基于混合尺度健康因子的LSTM-Transformer锂电池寿命预测

来源：电子测量技术杂志2024年第11期北京时间：

作者：赵昱坡，黄伟，张剑飞

单位：1.上海电力大学自动化工程学院 上海 200090; 2.华能玉环电厂 台州 317699

摘要：为提高锂电池剩余使用寿命（RUL）预测的精度，提出基于混合尺度健康因子的集成模型进行RUL预测。针对电池退化数据噪声大，数据量少和非线性特点捕捉不全的问题，首先提出奇异值分解（SVD）对电容信号处理，通过奇异值的能量分布优化变分模态分解（VMD）的最佳模态数，降噪重构出直接健康因子SR。提出一种幅度、相位双扰动（APP）的数据增强方法，依据SR数据分布变化，生成人工标记数据ESR，此ESR与电容相关系数均高于0.97。将SR、ESR结合GRA算法择取的3个间接健康因子，建立了更全面的混合尺度寿命特征信息；此外，为了避免单一模型预测的局限性，采用LSTM模型改进了Transformer结构中的解码器，引入新兴Optuna框架分析了影响模型预测精度的关键超参数并对它们进行了优化。最后通过NASA数据进行实验，并与RNN、LSTM、Transformer以及现有模型方法进行比较，结果证明RMSE控制在2.39%以内，MAE在1.59%以内，且预测性能受预测起点的影响小，稳定性更高，95%置信区间更窄。

关键词：锂离子电池;混合尺度特征提取;LSTM-Transformer模型;APP数据增强;Optuna框架

基金资助：国家电网公司华东分部科技项目(H2021-111)资助