基于IViT的锂离子电池健康状态估计

来源：电子测量技术杂志2024年第18期北京时间：

作者：廖列法，占玉敏，刘映宝

单位：1.江西理工大学信息工程学院 赣州 341000; 2.江西现代职业技术学院 南昌 330095

摘要：准确预测锂离子电池的健康状态（SOH）至关重要。针对电池单个周期的不同阶段退化机制存在差异和实际运用场景下数据获取不完整等挑战，提出一种基于InvolutionVision Transformer（IViT）的锂离子电池SOH估计方法。从电压时间曲线中自动提取能有效表征锂离子电池退化信息的特征，使用Involution模块在不同位置上自适应地分配权重，利用Vision Transformer学习不同阶段的高级特征表示并捕获全局依赖关系。实验结果表明，IVIT的预测误差在0.5%左右，且当整体数据缺失50%的情况下误差仅为2%左右，证明了所提方法的有效性和稳定性。

关键词：锂离子电池;健康状态;Involution;Vision Transformer

基金资助：国家自然科学基金(71462018,71761018)项目资助