一种异常锂离子电池预测方法、系统、设备和介质

本发明提供一种异常锂离子电池预测方法、系统、设备和介质。旨在解决传统预测方法预测周期长、设备占用率高、异常识别准确率低等问题。该方法包括：获取锂离子电池分容工序中的充放电数据，提取原始特征，利用灰色关联度分析筛选最优特征组合，再根据皮尔逊相关系数筛选代表特征，最后输入基于基分类器构造的集成学习模型进行预测。通过优化特征筛选和集成学习模型，显著缩短预测周期，降低设备占用率，提高异常识别准确率，适用于大规模锂离子电池生产预测。