来源：期刊VIP网 时间：
作者：邓栋梁;银立新;余瑾;黄先红;
单位：三峡电能有限公司;
摘要：当前数据驱动的健康状态(SOH)预测方法依赖于庞大的数据规模。提出一种小样本量下的电池SOH预测方法：采用Levy飞行策略优化天鹰优化(AO)算法的权值和阈值；提出广义改进学习(GOBL)来生成更好的候选解集，以增加种群的多样性，加快优化方法的收敛速度，得到改进天鹰优化(IAO)算法；利用IAO算法优化时序卷积神经网络(TCN)的权值和阈值，建立IAO-TCN电池SOH预测模型；在优化的TCN(IAO-TCN)模型基础上，引入多头注意力机制，使模型自动聚焦于电池数据的重要特征，提升预测模型的精度。通过马里兰大学电池数据进行实例分析，与TCN、极限学习机、长短期记忆神经网络和卷积神经网络等进行对比，发现所提模型平均误差控制在2.5%以内，准确率较其他模型提升10个百分点以上，稳定性、预测精度和泛化能力均较好。
关键词：锂离子电池;;健康状态(SOH)预测;;时序卷积神经网络(TCN);;天鹰优化(AO)算法;;多头注意力机制
基金资助：中国长江电力股份有限公司科技项目（Z412302056）
