一种基于集成学习的锂离子电池荷电状态估计方法

本发明涉及锂离子电池管理技术领域领域，公开了一种基于集成学习的锂离子电池荷电状态估计方法，通过融合CNN‑Transformer网络与卡尔曼滤波器，有效克服了现有技术中存在的多种问题，卡尔曼滤波器的引入，实时更新和校正SOC估计值，显著减少了安时积分法在长期运行中累积误差的影响，且其递归性质允许模型动态调整，降低对精确初始SOC值的依赖，从而提高长期估计的准确性；通过CNN‑Transformer架构，达到了处理实时数据流的效果，无需电池静置即可进行SOC估计，使之不受电池迟滞效应的影响，因依赖于实时数据而不是静态的开路电压测量，从而在实时应用中提供更准确的SOC估计。