用于锂离子电池剩余使用寿命RUL预测的负载均衡可变形专家网络

原文标题: A load balanced deformable expert network for lithium ion battery remaining useful life prediction 发表日期: 2026年1月 (Online November 2025) 期刊/来源: Journal of Energy Storage DOI链接: 10.1016/j.est.2025.119587

锂离子电池由于复杂的电化学老化机制，准确预测其剩余使用寿命（RUL）极具挑战。现有的深度学习模型难以捕捉不规则的局部退化模式，且常受限于专家混合模型（MOE）中的负载不平衡问题。本研究提出了一种新型深度神经网络架构LB-DeformNet，集成了多头可变形注意力机制（MHDA）与负载均衡限制的混合专家（LBRMOE）框架。MHDA能够根据退化显著性动态调整感受野，聚焦关键时间区域；而LBRMOE通过引入负载均衡约束，确保专家模块的均匀激活。实验结果表明，该方法在公开基准数据集和实车数据集上均优于现有最先进方法，提供了更稳健的电池健康预测方案。