结合特征组合与MHSA-LSTM的氢燃料电池车辆单体电压最高值预测

摘要

燃料电池车辆动力电池单体电压最高值作为判断电池单体电池过压故障的主要依据之一，与氢燃料电池车辆安全运行密切相关。采用基于长短期记忆(long short-term memory, LSTM)网络和多头自注意力机制(multi-head self-attention, MHSA)相结合的预测模型，对氢燃料电池车辆动力电池单体电压最高值进行预测。使用Spearman相关系数和互信息特征分析，分析原始特征与电池单体电压最高值的相关性，去除不相关特征和冗余特征；采用LSTM提取时序特征，引入多头自注意力机制，增强关键特征权值，将提取到的特征数据输入到全连接层进行回归预测。选用GRU、LSTM作为对比分析模型，采用氢燃料电池车辆行驶数据集进行仿真实验，实验表明：MHSA-LSTM组合模型的平均绝对误差(MAE)和均方误差(RMSE)分别是0.011 5和0.012 9,低于对比模型的MAE和RMSE,组合模型具有较高的预测精度和稳定性，能为燃料电池车辆动力电池单体过压报警提供决策依据。

关键词

氢燃料电池车辆 / 电池单体电压 / 最高值预测 / MHSA-LSTM组合模型