基于多特征融合和改进HKELM的锂电池健康状态估计方法

本发明提供了一种基于多特征融合和改进HKELM的锂电池健康状态估计方法，对所选电池老化数据集从充放电时间、增量容量曲线、差分电压曲线等方面提取能够反映锂离子电池SOH的多个特征；通过皮尔逊相关系数评价多个健康特征与健康状态的相关性；采用VMD对健康状态信号进行多尺度分解；结合混合混沌映射、动态调整参数机制、柯西‑高斯混合变异扰动及自适应螺旋位置更新对黑翅鸢算法BKA进行改进，并利用改进后的黑翅鸢优化算法对HKELM的关键参数进行寻优，构建IBKA‑HKELM‑Adaboost锂电池健康状态估计子模型；各模态分量的集成模型估计结果叠加，得到最终SOH估计值。本发明提升了模型对锂电池健康状态估计的准确性和实时性，为电池的能量管理和定期更换提供了重要依据。