基于双重注意力机制的电池SOH估计和RUL预测编解码模型 |
| |
引用本文: | 戴俊彦,夏明超,陈奇芳.基于双重注意力机制的电池SOH估计和RUL预测编解码模型[J].电力系统自动化,2023(6):168-177. |
| |
作者姓名: | 戴俊彦 夏明超 陈奇芳 |
| |
作者单位: | 北京交通大学电气工程学院 |
| |
基金项目: | 中央高校基本科研业务费专项资金资助项目(2018JBZ004);;国家自然科学基金资助项目(52007004)~~; |
| |
摘 要: | 锂电池的健康状态(SOH)和剩余使用寿命(RUL)精确评估对电池安全稳定运行极为重要,而现有预测模型内部运行机制透明性低,导致评估可靠性较差。文中提出一种基于双重注意力机制的双向长短期记忆网络编解码模型进行SOH估计和RUL预测。编码侧的特征注意力机制和解码侧的时序注意力机制不仅通过动态分配特征和时序信息的权重提升了模型预测精度,还通过可视化权重的方法实现了模型可解释性。最后,利用NASA和CALCE公开的电池数据集进行实验测试,验证了所提方法具有较高的精度和可靠性。
|
关 键 词: | 锂电池 长短期记忆网络 注意力机制 健康状态 剩余使用寿命 |
|
| 点击此处可从《电力系统自动化》浏览原始摘要信息 |
|
点击此处可从《电力系统自动化》下载全文 |