基于CNN-LSTM-SA的光储能电池荷电状态预测方法

本发明涉及光储能技术领域，公开了基于CNN‑LSTM‑SA的光储能电池荷电状态预测方法，其技术方案要点是包括如下步骤：采集光储能电池的所有状态数据；对于状态数据标准化处理，获得标准化后的状态数据矩阵，进行特征提取，得到时间序列数据矩阵；将时间序列数据矩阵输入至卷积神经网络，提取空间特征向量序列；将空间特征向量序列输入长短期记忆网络，建立电池荷电状态的时间依赖性的模型，得到时间变化趋势数据；将空间特征向量序列与时间变化趋势数据作为输入，引用自注意力机制进行处理，得到注意力加权后的特征输出；基于空间特征向量序列、时间变化趋势数据及注意力加权后的特征输出，应用加权融合算法计算荷电状态预测值。