基于EEMD-GSGRU的锂电池寿命预测

作者：易灵芝^*; 张宗光; 范朝冬; 罗显光; 李旺; 刘文翰

来源：储能科学与技术, 2020, 9(05): 1566-1573.

DOI：10.19799/j.cnki.2095-4239.2020.0022

• 锂电池
• 寿命预测
• 信号分解
• 门控循环网络
• 预测精度

针对构建锂电池寿命预测数学模型复杂且易出现过拟合及泛化能力差的问题,提出集合经验模态分解(EEMD)和门控循环单元(GRU)并采用网格搜索(GS)的时序分解-集成模型(EEMD-GSGRU)。该模型首先将锂电池剩余容量数据进行信号分解,分解成总占比大的趋势因子和总占比小的误差因子,将分解时间序列分别预测GRU再合并进行实时滚动预测,最后使用GS搜索网络参数,使用Adam优化策略更新GRU网络权重。最后将NASA提供的锂电池数据集用于该模型,并与其他算法进行对比证明本EEMD-GSGRU模型优越性,本模型10次实验的平均均方根误差分别为0.0169、0.0309、0.0111,平均绝对百分误差分别为1.1921、2.2706、0.7279,证明本模型提高了锂电池寿命预测精度。

• 单位
  湘潭大学