一种基于特征重构与LSTM的锂电池健康状态在线估计方法

本发明公开一种基于特征重构与LSTM的锂电池健康状态在线估计方法，该方法先对待测锂电池执行充放电循环老化实验，采集充放电运行数据构建循环老化数据集，再计算各循环SOH值；选定SOC10%‑80%区间的充电电压片段，提取恒压差充电能量作为初始特征数据，经相关性分析判断是否需采用双滑动窗口算法进行特征重构；对特征数据集标准化后，基于LSTM神经网络构建并训练模型，通过测试集评估性能并经滑动窗口尺度敏感度分析确定最佳参数，最终输出适配目标电池的SOH在线估计模型。本案无需依赖完整充放电或特殊区间数据，能深度挖掘局部电压区间的老化特征，提升估计精度与稳定性，适配多场景在线监测需求。