基于自注意力和GRU的锂电池健康状态估计

来源：计算机技术与发展杂志2024年第05期北京时间：

作者：雷孟飞;梁泉;孙世豪;林勇强

摘要：为了解决锂离子电池使用中特征提取数据不足和模型需要大量历史数据的问题,通过分析锂离子电池使用中的数据,提出了放电过程中基于 Self-Attention-GRU 的锂离子电池健康状态估计方法。 在没有历史数据的锂电池上使用相同型号锂电池历史数据训练的模型估计电池健康状态;拥有一定量老化数据后,使用锂电池自身的老化数据训练模型估计电池健康状态。 提取放电过程的等压降放电时间、电压均方根和放电功率作为健康因子,利用融合自注意力机制的门控循环单元建立健康因子和健康状态( SOH)之间的映射关系。 使用 4 组 CALCE 电池老化数据进行实验验证。 模型在20% 老化数据作为训练集时 MAE 和 RMSE 分别达到 1. 03% 和 1. 25% ;在 30% ,40% 老化数据和相同型号电池全部老化数据作为训练集时模型的 MAE 和 RMSE 都小于等于 1% 。 说明该方法在估计锂离子电池健康状态估计方面具有较高的精确性和可靠性。

关键词：健康状态;自注意力机制;门控循环单元(GRU);锂离子电池;健康因子