一种基于GAF-CNN-GWO-LSSVM的电池SOH估计方法

本发明公开一种基于GAF‑CNN‑GWO‑LSSVM的电池SOH估计方法，属于电池管理系统技术领域。该方法包括：提取锂离子电池部分充电过程中的电压时间序列，利用Gramian角场（GAF）方法将该序列转换为二维图像，构造格拉姆角和场（GASF）与角差场（GADF）图像；将所得图像输入二维卷积神经网络（2D‑CNN）以提取深层图像特征；利用灰狼优化算法（GWO）搜索最小二乘支持向量机（LSSVM）模型的最优超参数；将提取的特征向量输入LSSVM模型进行SOH值预测。该方法兼具特征表达力与建模精度，具备较强的自适应性和工程实用性，适用于动力电池与储能系统的在线健康状态评估。