一种基于PSO算法优化CNN-LSTM的电池荷电状态及健康状态预测方法

本发明涉及电池管理技术领域，尤其涉及一种基于PSO算法优化CNN‑LSTM的电池荷电状态及健康状态预测方法，包括：步骤一、针对锂离子电池进行实验数据采集，在充电和放电过程中用上位机提取电压、电流、温度等数据，同时，利用安时积分法计算充电过程中的实际SOC值作为后续验证的标准数据；步骤二、进行电池电流、电压等数据的预处理并化粒子群优化参数并定义搜索空间，包括设定粒子维度、CNN卷积核数量、LSTM单元数和学习率；步骤三、以电压、电流、温度等电池运行过程中数据作为输入，建立CNN‑LSTM模型。本发明创新性地引入PSO优化算法，合理定义迭代次数和粒子个数，智能化自动搜索CNN‑LSTM网络的最优超参数组合，模型具有较高的预测精度和泛化能力。