基于蚁狮优化高斯过程回归的锂电池剩余使用寿命预测.pdfVIP

第13卷第5期储能科学与技术Vol.13No.5

2024年5月EnergyStorageScienceandTechnologyMay2024

储能测试与评价

基于蚁狮优化高斯过程回归的锂电池剩余使用寿命预测

冯娜娜，杨明，惠周利，王瑞洁，宁弘扬

（中北大学数学学院，山西太原030051）

摘要：迅速获取精确的锂电池的剩余使用寿命和健康状态，对于维持锂电池的可靠性至关重要。针对锂电池剩

余使用寿命(remainingusefullife，RUL)预测精度较低，传统的高斯过程回归(Gaussianprocessregression，

GPR)模型的超参数寻优结果不理想、预测效果差等问题，使用蚁狮优化算法(ant-lionoptimizationalgorithm，

ALO)对高斯过程回归的超参数进行寻优，实现锂电池剩余使用寿命的精确预测。首先，根据电池充电过程中电

池电压的循环曲线，提取了6个参数作为电池的健康因子，然后采用Pearson相关系数验证健康因子与电池容量

的相关关系，最终选出平均放电电压、恒流充电阶段电池存储的充电量、整个充电阶段电池存储的充电量以及

时间积分中的放电温度这4个参数作为健康因子。最后，利用支持向量回归(supportvectorregression，SVR)、

GPR和ALO-GPR对锂电池RUL进行预测，对各项指标进行比较分析。并将本工作所提出的模型与其他文献所

提出的模型进行了比较。通过NASA锂电池数据集验证了模型的有效性，实验结果表明，所提出ALO-GPR的

RUL预测模型误差小，均方根误差控制在1%以内，平均绝对误差控制在0.65%以内，泛化性强，具有良好的

应用前景。

关键词:锂电池；高斯过程回归；蚁狮优化算法；剩余使用寿命

doi：10.19799/ki.2095-4239.2023.0865

中图分类号：TM912文献标志码：A文章编号：2095-4239（2024）05-1643-10

Predictionoftheremainingusefullif