基于PCA-GPR的锂离子电池剩余使用寿命预测

作者:何冰琛; 杨薛明*; 王劲松; 朱旭; 胡宗杰; 刘强
来源:太阳能学报, 2022, 43(05): 484-491.
DOI:10.19912/j.0254-0096.tynxb.2022-0422

摘要

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。

全文