基于神经网络模型的储能电池健康状态评估方法

本申请涉及电池监测技术领域，具体而言，涉及基于神经网络模型的储能电池健康状态评估方法，包括如下步骤：步骤1：获取储能电池的循环特征；步骤2：基于支持向量机对循环特征进行回归分类，以生成初始的寿命区间；步骤3：采集储能电池相邻若干次的原始弛豫特征，基于原始弛豫特征与历史弛豫特征的连续性因子；稀疏特征集包括脉冲因子、波形因子、峰值因子、小波能量比、小波能量熵、均方根值根；步骤4：对稀疏特征集进行特征展开得到三维信息；步骤5：将关键特征矩阵和初始的寿命区间输入至神经网络模型中，生成储能电池的精确寿命信息。本申请所提供的技术方案中，采用较为简单的循环特征先获取储能电池的大致寿命区间。