近年来,随着科学技术的快速发展,纯电动汽车成为各个国家关注的焦点。电池是纯电动汽车的动力来源,电池SOC是纯电动汽车行车安全的重要指标,剩余充电时间是纯电动汽车驾驶人员合理安排行车计划以及充电站提高管理效率的重要参数,本文以纯电动汽车电池数据为研究对象,展开纯电动汽车电池SOC及剩余充电时间预测的研究,本文的主要工作如下:（1）纯电动汽车数据分析。本文首先针对本文涉及的数据进行简述,然后对数据集中的缺失值、异常值以及无效数据进行处理,并提取纯电动汽车的充电数据。然后,本文对纯电动汽车的电池充放电特性展开分析,包括电池SOC和剩余充电时间的影响因素分析,最后利用皮尔逊相关系数确定了特征参数。（2）建立基于CNN-LSTM纯电动汽车电池SOC预测模型。由于纯电动汽车电池SOC是基于时间轴变化,纯电动汽车产生的数据为时间序列数据,因此本文基于时间序列LSTM对纯电动汽车电池SOC展开分析。本文首先研究了CNN模型以及CNN与LSTM模型结合的优点,建立了基于CNN-LSTM的纯电动汽车电池SOC预测模型,然后针对建立的CNN-LSTM模型展开不同参数对模型预测结果影响的分析,最终确定了CNN-LSTM模型的最佳参数。根据最终确定的CNN-LSTM模型,本文在一致的实验条件下对比了基于CNN、RNN、LSTM模型的纯电动汽车电池SOC预测结果,实验表明基于CNN-LSTM的纯电动汽车电池SOC预测模型的预测效果更优,其MSE为0.3472、MAE为0.4299、最大误差为2.1%。（3）建立基于LSTM的纯电动汽车剩余充电时间预测模型。纯电动汽车的充电过程是纯电动汽车实际应用过程中的一部分,因此本文基于时间序列LSTM建立纯电动汽车剩余充电时间预测模型。根据建立的纯电动汽车剩余充电时间预测模型,实验结果表明最大误差在5分钟以内。然后本文对纯电动汽车剩余充电时间预测模型展开参数分析,最终确定了最佳的模型参数。基于最佳模型参数的纯电动汽车剩余充电时间预测模型,实验结果表明,预测结果的MSE小于0.03,MAE小于0.1,最大误差小于2分钟。同时,本文基于一致的实验条件建立CNN、RNN模型作为对比实验,实验结果表明,基于LSTM的纯电动汽车剩余充电时间预测模型更优。