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.
国家科技期刊平台
NSTL
万方数据
