电动汽车(EV)被认为是传统车辆的环保选择。作为电动汽车中最关键的模块,电池是具有非线性行为的复杂电化学成分。车载电池系统的性能也受复杂的操作环境的影响。实时电动汽车电池在服务中的状态预测很棘手,但对于实现故障诊断和有助于预防危险事件至关重要。具有时间序列分析中有优势的数据驱动模型可用于从有关某些性能指标的数据中捕获降解模式并预测电池状态。变压器模型能够使用多头注意区块机制有效地捕获长期依赖性。本文介绍了标准变压器和仅编码变压器神经网络的实施,以预测电动电池的健康状况(SOH)。根据NASA卓越网站公开访问数据集的锂离子电池的分析,提取了与电荷和放电测量数据有关的28个功能。使用Pearson相关系数筛选功能。结果表明,过滤的特征可以有效提高模型的准确性以及计算效率。提出的标准变压器在SOH预测中表现出良好的性能。
主要关键词