基于SD-Crossformer的锂电池健康状态预测方法

本发明公开了基于SD‑Crossformer的锂电池健康状态预测方法，针对输入数据中存在的噪声问题，提出堆叠降噪自编码器用于重建输入数据。该模块接受损坏或者噪声较多的数据作为输入，训练自编码器来恢复原始数据，从而迫使模型学习到数据中的关键特征；其次，为了捕捉电池容量退化模型的周期性模式，设计了频率加权注意力机制，对分段嵌入的维度数据行频域转换，并结合频域信息加权计算维度间的注意力，从而识别不同维度之间的频率相关性，有效的提升锂电池健康状态SOH的预测准确性。本发明采用网格搜索法训练模型获得最佳参数，保证了模型的搜索效率和结果的可靠性。