久久88香港三级台湾三级中文-久久91-久久91精品国产91久-久久91精品国产91久久-久久91精品国产91久久户

鋰離子電池因其能量密度高、自放電率低、循環(huán)壽命長(zhǎng)、節(jié)能環(huán)保等優(yōu)點(diǎn)被廣泛應(yīng)用于航空航天、電動(dòng)汽車、電子設(shè)備和通信系統(tǒng)等眾多領(lǐng)域。然而，隨著鋰離子電池使用時(shí)間的增加，電池將會(huì)不可避免地老化，如果在失效前無(wú)法及時(shí)更換電池，將會(huì)導(dǎo)致設(shè)備運(yùn)行異常并引起事故的發(fā)生。

電池剩余壽命（Remaining Useful Life, RUL）指的是電池在性能退化到失效閾值之前剩余的充放電循環(huán)次數(shù)，是表征電池性能的一個(gè)重要指標(biāo)。準(zhǔn)確地預(yù)測(cè)電池剩余壽命可以為電池的及時(shí)維修和更換提供參考，以實(shí)現(xiàn)對(duì)設(shè)備的預(yù)防性維護(hù)。

在現(xiàn)有文獻(xiàn)中，電池剩余壽命預(yù)測(cè)方法主要分為基于模型的方法和數(shù)據(jù)驅(qū)動(dòng)方法。

基于模型的預(yù)測(cè)方法通過(guò)探究電池的物理化學(xué)反應(yīng)和內(nèi)部構(gòu)造來(lái)建立動(dòng)態(tài)模型，結(jié)合粒子濾波（Particle Filter, PF）及其衍生算法對(duì)參數(shù)進(jìn)行估計(jì)，實(shí)現(xiàn)電池剩余壽命預(yù)測(cè)。但存在兩個(gè)主要缺點(diǎn)阻礙了基于模型預(yù)測(cè)方法在實(shí)際應(yīng)用中的可行性：①粒子濾波方法存在粒子貧化的問(wèn)題，很容易導(dǎo)致RUL預(yù)測(cè)結(jié)果不準(zhǔn)確；②由于電池內(nèi)部反應(yīng)機(jī)制過(guò)于復(fù)雜，建立精確的退化模型有很大難度。相比之下，數(shù)據(jù)驅(qū)動(dòng)方法操作簡(jiǎn)易、使用方便，可以有效地避免上述問(wèn)題。

基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)方法不需要考慮復(fù)雜的電化學(xué)特性，而是從原始數(shù)據(jù)中提取可以反映退化趨勢(shì)的健康因子（電壓、電流、電阻、容量等），通過(guò)智能算法進(jìn)行學(xué)習(xí)并完成RUL預(yù)測(cè)。數(shù)據(jù)驅(qū)動(dòng)方法主要包括支持向量回歸（SVR）、相關(guān)向量機(jī)（RVM）、高斯過(guò)程回歸（GPR）及神經(jīng)網(wǎng)絡(luò)（ANN）等。

除了上述數(shù)據(jù)驅(qū)動(dòng)方法外，深度學(xué)習(xí)在復(fù)雜系統(tǒng)建模中具有更好的學(xué)習(xí)能力，已成為電池健康管理的熱點(diǎn)研究領(lǐng)域。長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（Long Short-Term Memory Network, LSTM）是一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，由于結(jié)構(gòu)的特殊性，更適合處理時(shí)間序列預(yù)測(cè)問(wèn)題。

根據(jù)文獻(xiàn)分析可知，影響電池剩余壽命預(yù)測(cè)精度的主要因素在于數(shù)據(jù)預(yù)處理技術(shù)和電池剩余壽命建模方法。考慮到實(shí)際應(yīng)用中容量回升問(wèn)題，河北工業(yè)大學(xué)科研人員提出了一種由自適應(yīng)數(shù)據(jù)預(yù)處理方法和LSTM神經(jīng)網(wǎng)絡(luò)組成的鋰離子電池剩余壽命預(yù)測(cè)框架。

他們選取容量作為健康因子，采用自適應(yīng)雙指數(shù)模型平滑處理方法消除了原始數(shù)據(jù)中容量再生現(xiàn)象產(chǎn)生的波動(dòng)，并使用自適應(yīng)白噪聲完整集成經(jīng)驗(yàn)?zāi)B(tài)（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN）分解出容量中的噪聲分量，通過(guò)預(yù)處理數(shù)據(jù)訓(xùn)練LSTM網(wǎng)絡(luò)來(lái)構(gòu)建電池剩余壽命預(yù)測(cè)模型。

圖1 本文提出方法的預(yù)測(cè)框架

研究人員選取NASA和CALCE實(shí)驗(yàn)數(shù)據(jù)集驗(yàn)證該方法的可靠性，得出結(jié)論如下：

1）電池在工作過(guò)程中受到各種不確定因素的影響，使采集到的數(shù)據(jù)含有大量的噪聲和波動(dòng)。如果不進(jìn)行數(shù)據(jù)預(yù)處理，直接采用原始數(shù)據(jù)進(jìn)行建模，會(huì)使模型準(zhǔn)確度大大降低，必要的數(shù)據(jù)預(yù)處理過(guò)程有助于提升預(yù)測(cè)模型的準(zhǔn)確度。

2）LSTM神經(jīng)網(wǎng)絡(luò)更適合處理時(shí)間序列方面的問(wèn)題，通過(guò)本文提出的自適應(yīng)數(shù)據(jù)預(yù)處理方法，對(duì)原始容量數(shù)據(jù)進(jìn)行平滑處理和降噪，使處理后的數(shù)據(jù)具有單調(diào)遞減的平穩(wěn)趨勢(shì)。采用LSTM學(xué)習(xí)壽命前期的退化趨勢(shì)來(lái)建立預(yù)測(cè)模型，并進(jìn)行電池剩余壽命預(yù)測(cè)，得到了更精確的結(jié)果。

3）選取兩種開源數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，在不同預(yù)測(cè)起點(diǎn)下，采用不同算法組合多種實(shí)驗(yàn)方案驗(yàn)證本文方法的優(yōu)越性和遷移性。實(shí)驗(yàn)結(jié)果表明，在相同預(yù)測(cè)條件下，新方法總能取得更好的預(yù)測(cè)效果，PDF和90%置信區(qū)間反映了本方法的強(qiáng)魯棒性，MAE和RMSE值分別保持在2.45%和3.28%以內(nèi)，最低分別為0.47%和0.89%。

他們最后指出，該方法具有更高的電池剩余壽命預(yù)測(cè)精度，降低了預(yù)測(cè)誤差，具有更好的穩(wěn)定性，為現(xiàn)有鋰電池剩余壽命預(yù)測(cè)研究提供了參考。

本文編自2022年第15期《電工技術(shù)學(xué)報(bào)》，論文標(biāo)題為“基于數(shù)據(jù)預(yù)處理和長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的鋰離子電池壽命預(yù)測(cè)”。本課題得到河北省自然科學(xué)基金資助項(xiàng)目的支持。