多头注意力SOC估计网络

多工况温度适应

结合CNN特征提取、BiLSTM时序记忆与多头注意力关联的多模块网络，为锂电池荷电状态提供更稳健的估计。

Zongxiang, Li · 李立伟 · 陈晶 · 王冬青

Energy 2024

参数信息

工况数

4

温度点数

5

技术优势

适应多工况多温度

在四种工况和五种温度下验证有效，模型能泛化到不同的电池测试环境。

挖掘输入变量关联

多头注意力通过多个独立自注意力层对输入信息加权，提取更多关联信息，提升模型泛化性能。

缓解过拟合风险

Swish激活函数上无界下有界保证不饱和，减少过拟合；多头联合学习也降低单头过拟合风险。

应用场景

• 电池管理系统：提供对复杂工况和温度变化鲁棒的SOC估计核心，提升BMS状态估算可靠性。
• 锂电池状态监测：从电压电流等信号中提取退化特征，实现电池健康与荷电状态的持续监测。
• 智能传感与预测：结合信号分解与注意力机制，从传感数据中预测SOC，支持智能化电池管理。