关键词：电动汽车;动力电池;Kolmogorov-Arnold理论;堆叠降噪自编码器;改进Informer
摘 要：针对现有电动汽车动力电池估计荷电状态（SOC）和健康状态（SOH）估计方法存在运算效率低、实时性差以及估算准确率低的问题，提出一种基于网络模型KAInformer精确估计电动汽车动力电池SOC&SOH的方法。首先，依据Kolmogorov-Arnold理论将原始堆叠降噪自编码器SDAE内部权重W优化为可自主学习的激活函数B-spline并采用网格扩展技术细粒化B-spline，组成KASDAE新模型，使得堆叠降噪自编码器能够对传感器采集到的电压、电流、温度数据进行清洗。其次，提出傅里叶混合窗口注意力机制FMWA替换稀疏多头注意力机制MPPSA，优化Informer模型结构，增强Informer模型捕获电池长序列数据局部信息和全局信息能力。最后，将清洗后的数据输入FMWAInformer网络模型实现荷电状态和健康状态的精确估计。实验结果表明，所提模型估计SOC的平均绝对误差和均方根误差分别达到0.24%和0.37%，估计SOH的平均绝对误差和均方根误差分别达到了0.5%和0.62%。与传统Informer、Transformer、LSTM、GRU、ELM模型相比，本模型预测SOC和SOH的速度更快，估算准确度有效提升。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取