基于PLO-Transformer-LSTM的电池健康状态预测方法

本发明涉及一种基于PLO‑Transformer‑LSTM的电池健康状态预测方法，属于锂离子电池健康管理技术领域。该方法包括：S1：对电池EIS测量数据集进行DRT分析；S2：将DRT图划分为多个典型区域，并提取多个与电池容量高度相关的老化特征；然后对老化特征进行标准化，通过相关系数表述电池的老化特征与容量之间的相关性；S3：构建Transformer‑LSTM预测模型，并利用PLO对模型超参数进行优化；S4：训练PLO‑Transformer‑LSTM模型，并利用训练好的模型进行电池容量估计。本发明实现了对电池容量的高精度预测，具有稳健性与可解释性，为电池管理系统的在线应用提供了可行路径。