用于锂离子电池健康状态评估的带可解释特征分段的BO-PatchDiffFormer模型

《Energies》:BO-PatchDiffFormer with Interpretable Feature Segments for State of Health Estimation of Lithium-Ion Batteries

【字体: 大 中 小 】 时间:2026年08月06日 来源:Energies 3.9

编辑推荐:

   摘要

  

摘要

可靠的电池健康状态估算为锂离子电池储能系统的安全管理与高效运行提供了重要支持。为解决现有电池健康状态估算方法在特征可解释性、对每个特征段内的局部变化与整体形态特征的联合建模,以及模型超参数配置合理性方面的不足,本研究提出了一种混合数据驱动的电池健康状态估算方法,该方法结合了可解释的特征构建、改进后的Transformer模型以及贝叶斯优化技术。具体而言,首先通过增量容量分析将原始充电数据转换为增量容量曲线,并在不同循环中动态定位增量容量峰值。接着,提取增量容量峰值电压周围的局部电压-容量段作为与电池老化密切相关的可解释输入特征。随后,通过引入补丁嵌入和多头差分自注意力机制来改进Transformer编码器,从而提升模型捕捉每个循环特征段内局部变化与整体形态特征的能力。此外,还运用贝叶斯优化技术来动态优化模型的关键超参数。在CALCE-CS2和CALCE-CX2电池数据集上的实验结果表明,所提出的BO-PatchDiffFormer模型能够在对比实验和泛化实验中实现准确且稳定的电池健康状态估算。与性能最佳的基线模型相比,该模型在四种CS2测试电池上的均方根误差和平均绝对误差分别最大降低了31.81%和23.76%。在泛化实验中,两种CX2测试电池上的平均均方根误差和平均绝对误差分别为1.6039%和1.3081%。另外,该模型的最大大小仅为2.07MB,单样本推理时间也在0.84–1.18毫秒之间,显示出良好的实际应用潜力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号