基于改进LightGBM的电动汽车电池剩余使用寿命在线预测

为实现电池剩余使用寿命（RUL）在线预测和降低数据离群值对预测精度影响，提出基于改进轻量型梯度提升机（LightGBM）的RUL在线预测方法。首先，为实现RUL在线预测，通过等压降时间与容量衰减的关系，选取等压降时间为健康因子；然后，为降低数据离群值对预测精度的影响，构建基于LightGBM的预测模型，采用Bagging的学习方式，忽略离群值权重；接着，为进一步降低离群值影响，基于一种兼具自适应性和鲁棒性的损失函数（ARLF）对LightGBM进行改进，通过超参数α限制损失函数一阶导数幅值的饱和值，在残差增长时，限制离群值对梯度的影响；最后，通过行驶工况下电池全生命周期容量测试实验数据，对比基于不同损失函数的RUL在线预测效果，验证所构建健康因子和所提预测方法的有效性。