本發(fā)明公開了一種基于間接健康指標的鋰離子電池SOH預測方法。本發(fā)明采用的技術方案為：提取鋰離子電池部分充電過程中的電壓、電流曲線的離散系數(shù)作為間接健康指標；采用粒子群算法在樣本訓練過程中自動搜索多核高斯過程回歸模型的最優(yōu)超參數(shù)，建立基于粒子群算法優(yōu)化的多核高斯過程回歸模型，即PSO?MK?GPR模型；將間接健康指標作為輸入，容量作為輸出，送入PSO?MK?GPR模型中進行訓練，得出鋰離子電池老化模型；將在線提取的特征數(shù)據(jù)送入訓練好的PSO?MK?GPR模型中，實現(xiàn)SOH預測。本發(fā)明采用一種考慮充電過程中的電壓與電流部分數(shù)據(jù)的間接健康指標結合粒子群優(yōu)化算法調參的多核高斯過程回歸模型，實現(xiàn)了鋰離子電池SOH的預測。