一种基于注意力联邦学习的电车动力电池健康状态预测方法

本发明提出一种基于注意力联邦学习的电车动力电池健康状态预测方法，主要涉及深度学习，电池健康状态预测领域。主要步骤包含：导入电车电池数据并进行预处理，将每个电车电池数据作为客户端本地数据；在联邦学习中，设计全局‑局部注意力网络模型结构，作为客户端模型学习电池老化特征；设计时间引导的模型选择策略，将通过筛选的客户端模型上传至服务器；设计基于注意力的模型自适应聚合策略，聚合上传的客户端模型生成全局模型；全局模型下发至各客户端，完成此轮联邦学习，全局模型收敛时结束训练，得到一个高泛化性SOH预测模型；使用目标电车电池部分数据对所得模型进行微调，实现对目标电车电池SOH预测。本发明针对电池监测信号局部特征与全局特征的交互作用，设计全局‑局部注意力网络模型提高数据特征表示能力，同时针对单个电车SOH预测模型泛化性弱的问题，在考虑数据隐私的基础上，优化了联邦学习方法，准确地预测目标电车电池的健康状态，以延长电池寿命，提高驾驶安全性。