基于数据扩展的锂离子电池早期寿命在线预测

作     者：李超 汪伟 安斯光 邹国平 LI Chao;WANG Wei;AN Siguang;ZOU Guoping

作者机构：中国计量大学机电工程学院浙江杭州310018 

出 版 物：《现代电子技术》 (Modern Electronics Technique)

年 卷 期：2024年第47卷第10期

页      面：171-176页

学科分类：0810[工学-信息与通信工程] 08[工学] 081001[工学-通信与信息系统] 

基　　金：国家自然科学基金项目(52077203) 浙江省属高校基本科研业务费(2021YW06) 

主　　题：锂离子电池 剩余使用寿命预测 早期预测 数据扩展 高斯过程回归 CNN-LSTM 

摘      要：准确的锂离子电池早期剩余使用寿命预测可以确保用户在早期阶段对锂离子电池进行监控,从而为用户提供早期规划。已有的研究方法在训练样本时存在数据利用不充分的问题,因此提出一种充分利用离线电池的历史数据对在线早期数据进行扩展,从而实现对电池使用寿命早期预测的方法。离线建模阶段,使用高斯过程回归(GPR)模型将离线电池所有循环的数据进行训练,建立锂离子电池健康特征随循环次数变化的时序关系模型。在线预测阶段,使用高斯过程回归模型经由前100个周期数据扩展得到后期健康特征,之后将生成的后期特征融合到早期特征中,形成最终的全生命周期特征。最后通过预训练的一维卷积神经网络-长短期记忆模型进行早期预测。在公开的夏威夷NMC-18650电池退化数据集中的测试结果显示,早期预测相对误差小于1.2%,证明了该方法的有效性。