基于CEEMD-AKF的锂电池剩余使用寿命预测方法

摘要：

针对锂离子电池剩余使用寿命(RUL)预测存在建模复杂、预测误差大等问题,提出一种基于CEEMD-AKF的锂电池RUL预测方法.首先,基于补充的总体平均经验模态分解(CEEMD)将电池历史容量分解为固有模态函数(IMFs)及余项,并基于排列熵(PE)与均方根误差(RMSE)建立最优低通滤波器,以此消除原始容量的随机性波动与噪声.其次,自适应卡尔曼滤波(AKF)用于更新自回归(AR)模型参数.最后,基于蒙特卡洛(MC)模拟得到概率密度函数(PDF),用于评估RUL预测结果的不确定性.通过在NASA测试数据上进行试验分析,结果表明CEEMD-AKF方法既能够降低建模复杂性,又能够有效地提高RUL预测精度.

关键词：锂离子电池、剩余使用寿命、自回归模型、排列熵、蒙特卡洛模拟

所属期刊栏目：28

分类号：TM912

资助基金：国家自然科学基金71690234

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：28-36