基于改进回声状态网络的锂离子电池剩余使用寿命预测

摘要：

锂离子电池凭借其优越的性能被广泛用于纯电动汽车及大型电气系统.然而,随着锂离子电池循环充放电,电池性能大幅度衰退,会间接导致用电系统的性能衰退或发生故障.因此,准确预测锂离子电池剩余有效寿命(RUL),能够保障电池安全可靠运行.为了提高锂离子电池RUL的预测精度,提出了一种基于改进粒子群算法(IPSO)回声状态网络(ESN)的锂离子电池RUL预测方法,实现在线准确预测锂离子电池RUL.首先,通过遗传算法(GA)的交叉和变异操作优化PSO,提高粒子局部与全局寻优能力.然后通过GA-PSO对ESN网络参数进行优化,建立退化预测模型,利用NASA公开的锂离子电池实验数据进行仿真实验.结果表明,在相同数据集条件下,与改进粒子群算法和门控循环单元(IPSO-GRU)神经网络、遗传算法的极端学习机(GA-ELM)、非线性自回归(NARX)动态神经网络、改进蚁狮优化算法支持向量回归(IALO-SVR)、间接健康指标与ESN的预测方法相比,GA-PSO-ESN有更高的预测精度、稳定性和泛化能力,表明了该方法的有效性.

关键词：锂离子电池、遗传算法、粒子群算法、回声状态网络、剩余使用寿命

所属期刊栏目：27

分类号：TM912

在线出版日期：2023-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：66-73