本发明提供一种基于卷积与门控循环单元融合的神经网络模型的锂离子电池能量状态预测方法，包括：获取锂离子动力电池数据，对数据进行预处理；将预处理后的数据划分为训练集和测试集；搭建卷积与门控循环单元融合的神经网络模型，并将训练集输入神经网络进行训练，使神经网络学习数据之间特征；将测试集输入神经网络，预测电池能量状态，且当模型对测试集进行测试的效果不理想时，调整模型的参数直到效果理想；采用平均绝对误差、均方根误差作为预测结果的评价指标，对模型的预测数据进行检验。本发明能够有效提高电动汽车SOE的估计，进而提高剩余续航里程的预测，驾驶员根据预测结果自行选择充电时间和行驶路线，有效地缓解驾驶员的里程焦虑。