一种基于深度学习的电动汽车动力电池SOC预测方法

本发明公开了一种基于深度学习的电动汽车动力电池SOC预测方法。本发明首先对实车数据进行数据清洗，并选取了几种与SOC相关性高的电压、温度等多个特征估计SOC，然后将估计的SOC进行完全自适应噪声集合经验模态分解，将之分解为不同频率和振幅的多个本征模态函数(IMF)，与此同时利用白鲸优化算法(BWO)优化时间卷积神经网络(TCN)中的关键结构参数来得到最佳网络结构，最后将经过完全自适应噪声集合经验模态分解(CEEMDAN)分解后的IMF、及筛选出的最优特征参数作为神经网络TCN的输入特征进行电池SOC预测。