来源：期刊VIP网 时间：
作者：梁子怡1;成贵学1;王士柏2;赵晋斌3
单位：1.上海电力大学计算机科学与技术学院;2.国网山东省电力公司电力科学研究院;3.上海电力大学电气工程学院
摘要：锂离子电池的健康状态（SOH）和剩余寿命（RUL）是影响电池关键状态的重要参数，为准确预测电池状态以确保储能系统的安全运行，提出一种基于时间注意力机制（TAM）和弹性网络（EN）正则化的深度自回归（DeepAR）预测模型，将格兰杰因果检验筛选出的间接健康因子作为模型的输入，通过时间注意力机制捕捉模型中的关键时间信息，并为输入序列分配不同的时间注意力权重，利用DeepAR模型学习电池容量退化趋势，最后通过弹性网络正则化方法提高模型泛化能力与预测精度，实现电池SOH与RUL的动态预测。通过CALCE锂电池数据集进行验证，实验结果表明，所提方法在对SOH预测时误差在0.015以内，RUL联合预测时误差在0.35%以内。
关键词：锂离子电池;健康状态;剩余寿命;深度自回归模型;时间注意力机制;弹性网络正则化;因果关系
基金资助：国家电网公司总部科技项目(5108-202218280A-2-316-XG)
