首页|基于VMD-PSO-ELM的锂离子电池剩余寿命预测

基于VMD-PSO-ELM的锂离子电池剩余寿命预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了准确地预测锂离子电池的剩余寿命,提出了变分模态分解(VMD)结合粒子群算法(PSO)优化极限学习机(ELM)的锂离子电池剩余寿命预测模型.首先,根据放电容量与电压曲线、最高温度、最大内阻和放电容量提取出与锂离子电池剩余寿命高度相关的健康因子,然后利用PSO算法对ELM神经网络的权值和阈值进行优化,采用VMD分解将锂离子电池的剩余寿命原始数据分解为若干子序列,基于PSO-ELM模型对各个子序列进行预测,最后将各个子序列的预测结果求和,即为锂离子电池剩余寿命的预测值.结果表明,VMD-PSO-ELM模型与其他模型相比,更能精准地预测锂电池的剩余寿命.
Residual Life Prediction of Lithium-ion Batteries Based on VMD-PSO-ELM

lithium-ion batterylife predictionparticle swarm optimizationextreme learning ma-chinevariational mode decomposition

李秋琰、颜七笙

展开 >

东华理工大学理学院,330013,南昌

锂离子电池 寿命预测 粒子群算法 极限学习机 变分模态分解

国家自然科学基金

71961001

2023

10.13990/j.issn1001-3679.2023.05.024

江西科学
江西省科学院

江西科学

影响因子：0.286
ISSN：1001-3679
年,卷(期)：2023.41(5)
  • 9