基于PCA-NARX的锂离子电池剩余使用寿命预测

被引：51

作者：

庞晓琼 ^{[1
]}

王竹晴 ^{[1
]}

曾建潮 ^{[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：

北京理工大学学报 | 2019年 / 39卷 / 04期

关键词：

锂离子电池; 剩余使用寿命; 相关性分析; PCA算法; NARX神经网络;

D O I：

10.15918/j.tbit1001-0645.2019.04.012

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：

目前基于数据驱动的锂离子电池RUL预测方法不能较好地适应于同类型不同电池的RUL预测,且预测精度易受健康因子冗余或不足的影响.针对以上问题,提出一种结合主成分分析(PCA)特征融合与非线性自回归(NARX)神经网络的锂离子电池RUL间接预测框架.首先提取多个能反映电池性能退化的可测参数,并将PCA去除冗余后的结果作为预测健康因子;然后利用一组电池的全寿命数据构建基于NARX神经网络的健康因子和容量预测模型,对同类型不同电池预测时将该电池寿命前期健康因子作为输入,即可间接预测出其RUL.最后实验结果表明所提框架在同类型不同电池RUL的预测中精度较高且适应性较强.

引用

页码：406 / 412

页数：7

共 9 条

[1]

Data-driven Prognostics and Remaining Useful Life Estimation for Lithium-ion Battery: A Review [J].

LIU Datong ;

ZHOU Jianbao ;

PENG Yu .

Instrumentation, 2014, 01 (01) :59-70

[2]

The use of MD-CUMSUM and NARX neural network for anticipating the remaining useful life of bearings.[J].Akhand Rai;S.H. Upadhyay.Measurement.2017,

[3]

A review on lithium-ion battery ageing mechanisms and estimations for automotive applications.[J].Anthony Barré;Benjamin Deguilhem;Sébastien Grolleau;Mathias Gérard;Frédéric Suard;Delphine Riu.Journal of Power Sources.2013,

[4]

Prognostics of lithium-ion batteries based on relevance vectors and a conditional three-parameter capacity degradation model.[J].Dong Wang;Qiang Miao;Michael Pecht.Journal of Power Sources.2013,

[5]

A review on the key issues for lithium-ion battery management in electric vehicles.[J].Languang Lu;Xuebing Han;Jianqiu Li;Jianfeng Hua;Minggao Ouyang.Journal of Power Sources.2013,

[6]

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