本发明涉及一种面向预测性运维的动力电池健康预测方法，属于电池管理技术领域。改方法采用有用性评价体系对健康因子进行评估，利用贝叶斯优化方法对阈值进行优化，采用迁移学习将最相似衰减的电池模型训练信息传递给测试单体，并利用早期衰减数据进行模型的微调，最后利用训练好的模型进行健康预测，包括一步衰减预测和外推剩余容量预测，并利用在线提取的特征进行模型自校正。本发明避开传统的利用电池容量进行预测所面临的在线容量不可测问题，为电池的预测性运维提供退役点的预测，并且在使用过程中能够实时的进行自校正，提高预测的精度。