一种联合预测电池SOC、RUL和SOH的模型训练方法及预测方法

本发明涉及电池技术领域，提供一种联合预测电池SOC、RUL和SOH的模型训练方法及预测方法，包括：获取电池历史充放电过程中的性能监测数据及对应的标签数据，其中，性能监测数据包括：膨胀应力、电流数据、电压数据和温度数据，标签数据包括：荷电状态真值、剩余循环次数真值和电池容量真值；将性能监测数据输入至混合专家模型，输出荷电状态预测值、剩余循环次数预测值和电池容量预测值；基于荷电状态预测值、剩余循环次数预测值和电池容量预测值，经由混合专家模型的损失函数生成损失值，对模型更新直至收敛以得到训练好的混合专家模型。本发明通过训练一个综合考虑多特征的混合专家模型，可以准确地预测电池的SOC、RUL和SOH。