一种基于BMS与EMS融合的电池健康状态预测方法

本发明为一种基于BMS与EMS融合的电池健康状态预测方法，包括获取EMS历史数据并预处理；建立电池健康状态预测模型；预训练电池健康状态预测模型；BMS实时采集电池数据并上传至EMS；利用所述BMS上传的数据对训练后的电池健康状态预测模型进行再训练、优化及评估；利用再训练后且通过评估电池健康状态预测模型基于BMS上传的数据获取电池健康状态预测结果并反馈给BMS，BMS对原有的SOH进行修正。该方法融合BMS与EMS架构，搭建了一个基于粒子群优化算法(PSO)优化的双向门控循环单元(GRU)的模型结构，同时引入自注意力机制，旨在不仅实现电池健康状态预测的实时在线预测，而且能够依据持续上传的新数据动态地对模型进行再优化，从而确保预测精度的持续提升与适应性增强。