[发明专利]一种电池健康状态评估方法及系统

权利要求书

1.一种电池健康状态评估方法及系统，其特征在于：包括，

根据电池循环充放电实验，提取放电电压、电流和容量序列；

搭建MACSA-Net模型，利用改进的蚁狮优化算法选择模型中的超参数；

将放电电压、电流和容量序列作为输入，基于优化后的MACSA-Net模型，对电池健康状态进行评估。

2.根据权利要求1所述的一种电池健康状态评估方法及系统，其特征在于：搭建MACSA-Net模型，该模型由卷积层、自注意力层、多层聚合层、规范化层以及前馈层组成。

3.根据权利要求2所述的一种电池健康状态评估方法及系统，其特征在于：自注意力层由多个自注意力单元堆叠而成，对于单个自注意力单元，它将卷积层提取出的特征向量与计算出的位置编码向量相加作为输入，进行线性变换后得到查询向量Q、键向量K和值向量V，自注意力单元输出的计算公式为，

其中，Attention(Q，K，V)为自注意力单元的输出值，Q、K、V分别为查询向量、键向量和值向量，d_k是K向量的维度，softmax为归一化指数函数。

4.根据权利要求1所述的一种电池健康状态评估方法及系统，其特征在于：改进的蚁狮优化算法中，蚁狮位置的更新公式为，

w(t)＝μ+σ*N(0，1)

AL＝w×AL+z₁×Cauchy(0，1)×(AL_best-AL)

其中，w(t)为第t次迭代的权重值，μ为随机权重平均值，σ为学习因子，

N(0，1)为服从标准正态分布的随机数，w为权重值，z₁为0到1之间的随机数，Cauchy(0，1)为服从标准柯西分布的随机数，AL_best为最优蚁狮个体，AL为调整后蚁狮的位置。

5.根据权利要求4所述的一种电池健康状态评估方法及系统，其特征在于：利用改进的蚁狮优化算法选择MACSA-Net模型中的超参数，具体过程为，

将电池容量估计值与实际值的平均绝对误差作为目标函数；

利用改进的蚁狮优化算法，选择MACSA-Net模型中卷积层的滤波器个数和自注意力单元的个数；

不断迭代从而使目标函数最小化。

6.根据权利要求1所述的一种电池健康状态评估方法及系统，其特征在于：将放电电压、电流和容量序列作为输入，基于优化后的MACSA-Net模型，对电池健康状态进行评估，具体过程为，

对放电电压、电流和容量序列进行归一化处理；

将归一化后的样本划分测试集和训练集，作为MACSA-Net模型的输入；

基于优化后的MACSA-Net模型，训练输入数据，实现电池健康状态评估。

7.根据权利要求1所述的一种电池健康状态评估方法及系统，其特征在于：包括，

采集模块：根据电池循环充放电实验，采集电池的放电电压、电流和容量数据；

优化模块：利用改进的蚁狮优化算法，对MACSA-Net模型中的超参数进行选择；

训练模块：基于放电电压、电流和容量序列，训练优化后的MACSA-Net模型；

评估模块：基于优化后的MACSA-Net模型对电池健康状态进行评估。

8.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至6所述的方法中的任一方法。

9.一种计算设备，其特征在于：包括，

一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至6所述的方法中的任一方法的指令。