概述 锂离子电池健康状态(SOH) 的在线估计对电池管理系统的安全稳定运行至关重要 。为克服传统基于数据驱动的锂离子电池SOH估计方法训练时间长 、计算量大 、调试过程复杂的问题。该文提出一种基于融合健康因子和集成极限学习机的锂离子电池SOH估计方法。该方法通过 dQ/dV 和 dT/dV 曲线分析,筛选出与电池SOH相关性较高的数据区间进行多维健康特征提取,并对其进行主成分分析降维处理得到间接健康因子;利用极限学习机的随机学习算法建立间接健康因子和SOH之间的非线性映射关系,在此基础上,针对单一模型输出不稳定的特点,提出一种集成极限学习机模型,通过对估