科研之友
微信
新浪微博
Facebook
分享链接
摘要
通过对锂离子电池容量退化轨迹的精确预测可以大幅提升电池材料的研究效率。针对Transformer网络在锂电池容量退化轨迹预测这种长时间序列预测任务中存在的问题，本文采用滑动窗口策略，构建了一种基于Informer网络的锂离子电池容量退化轨迹预测方法。首先，利用滑动窗口对数据集进行划分和再拼接，便于神经网络挖掘数据序列内部的相关性；然后根据Informer网络的周期性时间特征捕捉能力设计适用于锂电池数据的全局时间戳；最后使用前10%容量数据通过多步滚动预测方法实现模型输出，缓解预测中的误差累计问题，进而得到完整的预测轨迹。通过选取不同的误差评价指标和训练过程中的时间开销在马里兰大学提供的锂电池数据集上验证了所建立模型的准确性和训练效率，并在美国航空航天局提供的电池数据集上验证了模型的泛用性。本文模型的预测结果与多层感知机神经网络、循环神经网络及Transformer网络模型对比，退化轨迹与真实轨迹最为拟合，且训练时间开销小，预测结果的平均绝对误差和均方根误差控制在2.57%和3.5%，验证了所提预测方法的有效性。
- 单位
