SDG-L：一种基于半参数深度高斯过程的电池容量预测框架
机器学习
2025-10-14 v1
摘要
锂离子电池正逐渐普及于能源供应领域。然而，随着充放电循环次数的增加，能源存储的耐久性受到电池容量下降的威胁。准确的容量预测是确保系统效率和可靠性的关键，在此过程中，对每个循环中电池状态信息的利用在很大程度上被低估。在本文中，我们提出一种半参数深度高斯过程回归框架，命名为 SDG-L，通过对时间序列电池状态数据进行建模来给出预测。通过引入 LSTM 特征提取器，SDG-L 特别设计以更好地利用充放电过程中提供的辅助剖面信息。在基于 NASA 数据集的实验研究中，我们的方法在平均测试 MSE 误差上仅为 1.2%。我们还显示 SDG-L 在各种现有工作中的性能优于，并通过消除研究验证了该框架。
引用
@article{arxiv.2510.10621,
title = {SDG-L: A Semiparametric Deep Gaussian Process based Framework for Battery Capacity Prediction},
author = {Hanbing Liu and Yanru Wu and Yang Li and Ercan E. Kuruoglu and Xuan Zhang},
journal= {arXiv preprint arXiv:2510.10621},
year = {2025}
}