基于卡尔曼滤波算法优化Transformer模型的锂离子电池健康状态预测方法OA北大核心CSTPCD
回顾了锂离子电池健康状态(state of health,SOH)的预测方法,本文提出了一种基于卡尔曼滤波器(Kalman filter)优化的Transformer网络,利用历史数据预测电池SOH。首先,通过添加高斯噪声、自动编码器重构对电池数据进行预处理,去除电池数据中原始噪声并强化数据特征;其次,利用提出的KF-Transformer(Kalman filter-transformer)算法模型提取电池健康状态变化特征,使得Transfor…查看全部>>
黄煜峰;梁焕超;许磊
沈阳航空航天大学电子信息工程学院,辽宁沈阳110136沈阳航空航天大学电子信息工程学院,辽宁沈阳110136应急管理部沈阳消防研究所,辽宁沈阳110034
动力与电气工程
锂离子电池电池健康状态自动编码器Transformer网络卡尔曼滤波器
《储能科学与技术》 2024 (8)
P.2791-2802,12
沈阳市自然科学基金专项(23-503-6-18)辽宁省科技厅应用基础研究计划项目(2023JH2/101300145)。
评论