基于时序模式注意力机制和孤立森林的电池过充热失控预警方法研究
锂离子电池热失控反应迅速且剧烈,能够在储能系统内形成热蔓延,造成巨大损失,成为储能安全领域亟须解决的问题。为满足锂离子电池过充热失控预警的时效性需求,本工作提出了一种基于时序模式注意力机制(TPA)和双向长短期记忆网络(BiLSTM)联合孤立森林的电池过充热失控预警方法。该方法首先通过TPA从多时间步捕获电池状态特征的变化规律,并通过差异化加权关注重要信息;然后利用BiLSTM的双向神经网络结构对电池特征数据进行双向信息提取,提高模型预测精度;最后结合孤立森林算法,利用电池真实数据集建立孤立森林模型并计算电池状态特征的异常分数,通过选取最佳异常分数阈值对电池状态进行分类,实现对电池异常状态的预警。实验结果表明,该方法的F1-score达到0.9509,能够在电池过充前7 s对电池异常状态进行预警,相比温度阈值划分方法提前了252 s。本工作所述方法在提高锂离子电池过充热失控预警的准确性和时效性方面具有重要意义。
> 储能系统与工程







