基于CEEMD-AKF的锂电池剩余使用寿命预测方法

作者：陈翔; 夏飞^*

来源：哈尔滨理工大学学报, 2023, 28(03): 28-36.

DOI：10.15938/j.jhust.2023.03.004

• 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

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。

• 单位
  上海电力大学