本發(fā)明提供了一種基于拓展卡爾曼濾波算法和LSTM網(wǎng)絡(luò)對(duì)鋰離子電池荷電狀態(tài)的聯(lián)合預(yù)測(cè)方法，引入神經(jīng)網(wǎng)絡(luò)算法通過對(duì)EKF算法的預(yù)測(cè)值和預(yù)測(cè)誤差進(jìn)行補(bǔ)償，從而提高對(duì)荷電狀態(tài)的預(yù)測(cè)精度。本發(fā)明建立等效電路模型后，根據(jù)采集設(shè)備獲得的鋰離子電池內(nèi)外參數(shù)，對(duì)數(shù)據(jù)預(yù)處理后進(jìn)行加權(quán)平均，聯(lián)立卡爾曼濾波算法和長短期記憶網(wǎng)絡(luò)，將拓展卡爾曼濾波算法的預(yù)測(cè)值和誤差值作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，進(jìn)一步提高預(yù)測(cè)精度，結(jié)果證明，本發(fā)明的荷電狀態(tài)聯(lián)合預(yù)測(cè)法能實(shí)時(shí)地跟蹤實(shí)際值，在電流波動(dòng)較大時(shí)能也能較為準(zhǔn)確的顯示電源當(dāng)前狀態(tài)并得到準(zhǔn)確的荷電狀態(tài)的預(yù)測(cè)值，在降低了噪聲對(duì)預(yù)測(cè)結(jié)果的干擾的同時(shí)降低了計(jì)算量，利于電池管理系統(tǒng)的集成。