摘要
本发明公开一种锂电池荷电状态与能量状态估计方法,收集不同工况下锂离子电池单体充放电的电压、电流、温度、荷电状态、能量状态等实时数据,采用离群因子检测LOF方法对原始数据的异常值进行剔除,使用高斯数据增强方法对原始数据进行拓展,构建TimesNet模型训练的增强数据集合。使用TimesNet神经网络构建锂电池能量状态和荷电状态估计的误差校正模型,采用基于随机森林的贝叶斯优化对模型的超参数进行优化,获得最优超参数,并将最优超参数输入到模型中,使用优化后的电池状态模型,得到电池能量状态和荷电状态的估计结果。与现有技术相比,本发明能够有效的估计锂电池能量状态和荷电状态,提高模型精度。