基于经验模态分解的锂离子电池健康状态预测

作     者：刘征宇 张政 郭乐凯 孟辉 刘项 LIU Zhengyu;ZHANG Zheng;GUO Lekai;MENG Hui;LIU Xiang

作者机构：合肥工业大学机械工程学院合肥230009 合肥工业大学智能制造技术研究院合肥230009 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2024年第60卷第14期

页      面：272-281页

核心收录：

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：安徽省自然科学基金(1808085MF200) 工业和信息化部民用飞机专用专项科研(MJ-2017-D-26)资助项目 

主　　题：锂离子电池 经验模态分解 健康状态预测 容量再生 融合模型 

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。