一种基于多源数据融合的电动公交车电池健康状态预测方法

本发明提供一种基于多源数据融合的电动公交车电池健康状态预测方法，该方法首先利用扩展孤立森林算法对原始数据进行噪声剔除，并引入温度补偿修正、工况修正及无迹卡尔曼滤波修正对电池SOH数据进行修正，而后基于电池SOH的退化趋势，引入指数函数进行拟合，提取的特征参数作为增强输入用于后续模型训练，构建改进BiLSTM‑Attention模型，利用电池SOH修正值对模型进行训练，并采用贝叶斯优化方法对模型超参数进行优化，得到最优电池SOH预测模型，利用最优电池SOH预测模型输出目标时刻的电池SOH预测值。本发明能够对电池SOH数据进行高精度预测，为电池维护节奏制定、异常预警与更换周期决策提供可靠依据。