本发明具体涉及一种储能电池健康状态辨识方法。该方法首先采集储能电池在一次充放电测试过程中的端电压信号，组成含有类别的样本数据集合A；然后，计算每个样本的特征值，形成可以表征原始信号特点的特征向量，组成含有类别的样本特征集合B；接着，生成若干个差异化的支持向量机模型；然后，以遗传算法种群个体的0‑1编码选择部分支持向量机模型，并将特征集合B输入得到多个以概率向量方式表征的储能电池健康情况辨识结果，形成对若干支持向量机模型的筛选方案，即储能电池健康情况辨识方案。多次支持向量集成的方式大幅提升了诊断模型的鲁棒性，利用遗传算法快速、自动地实现了对诊断过程的优化，提升了故障诊断性能。