基于集成经验模态分解与集成机器学习的锂离子电池剩余使用寿命预测方法

摘要：

准确预测储能锂离子电池剩余使用寿命(remaining useful life,RUL)对于电力系统的安全性与可靠性至关重要.针对锂离子电池老化轨迹呈现非线性变化的问题,提出一种基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)和集成机器学习的锂离子电池剩余使用寿命预测方法.首先,利用集成经验模态分解算法分解锂离子电池老化数据.其次,分别利用集成的长短时记忆神经网络与相关向量机对分解得到的残差数据序列和本征模态数据序列建模预测.最后,融合预测的残差数据序列和本征模态数据序列,综合计算锂离子电池未来寿命老化轨迹.采用储能锂离子电池老化数据进行验证,结果显示所提出的锂离子电池RUL预测方法具有更好的鲁棒性与非线性跟踪能力.

关键词：锂离子电池、剩余使用寿命预测、集成经验模态分解、相关向量机算法、长短时记忆神经网络

所属期刊栏目：51

分类号：TP391;TM711;TM912

在线出版日期：2023-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：177-186