一种基于注意力机制的CNN-LSTM锂电池健康状态估算

为了实时、便捷、准确地评估电动汽车锂电池健康状态(SOH),提出一种基于注意力机制的卷积神经网络(CNN)-长短期记忆网络(LSTM)的电池SOH估算方法,该算法融合了CNN、LSTM以及注意力机制的思想.通过将单个采样周期内的电压、电流、温度采样序列进行不同尺寸的卷积核运算得到多视野域下的特征序列,利用LSTM挖掘特征序列的长短期关系得到多个输出结果,最终通过注意力权值进行整合输出得到SOH值.实验结果表明:对于上海市电动汽车公共数据采集与监测研究中心提供的测试数据集,该方法取得了较优的估算结果,相比LSTM、CNN-LSTM算法,其在各评价指标上表现更优.