基于深度学习的锂电池剩余寿命混合预测模型  

作　　者：李迪 高海宾[1] 钱进 陶保壮[1] 

机构地区：[1]淮南联合大学信息工程学院,安徽淮南232001

出　　处：《电脑知识与技术》2024年第4期125-128,131,共5页Computer Knowledge and Technology

摘　　要：文章为了能够准确预测锂电池的RUL,提出了一种基于注意力的CNN-LSTM和XGBoost混合模型。首先选取能够表现电池寿命的特征参数作为输入,然后使用CNN对输入数据进行特征提取,再通过LSTM进行序列建模,以捕捉时间序列数据中的时序关系。接着,使用注意力机制对LSTM的输出进行加权,以强化对关键时间步的关注。最后,使用XGBoost对LSTM的输出进一步调整,得到最终的预测结果。通过在CALCE数据集上进行锂电池RUL预测实验,模型表现出较好的精度和准确性。并在NASA锂电池数据集上进行了泛化性实验,结果表明该模型适用于不同电池RUL预测任务。

关 键 词：锂电池 剩余寿命预测 注意力机制 卷积神经网络 长短时记忆神经网络 XGBoost 

分 类 号：TM912[电气工程—电力电子与电力传动]