随着国际能源格局的深刻变化和我国能源发展战略的转型,可再生能源在国家能源所占的比重不断增加。与此同时,可再生能源的消纳问题成为了当前和今后较长时期制约可再生能源发展的根本性问题。储能技术为解决风能、太阳能等可再生能源发展中遇到的诸如不稳定、难消纳、弃用率高等问题找到了解决方案,推动储能技术的快速发展是提高能源使用效率继而达成我国能源发展战略的必由之路。其中锂离子电池储能系统是一种装机容量大、发展潜力最大的储能系统,其核心能力在于电池管理系统对于荷电状态的精准估算。本文通过NB-IOT物联网对锂离子电池储能系统BMS获取的电池实时运行状态数据进行传输,包括有本实验室搭建的实训平台和合作公司的储能现场的运行数据,并根据收集到的大量实际工况数据设计和实现了适用于储能场景的基于LSTM网络的锂电池SOC估算模型。并在这一基础上,考虑到模型的迭代速度对于网络参数和模型超参数的依赖问题,引入了BN算法对其进行优化,使得估算模型的迭代速度加快,误差性能表现提升。最后,针对模型的预测噪声现象和较多工况现象,设计去噪自适应解码器对输入数据进行特征提取和去噪自适应,优化提升了模型的鲁棒性和泛化能力,误差表现也进一步优化。最终使用储能锂电池的运行实测数据进行实测,验证了算法优化的有效性,取得了较好的估算效果。此外,本文设计实现了储能系统BMS智能测控系统,对基于电池运行状态的储能锂电池SOC人工智能估算算法进行了集成。系统采用前后端分离设计思想,分为业务层、算法层、数据层,具有低耦合、高内聚、可扩展性高的特点,实现了储能系统状态检测与上传、储能电池SOC智能算法估算和储能电池运行可视化展现等功能,且进行了功能和性能测试。