近期，一項關于鋰離子電池狀態(tài)估計的研究在學術界引起了廣泛關注。該研究團隊在《電工技術學報》2024年第19期上發(fā)表了他們的最新成果，提出了一種創(chuàng)新的基于對抗性權重注意力機制的序列到序列（Seq2Seq）模型，用于估計鋰離子電池的荷電狀態(tài)（SOC）。

該研究的核心貢獻之一是，在傳統(tǒng)使用門控循環(huán)單元（GRU）作為編碼器和解碼器的Seq2Seq模型基礎上，引入了一種新的權重注意力機制。實驗結果顯示，這種機制在解碼器中的應用顯著優(yōu)于未改進的多頭注意力機制，為鋰離子電池SOC的精確預測提供了新的可能。

研究團隊還將對抗性訓練的思想融入到模型中，結合了生成對抗網(wǎng)絡（GAN）的鑒別器進行聯(lián)合訓練。鑒別器部分采用了三層一維卷積與多頭注意力機制相結合的設計，使得生成式模型能夠一次性預測多步SOC值，有效減少了滾動預測帶來的誤差。同時，單層編碼器和解碼器的設計也大幅降低了數(shù)據(jù)冗余，提高了模型的效率。

為了驗證模型的有效性，研究團隊在三個公開數(shù)據(jù)集上進行了廣泛的實驗，涵蓋了不同溫度和工況下的測試。實驗結果表明，無論是在單步預測任務還是多步預測任務上，模型的平均絕對誤差、最大誤差、方均根誤差以及平均絕對百分比誤差均有顯著降低。具體而言，方均根誤差和平均絕對百分比誤差分別達到了0.1695%和0.2096%，顯示出模型在鋰離子電池SOC估計方面的卓越性能。

該模型在不同數(shù)據(jù)集的單步估算任務測試中同樣表現(xiàn)出色，平均絕對誤差和方均根誤差分別低至0.1412%和0.1094%。與稀疏化Informer模型相比，該模型在平均絕對誤差評估指標上降低了45.7%，進一步證明了其優(yōu)越性和實用性。

據(jù)悉，這項研究得到了國家自然科學基金、福建省自然科學基金以及福建省創(chuàng)新資金的大力支持，為推動鋰離子電池狀態(tài)估計技術的發(fā)展和應用做出了重要貢獻。