本發(fā)明提出一種基于多層次序列信息自適應(yīng)融合的鋰電池SOH估計(jì)方法。本發(fā)明搭建了一種全新的基于深度學(xué)習(xí)的序列化模型，該模型由兩個(gè)級(jí)聯(lián)的多層次融合模塊和一個(gè)雙向LSTM層搭建而成。基于所提模型能夠自適應(yīng)提取并融合多層次的序列化信息的優(yōu)點(diǎn)，該模型能夠在一定程度上解決了由電池?cái)?shù)據(jù)量過少且提取不充分的問題，從而實(shí)現(xiàn)了較為精確的鋰電池SOH的在線估計(jì)。除此之外，所提模型還具有長(zhǎng)期記憶的優(yōu)點(diǎn)，這進(jìn)一步提高了在線估計(jì)精度。實(shí)驗(yàn)采用NASA鋰離子數(shù)據(jù)集中的電池退化數(shù)據(jù)對(duì)所提網(wǎng)絡(luò)模型進(jìn)行仿真驗(yàn)證，結(jié)果表明該模型在完成鋰電池SOH在線估計(jì)任務(wù)的同時(shí)，又能保證較高的魯棒性與精確度。