基于VMD和Bat-KELM的仿真变电站蓄电池剩余寿命预测
Remaining Useful Life Prediction of Simulation Substation Batteries Based on VMD and Bat-KELM作者机构:国网江苏省电力有限公司技能培训中心苏州215004 南京邮电大学自动化学院南京210023 南京邮电大学人工智能学院南京210023
出 版 物:《电源学报》 (Journal of Power Supply)
年 卷 期:2024年第22卷第4期
页 面:251-259页
主 题:仿真变电站 蓄电池 剩余寿命预测 变分模态分解 核极限学习机
摘 要:仿真变电站蓄电池的工作模式呈现间歇非连续性,导致电池性能在退化过程中存在容量再生现象,退化规律具有非平稳性和随机性,增大了蓄电池精确剩余寿命RUL(remaining useful life)的难度。针对存在容量再生现象的蓄电池剩余寿命预测问题,提出了变分模态分解VMD(variational mode decomposition)和蝙蝠(Bat)优化核极限学习机KELM(kernel extreme learning machine)组合的预测方法。基于VMD将蓄电池健康状态SOH(state of health)时间序列分解为整体退化分量和容量再生分量;利用Bat优化KELM构建各分量预测模型,以提高分量趋势预测精度;通过各分量独立预测结果的叠加,得到精确的蓄电池健康状态及剩余寿命预测值。将该方法应用于蓄电池退化数据实例分析中,结果表明该方法相较于KELM模型及VMD-KELM模型,预测精度更高,验证了该方法的优越性。