一种GRU神经网络融合滤波算法的锂电池电压时序预测方法

本发明属于电压预测技术领域，是一种GRU神经网络融合滤波算法的锂电池电压时序预测方法，包括：将GRU神经网络模型与状态估计算法相结合，得到状态方程和观测方程；更新状态变量的预测值；根据状态变量的估计值和实际值更新误差协方差矩阵估计值；计算卡尔曼增益矩阵；计算测量电压与观测方程计算电压之间的误差；根据电池的荷电状态SoC修正状态变量和误差协方差矩阵，实现锂电池电压的时序预测。本发明方法通过结合状态估计算法与GRU神经网络，可以实时校正电池电压的预测误差，从而避免了“开环”模式下误差逐步放大的问题，提高了预测结果的准确性和可靠性。