一种基于EIS集成学习算法的锂电池SOH估计方法

本发明涉及锂电池健康状态估计方法技术领域，具体地说是一种基于EIS集成学习算法的锂电池SOH估计方法。包括以下步骤：S1、采集电池性能数据；S2、通过EIS方法采集相应的电化学阻抗谱数据；S3、通过ICA、DVA、DTV方法得到特征数据，和S2中得到的数据进行归一化处理合并为特征向量；S4、计算容量衰减率CAR；根据容量衰减率分配至不同算法进行SOH估计值，当容量衰减率小于等于10%，选择ELM算法计算SOH估计值；当容量衰减率大于10%且小于等于30%，选择CNN架构计算SOH估计值；当容量衰减率大于30%，选择SVM算法计算SOH估计值；S5、将预测的SOC结果显示并保存。同现有技术相比，基于容量衰减率动态切换最优估计算法，提升全生命周期估计精度并显著降低计算复杂度。