前言

實驗采用美國馬里蘭大學先進壽命周期工程研究 中心(CALCE)的鋰電池充放電循環壽命實驗數據。馬里蘭大學實驗組將實驗數據按時間分類存放在一系列 excel文件中， CS2 電池設置的工作溫度為恒定溫度(20～25 ℃)。CS2 電池實驗過程可分為充電階段和放電階段。

此次研究從中采取 1.1 A 的 CS2 型號電池的 4 組數據，分別為：CS-35、CS-36、CS- 37 和 CS-38，電池數據文件中電池參數較多，如時間節點、測試時間、循環次數、電流、電壓、充電容量、放電容量、內阻等。由于需要依靠每次循環的電池容量來判斷電池的使用壽命， 則需計算出每次循環的鋰電池實際容量，即測量鋰電池的每次循環在恒流放電階段實際放出的電量，上述分析表明本次研究所使用的變量為放電容量。根據實驗所需要數據的要求，提取放電數據作為本次研究的重點數據。

1.數據預處理

注意事項：

（1）由于每一塊鋰電池容量退化數據由多個excel數據表構成，所以在導入數據時，應該按照時間的先后順序將數據導入，否則無法得到正確的鋰電池容量退化圖；

（2）在得到所有Cycle的容量數據以后，要對數據進行預處理，即處理離群點，通常有3-sigma法(即超過三倍標準差，即認為其是離群點，將其剔除)，或者用平均值對其進行修正等方法；

2.基于 VMD 的滾動分解處理

2.1 VMD滾動分解介紹

在時間序列預測任務中，像 EMD（經驗模態分解）、CEEMDAN（完全集合經驗模態分解）、VMD（變分模態分解） 等分解算法的使用有可能引入信息泄露，具體情況取決于這些方法的應用方式。信息泄露的主要風險在于：將未來的信息泄露給了模型，使得模型在實際應用中表現得比應有的好。

為了防止信息泄露，我們在分解之前，首先對數據集進行劃分。然后使用滑動窗口的方法來制作數據集標簽，最后逐步滾動分解時間序列窗口！

2.2 VMD滾動分解預處理

單個樣本分解：

所有樣本分解處理后形狀：

3 基于Pytorch的Transformer-GRU并行預測模型

3.1 定義Transformer-GRU并行預測模型

3.2 設置參數，訓練模型

4 模型評估與可視化

4.1 預測可視化

4.2 模型評估

圖片

? 本文轉載自??建模先鋒??，作者： 小蝸愛建模 ????