本发明公开了一种基于深度学习组合扩展卡尔曼滤波的储能电池荷电状态在线估计方法及系统，包括：实时采集储能电池的相关参数数据；对采集的数据预处理和数据重构，作为训练集；搭建用于储能电池SOC预测的深度神经网络DNN，并通过训练集学习训练；深度神经网络DNN采用ResNet模型结构，ResNet模型结构的残差块由两个卷积层和一个跨层连接组成，其中卷积层的输出通道数可不同，跨层连接是恒等映射或者卷积映射；通过扩展卡尔曼滤波算法对深度神经网络DNN输出的预估值进行补偿和滤波，获取最终的储能电池SOC预估值。本发明具有估计精度高、实时性好、使用方便等优点，可为储能电池领域的开发和应用提供有效的技术支持。