康预警模块，用于生成健康风险预测报告，并进行健康预警。本发明解决了现有技术大多依赖固定的监测策略，通常是在电池发生明显故障或出现异常时才触发报警或停止使用，缺乏对潜在问题的提前预测能力，导致电池组的安全性较差的技术问题。