基于KPCA-ANFIS的锂离子电池RUL预测

被引：21

作者：

王竹晴 ^{[1
]}

庞晓琼 ^{[1
]}

黄蕊 ^{[1
]}

贾建芳 ^{[2
]}

史元浩 ^{[2
]}

温杰 ^{[2
]}

机构：

[1] 中北大学大数据学院

[2] 中北大学电气与控制工程学院

来源：

电子测量与仪器学报 | 2018年 / 32卷 / 10期

关键词：

锂离子电池; 剩余使用寿命; 健康指标; KPCA算法; ANFIS神经网络;

D O I：

10.13382/j.jemi.2018.10.004

中图分类号：

TM912 [蓄电池];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对锂离子电池寿命预测过程中内部参数测量困难、特征构造过程复杂、预测结果不精确等问题,提出了一种结合核主元分析法(KPCA)特征提取与自适应神经网络模糊推理系统(ANFIS)的锂电池剩余寿命预测方法。该方法利用KPCA算法从电池在线可测的参数(电压、电流等)中提取出相互独立的主元特征,通过计算特征得分率和Spearman秩相关系数筛选出准确反映电池退化规律的主元,将其作为锂离子电池的健康指标输入ANFIS神经网络进行容量估计和剩余寿命预测。实验结果表明,基于KPCA-ANFIS的锂电池剩余寿命预测算法所提取的主元特征能够显著反应电池退化特性。此外,通过与PCA-ANFIS算法对比,所设计算法的剩余寿命预测精度得到显著提高(均方误差提高1.73倍,平均绝对误差提高1.38倍)。

引用

页码：26 / 32

页数：7

共 13 条

[1]

Li-ion battery capacity estimation: A geometrical approach.[J].Chen Lu;Laifa Tao;Huanzhen Fan.Journal of Power Sources.2014,

[2]

Remaining useful life prediction of lithium batteries in calendar ageing for automotive applications [J].