基于DESSA-DESN和NCA的锂离子电池剩余寿命预测

摘要：

锂离子电池的剩余使用寿命(RUL)对于锂离子电池在设备中的管理、使用至关重要,为了提高RUL的预测精度,本工作提出一种基于混合差分进化-麻雀搜索算法(DESSA)优化的深度回声状态网络(DESN)和邻域成分分析法(NCA)的锂离子电池RUL预测方法.首先,对锂离子电池的容量衰减特性进行分析,对于多种能够描述电池老化状态的间接健康指标,利用NCA算法降维处理,得到4个高相关度的健康因子作为模型的输入;其次,将差分进化算法(DE)和麻雀搜索算法(SSA)相结合,将突变、交叉、筛选等操作引入SSA算法的种群更新过程中,提出混合差分进化-麻雀搜索算法(DESSA)算法,利用DESSA算法对DESN网络的参数进行寻优,建立DESSA-DESN预测模型.最后,利用NASA数据集和CALCE数据集对所提模型的有效性和泛化性能进行验证,并与SSA-DESN、GPR等现有方法进行比较,结果表明本工作提出的DESSA-DESN模型能够更加准确追踪锂离子电池的退化状态,具有更小的预测误差,对RUL预测结果的均方根误差(RSME)能够保持在1.5％以内,平均绝对误差(MAE)保持在1％以下.

关键词：锂离子电池、剩余使用寿命、邻域成分分析、深度回声状态网络、混合差分进化-麻雀搜索算法

所属期刊栏目：12

分类号：TM912

资助基金：河北省重点研发计划项目20312102D

在线出版日期：2023-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：3191-3202