基于局部加权回归的电池荷电状态估算方法及设备

本发明公开了基于局部加权回归的电池荷电状态估算方法及设备，使用局部加权回归平滑电流和电压作为神经网络训练扩展输入，增强了数据与锂离子电池实际SOC值之间的隐含联系，提高模型的预测能力，有效减少SOC输出波动；提出了具有多层自注意力机制的分组卷积神经网络预测模型，有效减少模型参数量与运算量，同时更好地捕捉局部特征信息；引入多层自注意力机制，使得网络能够在不同位置之间动态地建立关联，从而更好地捕捉电压电流序列内部的长距离依赖关系，同时具有很好的灵活性和可解释性，非常适用于电池SOC估计建模任务；引入比例积分和微分搜索算法进行超参数寻优，不断迭代寻优得到网络最优参数。