基于VMD和DAIPSO-GPR解决容量再生现象的锂离子电池寿命预测研究

来源：电子与信息学报杂志2023年第3期北京时间：

作者：刘金凤, 陈浩玮, HERBERTHo-Ching Iu

单位：1.哈尔滨理工大学汽车电子驱动控制与系统集成教育部工程研究中心 哈尔滨 1500802.西澳大学电气电子与计算机工程学院 西澳大利亚 6009

摘要：锂离子电池应用时表现出的时变、动态、非线性等特征，以及容量再生现象，导致传统模型对锂离子电池剩余使用寿命(RUL)预测的准确性低，该文将变分模态分解(VMD)和高斯过程回归(GPR)以及动态自适应免疫粒子群(DAIPSO)结合，建立RUL预测模型。首先利用等压降放电时间分析法，提取健康因子，利用VMD对其进行分解处理，挖掘数据内在信息，降低数据复杂度，并针对不同分量，利用不同协方差函数建立GPR预测模型，有效捕获了数据的长期下降趋势和短期再生波动。利用DAIPSO算法优化GPR模型，实现核函数超参数的优化，建立了更准确的退化关系模型，最终实现剩余使用寿命的准确预测，以及不确定性表征。最后利用NASA电池数据进行验证，离线预测结果表明所提方法具有较高预测精度和泛化适应能力。

关键词：锂离子电池, 剩余使用寿命, 变分模态分解, 高斯过程回归, 动态自适应免疫粒子群

基金资助：黑龙江省自然科学基金(LH2019E067)