LEARNING
StateFormer：一种用于学习历史依赖电池状态动态和长期健康预测的多变量Transformer
Zhe Bai, Stephen Harris
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种名为StateFormer的多变量Transformer模型，用于预测大规模电池系统的退化动态。该模型能够同时捕捉短期热波动和长期老化轨迹，准确预测电池的荷电状态、健康状态和温度，并在合成和真实数据集上表现出鲁棒性。
关键词
Transformerbattery degradationstate estimationlong-horizon forecastingmultivariate time series
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018