融合LSTM与Transformer动力电池故障诊断算法研究

摘要

为实现动力电池故障精确预警，提出一种融合LSTM与Transformer的实车故障诊断算法。首先，采集三元锂电池实车运行时的数据，经过数据预处理后，利用皮尔逊相关系数法筛选出与单体电压高度相关的特征；其次，分别将LSTM-Transformer、Transformer、LSTM、GNN故障诊断算法在正常车和故障车中进行单体电压预测，对单体电压的预测值与真实值作差；最后，将单体电压差值通过LOF局部异常因子算法进行LOF值计算，通过设置阈值判断单体电池是否发生故障。研究结果表明：在正常车中，LSTM-Transformer模型相较Transformer模型、LSTM模型、GNN模型的模型评价指标最优，未出现误报；在故障车中，LSTM-Transformer模型能够准确识别故障单体，并提前40 h预测单体电池的热失控，未出现误报和漏报，验证了所提出算法在动力电池故障诊断方面的适用性。

关键词

新能源汽车 / 动力电池 / LSTM-Transformer / LOF / 故障诊断

基金资助

山西省高等学校科技创新资助项目(2024L175); 山西省基础研究计划资助项目(202403021222149)