融合多项式特征扩展与CNN-Transformer模型的锂电池SOH估计OA北大核心CSTPCD
为了提高锂离子电池健康状态(state of health,SOH)估计的精确度,本研究结合卷积神经网络(convolutional neural networks,CNN)强大的局部特征提取能力和Transformer的序列处理能力,提出了基于多项式特征扩展的CNN-Transformer融合模型。该方法提取了与电池容量高度相关的增量容量(incremental capacity,IC)曲线峰值、IC曲线对应电压、面积及充电时间作为健康因子,然…查看全部>>
陈媛;章思源;蔡宇晶;黄小贺;刘炎忠
安徽大学人工智能学院,安徽合肥230601安徽大学人工智能学院,安徽合肥230601安徽大学人工智能学院,安徽合肥230601安徽大学人工智能学院,安徽合肥230601安徽大学人工智能学院,安徽合肥230601
动力与电气工程
锂离子电池电池健康状态预测主成分分析法CNN-Transformer增量容量分析多项式特征
《储能科学与技术》 2024 (9)
P.2995-3005,11
国家重点研发计划“智能电网技术与装备”专项(2023YFB2406900)湖北省重点研发计划项目(2021BEA162)。