基于GBDT算法的锂电池剩余使用寿命预测

作者：刘琼; 张豹

来源：电子测量与仪器学报, 2022, 36(10): 166-172.

DOI：10.13382/j.jemi.B2105034

• GBDT
• 剩余使用寿命
• 锂电池
• 网格搜索
• 健康因子

针对现有方法对锂电池剩余使用寿命(RUL)预测精度不高，模型训练时间较长的问题，提出一种基于梯度提升决策树算法(GBDT)结合网格搜索法(GS)的预测模型。首先，分析锂电池的充放电循环过程，确定电压、电流、温度为可用健康因子(HI);其次，处理历史数据中的异常值，并均值化可用健康因子数据为特征输入；最后，通过GBDT算法建立锂电池剩余使用寿命预测模型，并采用GS优化模型参数。基于NASA锂电池容量衰减数据，实验结果表明，模型在RMSE、MAE、MAPE评价指标上相对其他方法均提升了约10倍，并且可将锂电池剩余使用寿命预测误差率控制在0.05以内，训练时间缩减至4.5 s。

• 单位
  北京信息科技大学; 自动化学院