一种融合AEKF算法与LSTM神经网络的电池SOC估计方法

本发明属于电池状态估计技术领域，尤其是一种融合AEKF算法与LSTM神经网络的电池SOC估计方法，包括以下步骤：步骤一、实验对象的选取以及等效电路模型的建立；步骤二、采用AFFRLS算法对电池进行参数辨识。该融合AEKF算法与LSTM神经网络的电池SOC估计方法，本发明基于AEKF‑LSTM融合算法的小动力电动车的动力电池SOC预测方法，实际工况下AEKF算法的估计误差最大约为0.04，AEKF‑LSTM融合算法的最大估计误差约为0.02。因此，可以证明本发明基于AEKF‑LSTM融合算法的小动力电动车的动力电池SOC预测方法相较于单一的AEKF算法，估计精度显著提高。同时，验证了该融合算法可用于不规则、波动大的电池数据的SOC预测。