基于鲸鱼算法优化深度极限学习机的锂离子电池剩余使用寿命间接预测

鉴于对锂离子电池直接预测剩余使用寿命（RUL）困难，而极限学习机预测效果不稳定的现状，提出基于等压降放电时间和深度极限学习机（DELM）相结合的间接预测方法。首先，在恒流放电过程中提取出表征电池性能退化的等压降放电时间，分析它与容量间的相关程度并选之作为间接健康因子；其次，引入鲸鱼优化算法（WOA）优化深度极限学习机模型参数，构建锂离子电池RUL预测模型。用锂离子电池数据集中的B0005、B0007两个电池进行实验，结果表明：基于等压降放电时间的WOA-DELM模型预测方法相较于BP神经网络、DELM和PSO-DELM，能够更加准确地预测出锂离子电池的RUL，预测误差±5%，具有较好的预测精度和较快的收敛速度。