提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)和高斯过程回归(Gaussian Process Regression,GPR)的锂离子电池剩余寿命预测方法。运用EMD对电池容量数据进行分解,从分解结果中选择能够表征锂电池退化的趋势项。基于趋势...提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)和高斯过程回归(Gaussian Process Regression,GPR)的锂离子电池剩余寿命预测方法。运用EMD对电池容量数据进行分解,从分解结果中选择能够表征锂电池退化的趋势项。基于趋势项,构建GPR预测模型。利用拟合的GPR模型分别对锂离子电池剩余寿命进行点预测和区间预测。实验结果表明,点预测方法中多步预测精度更高,而区间预测能提供更多的参考信息,具有更强的有效性和适用性。展开更多
文摘提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)和高斯过程回归(Gaussian Process Regression,GPR)的锂离子电池剩余寿命预测方法。运用EMD对电池容量数据进行分解,从分解结果中选择能够表征锂电池退化的趋势项。基于趋势项,构建GPR预测模型。利用拟合的GPR模型分别对锂离子电池剩余寿命进行点预测和区间预测。实验结果表明,点预测方法中多步预测精度更高,而区间预测能提供更多的参考信息,具有更强的有效性和适用性。