科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确预测电池的容量衰退趋势对加强电池系统的管理和维护具有重要意义。本工作选择以锂离子电池为研究对象,根据NASA实验室公开的源数据集分析、预测锂离子电池的容量衰退趋势。在室温、恒流工况下对锂离子电池进行满充满放的循环充放电试验,得到各循环周期下电池的实际额定容量值,采用紧支集正交小波分析对获得的电池监测数据进行去噪优化处理,得到更加平稳规律的电池容量衰退过程,然后利用蚁群算法(Ant colony optimization,ACO)优化BP神经网络的初始权值和阈值,基于ACO-BP神经网络模型完成对锂离子电池容量衰退的预测,并与单独使用BP神经网络进行对比。结果表明,采用ACO-BP神经网络比单独使用BP神经网络具有更好的预测效果,且随着训练样本的增加,包含更多的电池容量退化信息,预测精度明显提高,当以前80个循环充放电周期作为训练样本时,预测的平均误差为1.46%,若继续扩大训练样本,预测效果将会更好。本研究有助于加强电池系统的健康管理,为高效预测锂离子电池的劣化轨迹提供技术参考。
- 单位
