一种基于KAN-FCA-LSTM融合架构的锂离子电池荷电状态估计方法

本发明公开了一种基于KAN‑FCA‑LSTM融合架构的锂离子电池荷电状态估计方法，所属领域为锂离子电池管理系统领域，包括：首先采集电池的电流、电压和温度数据，并进行异常值剔除与归一化预处理；然后利用Kolmogorov‑Arnold网络对多源信号进行非线性特征提取，实现信号解耦；接着通过特征上下文注意力机制对提取的特征进行动态加权，突出关键传感信息；再将加权特征输入长短期记忆网络进行时序建模，输出荷电状态估计值；最后通过处理器在环验证对算法的实时性和可靠性进行评估。该方法能够在动态工况下实现高精度、强鲁棒性的荷电状态估计，适用于电动汽车和储能系统中的电池管理应用。