基于PCA-GWO-GRU的锂离子电池剩余使用寿命预测

Prediction of Remaining Useful Life of Lithium-Ion Batteries Based on PCA-GWO-GRU

李钰 ¹卓晓军 ¹刘洋 ¹李重洋¹

扫码查看

作者信息

1. 长沙矿冶研究院有限责任公司,湖南长沙 410012
折叠

摘要

为了提高GRU神经网络模型预测锂离子电池剩余使用寿命时的准确性,提出基于PCA-GWO优化的GRU模型,并应用于锂离子电池剩余寿命预测.结果表明,与传统GRU模型相比,经PCA-GWO算法优化的GRU模型具有更高的预测精度.预测起始点为原始数据90％时,预测精度达到最大,对应的均方根误差RMSE为0.004 9、平均绝对误差MAE为0.003 6、决定系数R2为0.986 3.

Abstract

In order to improve the accuracy of the GRU neural network model in predicting the remaining useful life(RUL)of lithium-ion batteries,the GRU model was optimized based on PCA-GWO and then applied in the prediction.The results show that compared with the traditional GRU model,the PCA-GWO-GRU model presents higher prediction accuracy.When the starting point of the prediction is 90％of the original data,the prediction accuracy can reach the highest,with the corresponding RMSE of 0.004 9,MAE of 0.003 6,and R2 of 0.986 3.

关键词

锂离子电池/剩余使用寿命预测/GRU/灰狼算法/主成分分析

Key words

lithium-ion battery/remaining useful life(RUL)prediction/GRU/gray wolf optimizer(GWO)/principal component analysis(PCA)

引用本文复制引用

基金项目

湖南省科技重大专项(2023GK1070)

湖南省科技创新领军人才(2021RC4046)

出版年

2024

矿冶工程

长沙矿冶研究院有限责任公司中国金属学会

矿冶工程

CSTPCD北大核心

影响因子：1.137

ISSN：0253-6099

段落导航