摘要
本发明公开了一种动力电池组SOH预测方法及系统,系统包括以下模块:数据预处理模块、SDAE模块、神经网络模块;方法包括以下步骤:通过读取BMS历史数据,对其进行清洗,提取天气、驾驶行为和常规三类特征,并分为连续型特征和数值型特征两类进行预处理;处理后传入SDAE模块,对数据加噪并重构数据;神经网络学习特征与SOH之间的映射关系,并输出SOH预测结果。本发明通过SDAE重构输入数据找到更稳定、更有用的特征,同时利用神经网络并行计算的特点,组合得到更具稳定性的高效的模型,可在节省计算时间的同时提高模型的预测精度,适用于电动汽车全状态、全气候运行时的电池组SOH估算。