机械工程学报

作者：刘征宇, 张政, 郭乐凯, 孟辉, 刘项

单位：1. 合肥工业大学机械工程学院 合肥 230009;2. 合肥工业大学智能制造技术研究院 合肥 230009

关键词：锂离子电池,经验模态分解,健康状态预测,容量再生,融合模型；

基金：安徽省自然科学基金(1808085MF200)和工业和信息化部民用飞机专用专项科研(MJ-2017-D-26)资助项目。

电池健康状态(State of health, SOH)预测是确保电子系统运行可靠性和安全性的关键因素。为了准确地预测锂离子电池SOH的整体退化趋势和局部容量再生现象，提出一种将经验模态分解(Empirical mode decomposition, EMD)与门控循环单元(Gated recurrent unit, GRU)和差分自回归移动平均模型(Autoregressive integrated moving average model, ARIMA)相融合的锂离子电池SOH预测方法。首先，利用EMD将电池原始SOH序列进行多尺度分解，并通过计算分解子序列的连续均方误差找到高低频分界点；然后，GRU用于预测具有强烈数据波动的高频子序列，ARIMA用于预测剩余的低频子序列和残差；最后，将每个子序列的预测结果进行叠加以获得最终预测结果。试验结果表明，与其他文献中预测方法相比，基于经验模态分解的融合模型具有更高的预测精度，可以更好地捕捉电池SOH整体退化趋势和局部容量再生特性。

来源：2024年第14期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第14期