本發(fā)明公開了基于進(jìn)化注意力機(jī)制的LSTM電池健康狀態(tài)估計方法，具體為：首先，獲取鋰電池的額定容量、n條恒流充電電壓曲線和當(dāng)前的SOH，定義特征提取中的三個參數(shù)，對曲線進(jìn)行特征提取和處理；之后定義注意力參數(shù)W，使用W來構(gòu)造基于注意力機(jī)制的LSTM模型；通過非支配排序遺傳算法II對參數(shù)進(jìn)行優(yōu)化，得到一組表現(xiàn)最優(yōu)的個體；再選擇一個MSE值最小的個體，對該個體進(jìn)行解碼，將老化特征劃分為訓(xùn)練集和測試集，將測試集輸入到解碼后的LSTM模型中，根據(jù)測試集得出電池SOH估計結(jié)果。本發(fā)明方法，可以自適應(yīng)地從電壓曲線上獲取合適的老化特征采樣范圍，提升自動化程度，同時提高SOH估計方法的性能。