从充电过程中的电压-容量曲线中提取出一个与电池寿命高度相关健康因子（HI）。然后利用主成分分析（PCA）对影响电池寿命的多维因素进行分析和降维，结合高斯过程回归（GPR）机器学习方法提出一个基于PCA-GPR的锂离子电池剩余使用寿命预测模型。最后进行锂离子电池剩余使用寿命预测并与PCA-BP神经网络、PCA-支持向量机（SVM）模型进行比较。结果表明，利用该文提出的HI及预测模型可有效提高锂离子电池剩余使用寿命预测精度，其中通过贝叶斯优化器优化后的PCAGPR模型的预测效果最佳。
科研之友
微信
新浪微博
Facebook
分享链接
