基于TCT-PSA模型的锂离子电池健康状态评估

针对传统估计方法估计精度低的问题,本文提出了一种基于时空卷积网络与金字塔分割注意力融合Transformer(TCT-PSA)模型框架的新型健康状态(SOH)估计方法。首先对NASA电池数据集进行预处理,然后从锂离子电池充电阶段提取健康因子(HF),采用Pearson相关系数和灰色关联分析法量化HF与锂离子电池SOH的相关性,并将相关性高的HF输入到TCT-PSA模型中,SOH为模型输出。为了验证模型的有效性,利用TCT-PSA模型估计各组电池容量衰减;使用不同模型估计各组电池的SOH并进行比较,并利用分位数估计,验证TCT-PSA模型的准确性和鲁棒性。实验结果表明,通过对各组电池测试集和训练集容量衰减的平均绝对估计误差的验证,所提模型的误差均在2%以内;所提模型估计各组电池SOH的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)均在0.035以内;在锂离子电池SOH分位数估计中最高精度达到99.82%。