重庆理工大学学报2023，Vol.37Issue(21) ：352-361.DOI:10.3969/j.issn.1674-8425(z).2023.11.038

蜻蜓算法优化的高斯过程回归对锂电池健康状态预测

Dragonfly algorithm optimized Gaussian process regression for lithium battery health state prediction

张韬 王阳 王言子 张健 王宇航 马瑞
重庆理工大学学报2023，Vol.37Issue(21) ：352-361.DOI:10.3969/j.issn.1674-8425(z).2023.11.038
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

蜻蜓算法优化的高斯过程回归对锂电池健康状态预测

Dragonfly algorithm optimized Gaussian process regression for lithium battery health state prediction

张韬 1王阳 1王言子 2张健 1王宇航 1马瑞1
扫码查看

作者信息

  • 1. 东北林业大学 机电工程学院,哈尔滨 150000
  • 2. 北京锂能星空新能源科技有限公司,北京 101400
  • 折叠

摘要

针对锂电池健康状态(SOH)估算精度低、高斯过程回归(Gaussian process regres-sion,GPR)容易陷入局部最优和收敛速度慢的问题,采用蜻蜓算法(dragonfly algorithm,DA)对GPR的超参数进行寻优,实现锂电池非线性衰退的精确估算.将提取的健康因子作为输入特征,利用DA-GPR算法建立锂电池退化模型对NASA电池数据集SOH进行预测.首先,分别采用B0005、B0006 和B0007 电池前75 次循环作为训练集,剩余90 次循环作为测试集,其结果均方根误差(RMSE)不超过0.147;其次,为了验证DA-GPR在小样本条件预测的准确性,分别选取B0005 前10 次循环和前30 次循环作为训练集,其余作为测试集,其中前10 次循环作为训练集的RMSE值为1.756 3,前30 次循环作为训练集的RMSE值为0.150 71;最后,为了验证DA-GPR的泛化性,选择B0006 和B0007 作为训练集,B0005 作为测试集,其RMSE值为0.774 4.

关键词

锂电池健康状态/高斯过程回归/蜻蜓算法/锂电池

Key words

SOH/Gaussian process regression/dragonfly algorithm/lithium battery

引用本文复制引用

基金项目

中央高校基本科研业务费专项(2572022BF03)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量3
段落导航相关论文