| 基于IGWO-MKELM的锂离子电池剩余使用寿命预测 |
| |
| 引用本文： | 宋健正,刘洋,崔来熙,张梦迪.基于IGWO-MKELM的锂离子电池剩余使用寿命预测[J].电源学报,2023,21(1):168-176. |
| |
| 作者姓名： | 宋健正 刘洋 崔来熙 张梦迪 |
| |
| 作者单位： | 山东理工大学电气与电子工程学院, 淄博 255000 |
| |
| 基金项目： | 国家重点研发计划资助项目（2017YFB0902800）；山东省研究生教育教学改革研究项目（SDYJG19103）；国家电网有限公司科技项目（52094017003D） |
| |
| 摘 要： | 随着锂离子电池在储能系统中比例迅速增大，为避免因电池性能退化导致的事故，如何准确预测锂离子电池剩余使用寿命就成为保障储能系统可靠运行的关键。针对锂离子电池剩余使用寿命预测的问题，提出一种改进灰狼优化多核极限学习机（IGWO-MKELM）预测方法。首先从电池充放电过程中提取能够表征电池寿命退化的间接健康因子作为输入量，然后采用改进灰狼算法对多核极限学习机参数进行寻优，建立改进灰狼优化多核极限学习机预测方法，最后使用NASA电池数据集进行仿真实验。结果表明，IGWO-MKELM方法可以更加精确地预测锂离子电池剩余寿命。
|
| 关 键 词： | 锂离子电池 剩余使用寿命 间接健康因子 改进灰狼优化算法 多核极限学习机 |
| 收稿时间： | 2022/3/11 0:00:00 |
| 修稿时间： | 2023/1/19 0:00:00 |
Remaining Useful Life Prediction of Lithium-ion Batteries Based on Improved Grey Wolf Optimization Multiple Kernel Extreme Learning Machine |
| |
| SONG Jianzheng,LIU Yang,CUI Laixi,ZHANG Mengdi.Remaining Useful Life Prediction of Lithium-ion Batteries Based on Improved Grey Wolf Optimization Multiple Kernel Extreme Learning Machine[J].Journal of power supply,2023,21(1):168-176. |
| |
| Authors: | SONG Jianzheng LIU Yang CUI Laixi ZHANG Mengdi |
| |
| Affiliation: | School of Electrical and Electronic Engineering, Shandong University of Technology, Zibo 255000, China |
| |
| Abstract: | |
| |
| Keywords: | lithium-ion battery remaining useful life(RUL) indirect health factors improved grey wolf optimization(IGWO) algorithm multiple kernel extreme learning machine(MKELM) |
|
| 点击此处可从《电源学报》浏览原始摘要信息 |
|
点击此处可从《电源学报》下载免费的PDF全文 |
