柏航, 周驰东, 李嘉宇, 杨昊天, 王萌, 黄凯, 郁亚娟, 苏岳锋
针对电池剩余使用寿命(RUL)预测过程中有限的早期老化数据进行长周期预测的问题,提出了一种结合局部估计散点图平滑(LOESS)与Transformer的混合预测模型(LOESS-Transformer,L-T)。该模型通过LOESS算法对电池容量衰减数据进行预处理,有效滤除噪声并捕捉核心退化趋势。利用Transformer模型具有长序列依赖捕获能力进行RUL预测。结果表明,所提模型相较于LSTM、CNN-LSTM等基准模型,在仅使用前30%的数据进行输入时,预测精度与鲁棒性均有显著提升。具体而言,在NASA B0005电池上,L-T模型的平均绝对误差(MAE)为0.015 7,均方根误差(RMSE)为0.021 6,RUL相对误差为5.77%;在CALCE CS2_38电池上,预测性能尤为突出,决定系数(R²)达到0.982 2,RUL相对误差更是低至0.13%。该方法为有限信息下的电池RUL预测提供了有效的新思路。