摘要：针对现有电动汽车电池状态估计方法存在运算效率低和估算准确率低的问题，提出一种模型SDAE-DCPInformer以估算电动汽车电池SOC和SOH。首先，采用堆叠降噪自编码器SDAE清洗电压、电流和温度数据中的异常数据和空缺数据，减小对估算精度的影响。其次，引入动态通道剪枝技术DCP对Informer模型进行稀疏化处理，提高剪枝后模型的性能和稳定性。最后，将清洗过的数据输入DCPInformer模型实现SOC和SOH的精确估计。实验结果表明，所提出的SDAE-DCPInformer模型估计SOC的MAE和RMSE分别达到0.25%和0.38%，估计SOH的MAE和RMSE分别达到了0.51%和0.64%。与传统Transformer等模型相比，所提模型预测SOC和SOH的速度更快，估算准确度有效提升，拥有的更好稳定性和泛化性。
文章目录
1 电池分析和制定模型
1.1 电池管理系统
1.2 网络模型Informer
1.3 SDAE-DCPInformer框架
2 SDAE数据清洗
2.1 堆叠降噪自编码器原理
2.2 修复数据
3 对Informer模型进行剪枝优化
3.1 剔除冗余稀疏多头自注意力MPPSA
3.2 优化多头自注意力机制MHSA
3.3 改进后的Informer模型
3.4 SDAE-DCPInformer结构
4 实验与分析
4.1动力电池数据集
4.2 模型参数设置
4.3 不同温度下SDAE-DCPInformer估计结果
4.3.1 20℃温度下模型估算结果
4.3.2 40℃下模型的估算结果
4.3.3 45℃温度下模型的估算结果
4.4 对比试验
4.4.1 不同剪枝率下模型的性能
