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

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。