基于CEEMDAN-RVM-LSTM模型的锂电池剩余寿命预测 |
| |
引用本文: | 牛群峰,袁强,王莉,刘江鹏.基于CEEMDAN-RVM-LSTM模型的锂电池剩余寿命预测[J].电源技术,2023(10):1313-1318. |
| |
作者姓名: | 牛群峰 袁强 王莉 刘江鹏 |
| |
作者单位: | 河南工业大学电气工程学院 |
| |
基金项目: | 河南省科技攻关项目(201300210100); |
| |
摘 要: | 为了提高锂电池长期使用的可靠性和保证系统的安全运行,提出了一种结合自适应噪声完整集合经验模态分解算法(CEEMDAN)、相关向量机(RVM)和长短期记忆神经网络(LSTM)的剩余使用寿命(RUL)的预测方法。使用CEEMDAN将电池容量数据分解为本征模态分量和残差分量,分别由RVM和LSTM进行预测,最后进行有效集成,得到准确的容量和RUL预测结果,并获得RUL的95%置信区间。采用公共数据集进行实验验证,并对比了其他几种模型。实验结果表明该方法不仅拥有较高的预测精度,而且能够提供不确定性表达,具有良好的工程应用意义。
|
关 键 词: | 锂电池 剩余使用寿命 RVM LSTM 不确定性表达 |
|
|