基于转置Transformer模型的电化学储能自适应SOH估计方法.pdfVIP

第51卷第6期：2945-2954高电压技术Vol.51,No.6:2945-2954

2025年6月30日HighVoltageEngineeringJune30,2025

DOI:10.13336/j.1003-6520.hve2025年6月30日第51卷June

基于转置Transformer模型的电化学储能自适应

SOH估计方法

11２３１３

李鹏，葛儒哲，董存，孙树敏，张元欣，王士柏

1.0710032.100031

（华北电力大学电气与电子工程学院，保定；国家电力调度控制中心，北京；

3.国网山东省电力公司电力科学研究院，济南250003）

摘要：为了保障锂离子电池运行的可靠性和安全性，及时监测其健康状况，在Autoformer模型和iTransformer

模型的基础上，结合线性回归模型，提出了一种基于转置Transformer的自适应特征感知电池健康状态融合估计模

型。首先，从充电曲线中提取健康因子。其次，将容量退化分解为退化趋势部分和容量再生部分，利用线性回归

模型预测电池容量的退化趋势，利用转置Transformer模型估计电池容量再生部分，两部分组合以获得电池容量退

化的估计结果。最后，利用注意力权重对模型赋予可解释性。研究结果表明：此方法在NASA锂电池老化数据集

上的仿真实验中，预测误差明显小于其他时序预测模型，验证了所提方法的预测精确性与可靠性。论文为电池健

康状态精确估计的进一步深入研究提供了参考。

关键词：锂离子电池；健康状态；深度学习；注意力机制；转置Transformer模型；可解释性

AdaptiveSOHEstimationMethodBasedontheTransposeTransformerModelforElectro-

chemicalEnergyStorage

112313

LIPeng,GERuzhe,DONGCun,SUNShumin,ZHANGYuanxin,WANGShibai

(1.SchoolofElectricalandElectronicEngineering,NorthChinaElectricPowerUniversity,Baoding071003,China;

2.NationalElectricPowerDispatchingandControlCenter,Beijing100031,China;

3.StateGridShandongElectricPowerResearchInstitute,Jinan250003,China)

Abstract：Toensurethe