基于局部均值分解和极限学习机的锂电池剩余寿命预测

作者：于沛; 王常乐

来源：电气技术, 2023, 24(01): 23-28.

• 锂离子电池
• 剩余使用寿命(RUL)
• 极限学习机(ELM)
• 间接健康因子

锂离子电池的剩余使用寿命存在难以准确预测、容量数据不能在线实时测量的问题，提出一种基于间接健康因子预测锂电池剩余寿命的方法。首先提取放电电压速率作为间接健康因子，通过局部均值分解（LMD）对放电电压速率数据进行分解；然后采用灰色关联度验证经解耦后的放电电压速率与电池容量之间具有高关联度，应用极限学习机（ELM）训练模型，以预测锂离子电池的剩余使用寿命；最后，将间接健康因子输入LMD-ELM关系模型中，获得电池容量的准确预测值。采用NASA数据集验证了本文所提LMD-ELM方法预测的锂电池剩余寿命方均误差小于0.002 2，平均绝对百分比误差小于3.12%。