本发明公开了一种锂电池剩余寿命预测方法，包括以下步骤：一、离线建模，收集锂电池离线数据，提取健康因子样本集，然后使用随机森林算法对健康因子样本集进行权重分析，确定所选健康因子样本并进行BiLSTM网络模型训练，通过贝叶斯优化选择模型最优超参数，构建预测模型；二：在线预测，通过锂电池在线数据，对应离线阶段的特征选择，得到健康因子样本集。然后使用步骤一的预测模型进行锂电池寿命预测。本发明可以在保持神经网络预测精确性的同时，减少参数个数，降低参数训练的复杂度，减少锂电池失效造成的损失，提高锂电池的安全性，解决锂电池健康因子的选择存在冗余和不足以及神经网络不同的超参数选择复杂性的问题。