基于物理门控神经网络的电池荷电状态估计方法及系统

本发明提供了一种基于物理门控神经网络的电池荷电状态估计方法及系统，所述方法包括：获取电池运行数据，输入至数据驱动估计模块获得初步SOC估计值；同时，物理矫正模块对电池运行数据进行积分得到物理估计值，并据此生成物理约束下的修正估计值；再通过置信门控模块计算置信度，以加权融合初步估计值与修正估计值，输出最终荷电状态估计结果；通过K折交叉验证确定最优超参数并完成网络训练得到训练后的物理门控神经网络，基于训练后的物理门控神经网络预测电池的荷电状态估计值。本发明在复杂多循环充放电工况下能够实现高精度、低误差的SOC估计，显著提升了估计结果的稳定性和可靠性。