锂离子电池健康状态的DCAE-Transformer预测方法研究

doi:10.13393/j.cnki.issn.1672-948X.2025.01.015

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

锂离子电池健康状态的DCAE-Transformer预测方法研究

更新时间：2025-10-23

- 锂离子电池健康状态的DCAE-Transformer预测方法研究
- Issue 1, Pages: 106-112(2025)
- 作者机构：
  
  三峡大学机械与动力学院
- 作者简介：
- 基金信息：
- DOI：10.13393/j.cnki.issn.1672-948X.2025.01.015
  CLC： TM912
- Published：2025
- 稿件说明：
移动端阅览
[J]. 2025, (1): 106-112.
DOI：

[J]. 2025, (1): 106-112. DOI： 10.13393/j.cnki.issn.1672-948X.2025.01.015.

摘要

提出了一种基于Transformer的DCAE-Transformer模型，旨在改善健康状态（SOH）估计的准确性.该方法通过Pearson相关系数筛选关键特征，利用去噪自编码器（DAE）和卷积神经网络（CNN）相结合进行数据预处理和特征提取，再将数据输入Transformer框架完成预测.使用NASA和CALCE提供的数据集进行验证，DCAE-Transformer模型在NASA电池样本上的误差指标(E

、E

MAP

和E

RMS

)均低于1%

值超过99.5%;在CALCE样本上，误差指标低于5%

值超过98%.结果表明，该模型在锂电池SOH估计方面具有较高的精确性和泛化性.

Abstract

关键词

Keywords

references

王经纬,高艳鹍,宋澣兴,刘一非.基于Transformer的飞机状态预测[J].计算机工程与设计,2024(02).

戴国洪,张道涵,彭思敏,苗一凡,卓悦,杨瑞鑫,于全庆.人工智能在动力电池健康状态预估中的研究综述[J].机械工程学报,2024(04).

尹杰,刘博,孙国兵,钱湘伟.基于迁移学习和降噪自编码器-长短时间记忆的锂离子电池剩余寿命预测[J].电工技术学报,2024(01).

任利强,贾舒宜,王海鹏,王子玲.基于深度学习的时间序列分类研究综述[J].电子与信息学报,2024(08).

周道亮.基于机器学习的电池剩余使用寿命预测方法综述[J].电源技术,2023(09).

张彬桥,舒勇,江雨.基于改进变分模态分解和优化堆叠降噪自编码器的轴承故障诊断[J].计算机集成制造系统,2024(04).

蔡艳平,陈万,苏延召,姜柯,黄华.锂离子电池剩余寿命预测方法综述[J].电源技术,2021(05).

段文献.锂离子电池状态估计与剩余使用寿命预测的研究[D].吉林大学,2023(06).

Hosseininasab Seyedmehdi,Lin Changwei,Pischinger Stefan,Stapelbroek Michael,Vagnoni Giovanni.State-of-health estimation of lithium-ion batteries for electrified vehicles using a reduced-order electrochemical model[J].Journal of Energy Storage,2022.

Zhang Yongzhi,Xiong Rui,He Hongwen,Pecht Michael G..Long Short-Term Memory Recurrent Neural Network for Remaining Useful Life Prediction of Lithium-Ion Batteries[J].IEEE Transactions on Vehicular Technology,2018.

Fangfang Yang,Dong Wang,Yinjiao Xing,Kwok-Leung Tsui.Prognostics of Li(NiMnCo)O2-based lithium-ion batteries using a novel battery degradation model[J].Microelectronics Reliability,2017.

Anil V. Virkar.A model for degradation of electrochemical devices based on linear non-equilibrium thermodynamics and its application to lithium ion batteries[J].Journal of Power Sources,2011.

Views

389

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于注意力机制的改进LSTM锂电池健康状态估计方法

Related Author

郭海龙

杨康

吉龙军

吴俭民

杨淑凡

Related Institution

国家电网兰州供电公司

三峡大学电气与新能源学院

AI问答

⁰