基于AO-AVOA-BP神经网络模型的锂电池SOH预测

来源：电子测量技术杂志2025年第4期北京时间：

作者：李军毅，汪兴兴，陈祥，陈林飞，邓业林

单位：1.南通大学机械工程学院 南通 226019; 2.苏州大学轨道交通学院 苏州 215131

摘要：为提供准确可靠的锂电池健康状态预测，提出了一种基于非洲秃鹫优化算法融合天鹰优化算法优化BP神经网络的预测模型。通过对电池充电过程中的电压、电流和温度数据的分析，基于灰色关联分析验证健康因子与电池SOH的相关性，确定4个健康因子作为模型的输入，结合基于AO-AVOA优化的BP神经网络模型，实现更精确的SOH预测。将提出的模型与其他优化模型对锂电池SOH进行预测，对各项指标进行对比分析，结果表明，所提出的预测模型平均绝对误差小于0.008 9，均方根误差小于0.011 2，平均绝对百分比误差小于1.451 2%，具有精度高、泛化性强等特点，可有效用于锂电池的SOH预测。

关键词：锂电池;健康状态;BP神经网络;非洲秃鹫优化算法;天鹰优化算法

基金资助：国家自然科学基金面上项目（52477218）、江苏省重点研发计划项目（BE2021065）资助