摘要：电池荷电状态（SOC）是锂离子电池管理技术中最重要的参数之一，高精度的SOC估计有利于储能电站的并网和控制。电池充放电数据不仅具有时序性，特征变量之间也存在一定空间关系，为提高估算方法的准确性和通用性，提出一种基于CNN-LSTM联合网络结构的锂离子电池SOC估计方法，先通过CNN特征提取获取了锂离子电池不同维度数据间的特征关系，然后经过LSTM网络结构提取其中的时间序列关系，联合网络充分获取了电池数据集的空间时间特性。实验结果表明，基于CNN-LSTM联合网络模型预测电池SOC平均误差控制在0.65%，较单独的CNN网络预测平均误差降低4.4%左右，较单独的LSTM网络预测的平均误差降低0.2%左右，具有较好的应用前景。

      关键词：锂离子电池；电池荷电状态；卷积神经网络；长短期记忆网络

      中图分类号：TM28     文献标识码：A