基于经验模态分解的锂离子电池健康状态预测

• 全文链接
• 请求原文

作   者：

刘征宇;  张政;  郭乐凯;  孟辉;  刘项; 

作者机构：

合肥工业大学机械工程学院;  合肥工业大学机械与汽车工程学院; 

关键词：

融合模型;  锂离子电池;  容量再生;  经验模态分解;  健康状态预测; 

期刊名称：

机械工程学报

i s s n：

0577-6686

年卷期：

2024 年 014 期

页   码：

272-281

摘   要：

电池健康状态(State of health, SOH)预测是确保电子系统运行可靠性和安全性的关键因素。为了准确地预测锂离子电池SOH的整体退化趋势和局部容量再生现象，提出一种将经验模态分解(Empiricalmodedecomposition,EMD)与门控循环单元(Gated recurrent unit, GRU)和差分自回归移动平均模型(Autoregressive integrated moving average model, ARIMA)相融合的锂离子电池SOH预测方法。首先，利用EMD将电池原始SOH序列进行多尺度分解，并通过计算分解子序列的连续均方误差找到高低频分界点；然后，GRU用于预测具有强烈数据波动的高频子序列，ARIMA用于预测剩余的低频子序列和残差；最后，将每个子序列的预测结果进行叠加以获得最终预测结果。试验结果表明，与其他文献中预测方法相比，基于经验模态分解的融合模型具有更高的预测精度，可以更好地捕捉电池SOH整体退化趋势和局部容量再生特性。