基于电池老化趋势重构与TCN-GRU-Attention网络的SOH估计

摘要

针对噪声干扰导致锂电池老化过程中关键特征提取困难的问题，首先，在增量容量曲线中提取反应电池老化规律的峰值特征，捕捉电池性能随时间变化的关键信息；然后，通过改进的自适应噪声完备集合经验模态分解与小波阈值降噪对特征进行联合降噪，重构出更高精度的特征序列；最后，将该特征序列输入到时间卷积网络提取序列特征，并利用门控循环单元捕捉长时间依赖性，同时引入多头注意力机制进一步增强模型对关键特征的感知能力。实验结果表明，用该方法可有效提高锂电池健康状态估计的准确性，使均方根误差小于1.5%，平均绝对误差小于1%。

关键词

锂电池 / 电池健康状态 / 自适应噪声完备集合经验模态分解 / 小波阈值降噪 / 时间卷积网络 / 门控循环单元 / 多头注意力机制