基于ER-ELM模型的锂离子电池剩余使用寿命预测

作者：聂灶金; 何晓霞; 吴传菊

来源：电源学报, 2024, 1-12.

• 锂离子电池
• 剩余使用寿命
• 期望分位数回归
• 极限学习机
• 拟牛顿优化算法

容量和阻抗通常是用于确定锂离子电池健康状态的直接特征，但不易直接测量。针对锂离子电池剩余使用寿命(RUL)预测的问题，提出一种基于期望分位数回归（ER）的间接预测方法。首先，从电池的充电过程中提取能够表征电池性能退化的间接健康因子，并利用Pearson和Spearman相关性分析法分析与容量之间的相关性；其次，通过结合极限学习机（ELM），开发了一种新的期望分位数回归-极限学习机（ER-ELM）模型；引入BFGS拟牛顿法优化ER-ELM模型参数，建立锂离子电池RUL预测模型；最后，利用CALCE锂电池数据集进行模型验证。结果表明，与标准ELM模型相比，ER-ELM模型预测结果输出稳定，预测结果的最大均方根误差为0.0289，拟合优度均在98%以上，在追踪容量衰退和再生方面具有更好的性能。

• 单位
  武汉科技大学