基于CNN-BiLSTM-Attention神经网络的锂离子电池全年实时运行数据SOC估算方法

本发明公开了基于CNN‑BiLSTM‑Attention神经网络的锂离子电池全年实时运行数据SOC估算方法，先收集锂电池的历史运行数据，对数据进行删重、补漏等操作，分析电池的使用特性；再对预处理后的数据进行相关性分析，选择相关性高的特征因子作为网络模型的输入，使用修正方法对不同温度或者老化程度的电池SOC进行修正，将修正后的SOC作为输出。该方法在结合了卷积神经网络、双向长短记忆模型和注意力机制的基础上，通过对比多种相关性分析方法、SOC修正方法以及参数优化方法的效果，最终得到最佳的SOC预测方法。本发明使用电池在全年不同温度下的实时运行数据对SOC进行估算，提高了锂电池SOC估算的准确率。