大数据驱动的实际运行工况下动力电池组SOC的估计方法

本发明公开了一种大数据驱动的实际运行工况下动力电池组SOC的估计方法，包括如下步骤：获取实际运行工况下电动汽车及其电池组的多维时序监控信号；选取出与电池组SOC值相关性大于预设值的信号维度；确定电池组中端电压分布符合威布尔分布和温度分布符合正态分布；利用最大似然法估计威布尔分布参数和正态分布参数；提取威布尔分布特征；融合信号维度和威布尔分布特征以及正态分布参数，形成融合数据；融合数据作为深度学习模型的输入，进行离线训练；在线数据输入训练好的深度学习模型，深度学习模型输出估计的电池组SOC值。本发明的估计方法能够有效的估计实际运行工况下动力电池组SOC值，极大提高了电池组的SOC值的估计精度。