针对传统方法难以对不间断电源系统、微网储能系统的蓄电池组进行高效准确的状态估计问题,提出了一种全新的基于数据驱动的方法应用于大规模电池的健康状态预测。首先,分析电池的历史数据,从电池健康状态(空间维度)和时间演变放电过程(时间维度)2个层面对电池状态进行有效聚类。其次,将数据分布映射到高维空间,设计相应的基于时空分布映射的电池健康状态预测深度神经网络模型。最后,实验模型验证了所提方法的有效性。