基于Bayes-TLCO优化深度神经网络的锂电池荷电状态估计方法

本发明公开一种基于Bayes‑TLCO优化深度神经网络的锂电池荷电状态估计方法，属于电池状态监测技术领域。该方法首先对锂电池充放电数据集进行预处理；然后构建包含卷积神经网络、长短期记忆网络及多头注意力机制的深度神经网络模型，利用贝叶斯优化辅助白蚁生命周期优化算法动态优化模型的超参数，在TLCO算法迭代过程中，当迭代停滞时引入贝叶斯优化，通过高斯过程拟合历史数据构建搜索经验模型，生成高价值采样点，加速模型超参数收敛至全局最优解；最终实现对锂电池荷电状态的估计。本发明突破单一算法局限，在复杂工况下实现锂电池荷电状态高精度估算，并有效提升模型训练效率，适用于电动汽车、储能系统等场景，为电池管理智能化升级提供关键技术支撑。