电池荷电状态(SOC)的精确估算是储能设备安全运行的关键,本工作提出一种基于均匀分布策略改进的蝗虫优化算法和BP神经网络(UGOA-BP)的联合算法,在标准蝗虫优化算法(GOA)的基础上,引入了均匀分布函数,更新了非线性控制参数c,构建了新的随机调整机制,扩大了算法搜索范围,打破了局部开发受限的局面.同时,又受粒子群算法思想启发,对每代最优解进行保存记忆,通过选取随机个体引导种群的位置更新,弥补了蝗虫优化算法全局搜索能力弱的局限性,增加了种群多样性.采用某新能源公司储能设备的历史数据,设置电池SOC 100％～0的完整放电过程数据集和SOC 52％～49％的局部放电过程数据集,从两个维度对所提模型、蝗虫算法优化BP神经网络(GOA-BP)与传统BP神经网络模型进行对比测试分析.仿真结果表明,UGOA-BP模型预测值的绝对误差均处于[?0.050,0.050]区间范围,最大绝对误差为?0.046,平均均方误差仅为0.001,GOA-BP模型和BP神经网络的平均均方误差分别为0.009和0.067,模型预测精度优于其他方法,具备良好的准确性和工程应用价值.