基于SA-CDC-GRU-AE模型的锂离子电池健康状态估计方法
胡钰航
廖宇
崔琨
李景聪
湖北民族大学 智能科学与工程学院,湖北 恩施 445000
摘要：为解决电动汽车锂离子电池健康状态(state of health,SOH)预测精度不足及传统模型泛化能力差的问题,提出了基于自注意力-因果膨胀卷积-门控循环单元-自动编码器(self attention-causal dilated convolution-gated recurrent unit-autoencoder,SA-CDC-GRU-AE)模型的锂离子电池SOH估计方法.在卷积模块中引入CDC模块,并结合SA机制,保证预测中的因果性,抑制了锂离子电池容量再生现象对预测结果的干扰.此外,引入AE模块优化GRU模型,使其兼具隐藏特征提取和长期依赖捕捉的能力.在 2 个公开数据集上进行验证,结果表明,SA-CDC-GRU-AE模型在 2 个数据集上的均方根误差(root mean square error,RMSE)平均值分别为 1.009%、0.488%,平均绝对误差(mean absolute error,MAE)平均值分别为 0.780%、0.432%.SA-CDC-GRU-AE模型能准确估计锂离子电池SOH,对电池管理系统具有重要的工程应用价值.
关键词：锂离子电池健康状态估计容量再生因果卷积膨胀卷积自动编码器
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(62263010)
论文发表日期：2025-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 266-271 )
英文信息