基于SAM-BiGRU网络的锂电池RUL预测

针对现有锂电池剩余使用寿命(RUL)预测方法精度低等问题,提出一种基于自注意力机制(SAM)的双向门控循环单元(BiGRU)网络模型。将锂电池的容量数据作为该模型输入序列,通过自注意力机制捕捉到锂电池容量历史信息中的关键时间点,并为其分配权重,利用BiGRU模型学习其容量退化趋势,据此实现剩余寿命预测。所提方法应用于CALCE锂电池数据集的CS2系列35、36、37号锂电池,实验结果表明所提方法 35、36号锂电池上的预测误差均在1.5%以内,37号锂电池预测误差为2.22%。