一种基于卷积与双向长短时记忆的神经网络模型锂离子电池状态预测方法

本发明属于基于计算模型的计算机系统领域，公开了一种基于卷积与双向长短时记忆的神经网络模型锂离子电池状态预测方法，包括以下步骤：S1：数据获取及数据预处理，S2：采用滑动窗口技术对多个温度和不同驱动循环下的电池放电数据进行构建，S3：搭建卷积与双向长短时记忆网络的神经网络模型即CNN‑BiLSTM模型，S4：模型迁移，S5：根据得到的目标领域CNN‑BiLSTM‑TL网络模型。本发明能够准确估计SOC和SOE，可以优化电池的充放电控制策略，提高电池的使用寿命和效率，同时是保障电池系统的高效稳定运行的关键。