基于充电健康因子优化和数据驱动的锂电池剩余使用寿命预测 |
| |
引用本文: | 段慧云,夏威,邵杰,汪洋青,李彬.基于充电健康因子优化和数据驱动的锂电池剩余使用寿命预测[J].汽车技术,2024(1):20-26. |
| |
作者姓名: | 段慧云 夏威 邵杰 汪洋青 李彬 |
| |
作者单位: | 1. 九江职业技术学院;2. 武汉理工大学;3. 上汽通用五菱汽车股份有限公司 |
| |
基金项目: | 江西省教育厅科技项目(204013); |
| |
摘 要: | 针对因选取的健康因子不理想导致锂电池剩余使用寿命(RUL)预测精度不高的问题,提出了一种基于充电健康因子优化和数据驱动的电池RUL预测方法,首先提取电池充电过程中的各种健康因子,再使用两步最大信息系数法优化特征子集得到优化的健康因子,最后使用带有注意力机制的时间卷积神经网络(ATCN)预测电池的剩余使用寿命,通过对美国国家航空航天局(NASA)锂电池老化数据的研究,验证了所提出的锂电池RUL预测框架,并与简单循环神经网络(SimpleRNN)、长短期记忆(LSTM)神经网络和门控循环单元(GRU)神经网络等建模方法进行比较,结果表明,所提出的方法在各数据集上均取得了最优的预测结果。
|
|
|