本發(fā)明涉及一種基于深度神經(jīng)網(wǎng)絡(luò)下的鋰電池荷電狀態(tài)預(yù)測算法，包含以下步驟：S1：運行電動車，采集電動車鋰電池組各個電池的端電壓、溫度以及電池組荷電狀態(tài)；S2：將鋰電池組從滿電量運行至鋰電池荷電狀態(tài)為0％；S3：將不同老化程度的鋰電池重復(fù)S1～S2，每個荷電狀態(tài)進行多次采集；S4：將采集電池數(shù)據(jù)分為訓(xùn)練集和測試集，將訓(xùn)練集經(jīng)過長短記憶神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，獲取荷電狀態(tài)觀測器；S5：將測試集輸入訓(xùn)練好的觀測器測試模型的準確性，重復(fù)S4直至誤差逼近規(guī)定閾值；S6：將傳感器在線采集的單體電池的溫度、電壓輸入到訓(xùn)練好的荷電狀態(tài)觀測器模型中，得到當(dāng)前鋰電池組的荷電狀態(tài)值。本發(fā)明能夠?qū)崿F(xiàn)對電動車鋰電池荷電狀態(tài)的在線預(yù)測，其預(yù)測準確率可達93％。