一种基于卷积神经网络的电池荷电状态预测方法和系统

本发明公开了一种基于卷积神经网络的电池荷电状态预测方法和系统，包括：获取电池的用电数据；对用电数据进行预处理；根据双卡尔曼滤波算法和用电数据，得到电池在每个采样时间的第一预测SOC；将用电数据和第一预测SOC组成数据集；将数据集划分为训练集、验证集和测试集；构建卷积神经网络模型CNN；利用训练集对卷积神经网络模型进行训练，得到训练好的卷积神经网络模型；利用验证集对训练好的卷积神经网络模型进行验证，得到验证通过的卷积神经网络模型；利用测试集对验证通过的卷积神经网络模型进行测试，得到电池在下一时刻的第二预测SOC。本发明能够有效提高数据集的质量，减少误差的引入，提高预测结果的精准度。