基于PyConv⁃Transformer的锂离子电池剩余寿命预测

来源：计量学报杂志2026年第1期北京时间：

作者：吴忠强, 吴江浩

摘要：锂离子电池的剩余使用寿命（RUL）是电池健康管理的重要参数。电池在实际使用过程中会出现容量再生现象，而且在电池数据采集过程中，通常难以避免噪声干扰，影响数据质量。针对以上问题提出一种基于Transformer结合金字塔卷积网络的电池RUL预测模型，选取容量作为健康因子，利用金字塔卷积网络中不同大小的卷积核提取容量序列的特征信息，利用Transformer中的多头注意力机制进一步学习序列的时序特征。采用加权Huber损失函数，提高模型的鲁棒性；采用Dropout技术，提高模型的泛化能力，防止训练过程中出现过拟合。将所提预测模型在NASA和CALCE数据集上实验，并与其他模型比较。实验结果表明，所提模型的预测精度更高，在NASA和CALCE数据集上的相对误差分别为0.008 6、0.019 3；平均绝对误差分别为0.011 5、0.012 6；均方根误差分别为0.017 3、0.018 9。

关键词：电学计量,剩余使用寿命,锂电池容量,金字塔卷积网络,Transformer,加权Huber损失函数,Dropout

基金资助：河北省重点实验室绩效补助经费(22567612H)