一种基于神经网络的电动汽车车载电池健康度预测方法及系统

本发明公开了一种基于神经网络的电动汽车车载电池健康度预测方法及系统，涉及电池健康度预测技术领域，包括：通过采集电池多源异构数据，经预处理、室温修正及分阶段特征工程提取关键健康因子，引入时间窗嵌入策略构建时序样本；采用多模块U‑BiLSTM混合网络作为核心预测模型，结合贝叶斯优化与Adam优化器完成超参数寻优与模型训练；通过数字孪生修正、物理补偿机制及剩余使用寿命标签归一化处理优化预测结果。本发明解决了传统方法在复杂工况下深层特征提取不足、时序信息利用率低、预测精度差的问题，能精准反映电池老化状态与剩余使用寿命，为电动汽车电池安全管理、运维优化及寿命评估提供可靠技术支撑。