一种基于脉冲神经网络模型的动力电池SOC估计方法

本发明公开了一种基于脉冲神经网络模型的动力电池SOC估计方法，脉冲神经网络模型依次包括时间对齐模块、脉冲编码模块、脉冲特征提取模块、脉冲解码模块；脉冲特征提取模块包括由多个特征提取单元串联构成，每个特征提取单元包括自注意力层、脉冲神经元层、前馈神经网络，自注意力层利用自注意力机制捕捉时间序列数据中的长短期依赖关系，脉冲神经元层将自注意力层的输出转换为脉冲序列，前馈神经网络根据脉冲序列进行回归预测。脉冲神经网络用于捕捉电池动态的实时响应特性且能耗更低，而自注意力模型捕捉电池SOC的全局依赖关系，两者的结合形成一个既有时间响应特性，又能处理长时间序列和多模态信息的混合模型，提升电池SOC估计的准确性和鲁棒性。