本發(fā)明涉及一種鋰離子電池荷電狀態(tài)估計(jì)方法,首先、采集不同工況下鋰離子電池放電數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行歸一化處理后劃分為訓(xùn)練集和測(cè)試集；其次：構(gòu)建包括輸入層、LSTM層、全連接層和輸出層的LSTM預(yù)測(cè)模型；然后、使用粒子群優(yōu)化算法和訓(xùn)練數(shù)據(jù)對(duì)LSTM預(yù)測(cè)模型的超參數(shù)進(jìn)行尋優(yōu)，在滿足預(yù)測(cè)模型評(píng)價(jià)標(biāo)準(zhǔn)的基礎(chǔ)上確定LSTM的最優(yōu)參數(shù)，最終獲得鋰離子電池荷電狀態(tài)估計(jì)模型，最后利用訓(xùn)練好的LSTM模型對(duì)測(cè)試集進(jìn)行預(yù)測(cè)，得到鋰離子電池荷電狀態(tài)估計(jì)結(jié)果。構(gòu)建鋰離子電池荷電狀態(tài)LSTM預(yù)測(cè)模型，并通過粒子群優(yōu)化算法(PSO)對(duì)LSTM神經(jīng)網(wǎng)絡(luò)的超參數(shù)進(jìn)行尋優(yōu)，進(jìn)一步提高了LSTM的預(yù)測(cè)效果和穩(wěn)定性。