基于线性层和卷积神经网络的锂电池荷电状态估计方法及系统

本发明提供了一种基于线性层和卷积神经网络的锂电池荷电状态估计方法及系统，所述方法包括：获取锂电池的历史运行数据并进行数据预处理；构建荷电状态估计模型，通过将电池时间序列分解为长期趋势和局部波动两部分，利用线性分支模拟提取出全局线性趋势特征和多尺度局部波动特征，通过多尺度卷积与微分分支增强对即时动态的敏感度，并对各特征进行自适应融合，完成荷电状态估计基础模型构建，建立损失函数并结合优化算法训练基础模型，输出锂电池的荷电状态估计值，能够全面、精确地捕捉电池在复杂动态工况下的荷电状态变化特性，从而显著提高荷电状态估计的准确性。本发明提供的锂电池荷电状态估计系统，能够实现所述的锂电池荷电状态估计方法。