本發(fā)明公開了一種基于GA?PSO優(yōu)化的多模型融合電池荷電狀態(tài)預測方法及系統(tǒng)，包括：采集鋰電池的外部參數(shù)獲得按時間排序的數(shù)據(jù)集；數(shù)據(jù)清洗和歸一化處理，并劃分為訓練集、驗證集和測試集；構(gòu)建三個基模型GA?PSO?LSTM、GA?PSO?SVM、A?PSO?GRU，集成為強學習模型；對強學習模型進行訓練，得到新的訓練集的特征和新的測試集的特征；采用真實SOC值作為輸出進行第二輪訓練，采用新測試集預測，最后將單個預測值加權(quán)平均得到最終的SOC預測值。本發(fā)明解決了單個遺傳算法后期效率低，單個粒子群算法陷入局部最優(yōu)解的問題，提高了優(yōu)化的效率和效果，具有長期的數(shù)據(jù)記憶的優(yōu)點，提高了預測的準確度。