使用牛津锂离子电池老化数据集进行SOH估算，并提供数据集处理代码。该代码能够将原始数据集转换成适用格式，方便后续分析。通过提取电池的恒流充电时间、等压升充电时间和极化内阻等特征，可以有效反映电池健康状态。使用长短时记忆神经网络（LSTM）构建SOH估计模型，输入特征数据，输出SOH预测结果。该方法可进一步扩展为门控循环单元（GRU）模型，优化电池健康估算的准确性和稳定性。