基于多健康特征与TLSSA-SVM模型的锂电池SOH预测

作     者：司梦婷 张梅 徐云涛 SI Mengting;ZHANG Mei;XU Yuntao

作者机构：安徽理工大学电气与信息工程学院安徽淮南232001 

出 版 物：《兰州工业学院学报》 (Journal of Lanzhou Institute of Technology)

年 卷 期：2024年第31卷第6期

页      面：86-92页

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金(52374154) 

主　　题：健康状态 动态时间规整距离 麻雀搜索算法 支持向量机 健康特征 

摘      要：为提高锂电池非线性退化过程中SOH的预测精度,提出了一种基于多特征融合与TLSSA-SVM模型的锂电池SOH预测方法。首先从电池原始数据中提取电池的多健康特征:直接测量特征、容量增量特征、相似性特征,通过多维尺度缩放,降低高维特征数据的信息重叠;接着引入Tent混沌映射和莱维飞行改进SSA,避免了SSA陷入局部最优;然后利用改进的TLSSA对SVM进行参数寻优,得到最优模型;最后利用该模型对锂电池进行SOH预测,并以NASA锂电池数据集为依据进行实验验证。结果表明,该预测方法的RMSE仅在1.52%以下,R^(2)均在0.974以上。