摘要： 精确预测燃料电池老化趋势不仅能为电池健康管理和剩余寿命估计提供可靠依据，而且在提高电池安全性方面具有重要意义。提出一种融合注意力机制的 ＣＮＮＧＲＵ燃料电池老化趋势预测模型。首先根据电池老化特性和皮尔逊相关系数，构建由堆电压、电压最大偏差率和电流组成的混合老化指标作为输入。然后利用注意力机制对ＣＮＮ卷积特征进行进一步权重评估，凸显重要特征，弱化次要特征。同时，探究 ＳＥＢｌｏｃｋ、ＥＣＡＢｌｏｃｋ、ＣＢＡＭＢｌｏｃｋ三种注意力机制模块对预测精度的影响。实验结果表明，所提出的混合老化指标作为输入能够获得更贴近实际老化趋势的预测效果。对比 ＧＲＵ基线模型可知，融合注意力机制之后，平均绝对值误差（ＭＡＥ）和均方根误差（ＲＭＳＥ）分别最少降低 ３０．０１％、２９．３９％，其中 ＣＢＡＭＢｌｏｃｋ模块性能最佳，ＭＡＥ和 ＲＭＳＥ分别减少 ７２．７２％、６３．１４％。

关键词: 燃料电池；老化趋势预测；注意力机制；老化指标；门口循环单元

中图分类号: 

• TM911