一种基于多目标群智算法与深度学习神经网络的电动船舶电池健康状态估计方法

本发明公开了一种基于多目标群智算法与深度学习神经网络的电动船舶电池健康状态估计方法，包括：生成电池数据集，在数据集中读取电池的全部数据；对电池数据进行预处理；确定优化目标：将最小化均方根误差和平均绝对误差；设定决策变量的参数范围；使用每个粒子的参数配置运行Transformer网络模型；通过多目标粒子群算法MOPSO进行迭代，更新全局最优解；使用具有最低RMSE和MAE的全局最优解作为Transformer模型的最优参数配置；输出电池SOH估计值。本发明利用Transformer深度学习神经网络的强大时序数据处理能力及其捕获长期依赖关系能力，并将其和MOPSO优化算法相结合，优化整体神经网络模型参数，增强电池SOH关于时间的尺度依赖关系，实现纯电船舶动力电池SOH准确估计。