注意力记忆增强时间卷积网络

少数据快准预测剩余寿命

仅用10圈不完整循环数据，即可快速准确地预测电池剩余使用寿命，对不同电池化学体系和工况具有更好的泛化性。

Fei, Zicheng · 张紫君 · 杨方方 · Tsui, Kwok L.

Journal of Energy Storage 2023

参数信息

数据需求

10

技术优势

数据需求少

仅需任意老化阶段的10圈不完整循环数据即可预测，无需全寿命周期历史。

预测更准更快

通过联合注意力、时间卷积和记忆增强模块，模型精度和速度均优于现有最先进方法。

泛化能力强

实验表明对新电池化学体系和工况条件也能保持较好预测性能。

应用场景

• 电池健康管理：利用少量数据评估电池健康状态，指导维护决策。
• 储能系统运维：为储能系统提供快速寿命预测，优化运维计划。
• 电池管理系统：嵌入BMS实时预测剩余寿命，提升电池管理效率。
• 工业设备预测性维护：实现基于少量数据的预测性维护，减少非计划停机。