一种融合时序重建与测试训练的锂电池SOH估计方法

本发明公开了一种融合时序重建与测试训练的锂电池SOH估计方法。本发明中，通过融合多尺度特征，能够更全面地捕捉锂电池老化过程中的复杂特征。电池组级统计特征可以反映整体的性能趋势，而单体电压的PCA降维特征则能揭示局部的细微变化，这种多维度的特征构建方式有助于提升SOH估计的准确性和鲁棒性，让模型能够从不同层面理解电池的老化状态，泛化性增强机制有效解决了传统方法中监督数据稀缺的问题。借助Transformer自监督电压重构任务进行预训练，模型可以在没有SOH标签的情况下自主学习电池老化的普遍规律，这种普适性的老化表征使得模型在面对不同类型、不同使用环境的锂电池时，都能保持较好的适应性，扩大了方法的适用范围。