-
题名基于蚁狮优化高斯过程回归的锂电池剩余使用寿命预测
- 1
-
-
作者
冯娜娜
杨明
惠周利
王瑞洁
宁弘扬
-
机构
中北大学数学学院
-
出处
《储能科学与技术》
CAS
CSCD
北大核心
2024年第5期1643-1652,共10页
-
基金
山西省基础研究计划资助项目(202203021211088)
国家自然科学基金项目(61971381,12272356)。
-
文摘
迅速获取精确的锂电池的剩余使用寿命和健康状态,对于维持锂电池的可靠性至关重要。针对锂电池剩余使用寿命(remaining useful life,RUL)预测精度较低,传统的高斯过程回归(Gaussian process regression,GPR)模型的超参数寻优结果不理想、预测效果差等问题,使用蚁狮优化算法(ant-lion optimization algorithm,ALO)对高斯过程回归的超参数进行寻优,实现锂电池剩余使用寿命的精确预测。首先,根据电池充电过程中电池电压的循环曲线,提取了6个参数作为电池的健康因子,然后采用Pearson相关系数验证健康因子与电池容量的相关关系,最终选出平均放电电压、恒流充电阶段电池存储的充电量、整个充电阶段电池存储的充电量以及时间积分中的放电温度这4个参数作为健康因子。最后,利用支持向量回归(support vector regression,SVR)、GPR和ALO-GPR对锂电池RUL进行预测,对各项指标进行比较分析。并将本工作所提出的模型与其他文献所提出的模型进行了比较。通过NASA锂电池数据集验证了模型的有效性,实验结果表明,所提出ALO-GPR的RUL预测模型误差小,均方根误差控制在1%以内,平均绝对误差控制在0.65%以内,泛化性强,具有良好的应用前景。
-
关键词
锂电池
高斯过程回归
蚁狮优化算法
剩余使用寿命
-
Keywords
lithium-ion battery
Gaussian process regression
ant lion optimized algorithm
remaining useful life
-
分类号
TM912
[电气工程—电力电子与电力传动]
-