基于特征选择和支持向量回归的电池健康状况预测方法

摘要

本发明涉及一种基于特征选择和支持向量回归算法的电池健康状况预测方法，首先对电池生命周期充电过程中的电压、电流和温度曲线进行特征提取，再通过特征选择，筛选出可用于SOH预测的特征样本集，以支持向量回归算法求得各特征和SOH之间的回归关系并以相关性为基准进行加权平均，即可代入待测数据进行SOH预测。本发明充分发挥了特征提取和特征选择的优势，仅选用数据中可用度高的特征信息作为估计的参考标准，相较于传统方法，在保证预测精度的同时大大降低了计算量和训练复杂度，更加适用于实时系统。