基于Transformer的锂离子电池荷电状态智能预测方法

摘要

锂离子电池的荷电状态（state of charge,SOC）是新能源电动汽车电池管理系统中的关键参数。针对复杂运行环境下锂离子电池SOC预测精度不足等问题，提出了一种基于Transformer神经网络的电动汽车锂离子电池SOC智能预测方法。以日产Leaf电池为研究对象，搭建了新能源电动汽车锂离子电池充放离子电测试平台，模拟用户的真实能量需求及实时能量需求的动态变化，动态调整电池的充放电策略，采集多维度电池数据并进行预处理。构建基于Transformer模型的SOC预测框架，通过神经网络提取复杂时间序列特征，实现了对锂离子电池SOC的高精度预测。实验结果表明，提出的方法在预测精度上优于其他网络，其平均绝对误差低于1.51%，均方根误差（root mean square error,RMSE）低于0.48%，验证了该方法的有效性和准确性。

关键词

荷电状态 / 新能源电动汽车 / 电池管理系统 / Transformer / 锂离子电池