基于对抗性的权重注意力机制序列到序列模型的锂离子电池SOC估计方法

作     者：陈治铭 刘建华 柯添赐 陈可纬 Chen Zhiming;Liu Jianhua;Ke Tianci;Chen Kewei

作者机构：福建理工大学计算机科学与数学学院福州350018 福建省大数据挖掘与应用技术重点实验室福州350018 

出 版 物：《电工技术学报》 (Transactions of China Electrotechnical Society)

年 卷 期：2024年第39卷第19期

页      面：6244-6256页

核心收录：

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金(62172095) 福建省自然科学基金(2023J01349)和福建省创新资金(2022C0022)资助项目 

主　　题：锂电池荷电状态 序列到序列模型 对抗生成网络 稀疏化Informer 注意力 

摘      要：锂电池荷电状态(SOC)的准确估算是新能源技术发展中的一项关键技术,由于难以直接获取SOC准确数值,而面对此长序列预测问题,采用传统深度学习方法,其估算效果不佳。对此,该文提出一种对抗性的权重注意力序列到序列(AWAS)模型以估算SOC,其中权重注意力机制通过引入额外的线性变换增强了注意力机制提取长序列依赖的能力。该模型由门控循环单元(GRU)作为编码器和解码器的基本构建模块。首先利用编码器提取特征间的相关信息;其次将包含特征信息的隐藏向量交由权重注意力处理,以深化特征间的关联性学习;再次由GRU进行解码;最后与生成对抗网络(GAN)中的鉴别器联合,提高模型估算能力。通过多步SOC估算任务的测试实验,该文提出的模型估算SOC的方均根误差及平均绝对百分比误差分别达到0.1695%和0.2096%;同时,在不同数据集的单步估算任务测试中,平均绝对误差和方均根误差达到0.1412%和0.1094%;相比稀疏化Informer模型在平均绝对误差评估指标上降低了45.7%。