本發(fā)明屬于鋰離子電池健康管理技術(shù)領(lǐng)域，涉及一種多尺度鋰離子電池健康狀態(tài)的預(yù)測(cè)方法。主要解決鋰電池健康狀態(tài)預(yù)測(cè)精度差的問題。本發(fā)明提取了鋰離子電池放電階段的溫度變化特征，利用小波分解對(duì)溫度變化特征和容量退化數(shù)據(jù)進(jìn)行時(shí)、頻域上的對(duì)比分析，確定了溫度變化斜率在容量退化過程中發(fā)揮主要作用的頻段范圍。同時(shí)，利用集成學(xué)習(xí)預(yù)測(cè)思想構(gòu)建了基于小波神經(jīng)網(wǎng)絡(luò)的多尺度預(yù)測(cè)模型。該預(yù)測(cè)模型將小波分解后的數(shù)據(jù)分類，并使用Bootstraping抽樣法將低頻容量退化數(shù)據(jù)集、中頻溫度變化特征和剩余部分抽樣，使得每種特征劃分為四組數(shù)據(jù)。本發(fā)明鋰離子電池健康狀態(tài)預(yù)測(cè)結(jié)果通過低頻容量退化數(shù)據(jù)集、中頻溫度變化特征和剩余部分的預(yù)測(cè)值同循環(huán)周期疊加得到。