本發(fā)明涉及基于改進(jìn)卷積?長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的鋰電池容量估算方法，屬于鋰電池技術(shù)領(lǐng)域。本發(fā)明通過對鋰電池?cái)?shù)據(jù)的處理、遺傳算法對改進(jìn)的卷積?長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)調(diào)參、改進(jìn)的CNN?LSTM神經(jīng)網(wǎng)絡(luò)訓(xùn)練和模型測試這四個(gè)步驟得到鋰電池容量估算的模型。本發(fā)明引進(jìn)經(jīng)驗(yàn)?zāi)B(tài)分解算法對鋰電池?cái)?shù)據(jù)進(jìn)行分解，從而實(shí)現(xiàn)數(shù)據(jù)去噪。遺傳算法優(yōu)化改進(jìn)的CNN?LSTM神經(jīng)網(wǎng)絡(luò)超參數(shù)。利用卷積神經(jīng)網(wǎng)絡(luò)提取鋰電池充放電數(shù)據(jù)的空間特征，再將這些特征輸入改進(jìn)的長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)進(jìn)行時(shí)間特征的提取，最后通過全連接層輸出估算的容量。本發(fā)明克服了傳統(tǒng)的基于模型的算法過度依賴電池模型的局限性，且預(yù)測精度高，具有一定工程應(yīng)用性。