基于局部信息融合的铅酸电池健康状态预测方法

摘要

本发明公开了一种基于局部信息融合的铅酸电池健康状态预测方法，包括：步骤1、在铅酸电池的放电过程中，以放电循环为单位构成训练样本集；将每次放电循环作为一个样本，并提取相应的时间序列作为特征；步骤2、将原始的训练集按照时间序列划分为若干个样本数目相等子训练集；步骤3、在每个子训练集上训练支持向量回归（SVR）模型，多个SVR组成一个SVR的集合；步骤4、利用集成学习算法将多个训练的SVR模型融合，得到集成的SVR模型；步骤5、给定待查询铅酸电池的一次放电循环，利用集成的SVR模型预测铅酸电池本次放电循环后的健康状态（SOH）。本发明方法预测精度高，泛化能力强。