基于改进粒子群优化算法和极限学习机的锂离子电池健康状态预测

作者：丁同; 傅晓锦^*

来源：国外电子测量技术, 2023, 42(05): 163-173.

DOI：10.19652/j.cnki.femt.2304817

• 锂离子电池
• SOH预测
• 健康特征
• 改进粒子群算法
• 极限学习机

锂离子电池健康状态(SOH)的准确预测能够保障电池安全稳定的运行。针对目前SOH预测模型准确性不高的问题，提出了一种改进粒子群优化算法(IPSOVP)和极限学习机(ELM)的SOH预测模型。首先，对电池数据进行分析，选择能够映射SOH变化趋势的健康特征；然后，采用Pearson相关系数分析法选出与SOH具有极高相关性的3个健康特征作为模型的输入，SOH作为输出；利用IPSOVP算法对ELM进行优化，建立IPSOVP-ELM模型进行SOH预测；最后，利用NASA电池数据集对IPSOVP-ELM模型进行验证，并与ELM模型、PSO-ELM模型、反向神经网络(BP)以及长短期记忆网络(LSTM)模型进行比较。实验结果表明，IPSOVP-ELM模型误差稳定在2%以内，具有更高的预测精度和鲁棒性，性能更好。

• 单位
  上海电机学院