本發(fā)明公開了一種融合未來(lái)工況信息和歷史狀態(tài)信息的鋰電池健康狀態(tài)預(yù)測(cè)方法。首先基于實(shí)驗(yàn)電池在不同工況下的循環(huán)實(shí)驗(yàn)數(shù)據(jù)，處理得到由電池歷史狀態(tài)數(shù)據(jù)、對(duì)應(yīng)未來(lái)工況數(shù)據(jù)和對(duì)應(yīng)未來(lái)健康狀態(tài)數(shù)據(jù)組成的實(shí)驗(yàn)數(shù)據(jù)集。之后，構(gòu)建基于注意力層的多源序列到序列神經(jīng)網(wǎng)絡(luò)模型，并基于電池實(shí)驗(yàn)數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練。對(duì)于待預(yù)測(cè)電池，取其歷史健康狀態(tài)數(shù)據(jù)和未來(lái)工況數(shù)據(jù)輸入訓(xùn)練完成的多源序列到序列模型，得到該電池的健康狀態(tài)預(yù)測(cè)結(jié)果。此外，將模型輸出作為新一輪的歷史健康狀態(tài)數(shù)據(jù)，迭代輸入至模型，以獲得長(zhǎng)期預(yù)測(cè)結(jié)果。本發(fā)明可適用于預(yù)測(cè)鋰電池未來(lái)在不同工況下的健康狀態(tài)，適用條件廣、預(yù)測(cè)精度高，具有很高的實(shí)際應(yīng)用價(jià)值。