本发明公开一种基于DE‑MLBP神经网络的锂电池SOC估计方法，包括根据神经网络的输入输出数量确定MLBP网络结构并确定各层间连接权的维度、通过DE算法，对各层间连接权的初始值进行优化以及将训练数据集和优化后的权值初始值带入MLBP网络反复训练，得到锂电池SOC估计模型，本发明基于DE‑MLBP神经网络对电芯SOC进行估计，不需要建立电池等效电路模型，输出SOC通过加权求和计算，复杂度较低，本发明对MLBP神经网络的训练过程是离线进行的，训练时间仅与计算机性能有关，而SOC估计精度仅与训练数据集质量和训练情况有关，干扰因素较少，本发明针对不同类型和规格的锂电池系统，只需更换训练数据集重新训练学习即可，模型结构无需改动，适应性较高。