基于改进GWO–SVR算法的锂电池剩余寿命预测

摘要

锂离子电池性能优越，已在B787等机型上得到应用.锂离子电池性能随着使用次数增加而衰退，准确预测锂电池剩余使用寿命从而及时维护/更换，对航班安全飞行具有重要意义.面向锂离子电池剩余寿命预测问题，本文采用容量增量分析等方法提取特征，基于灰色关联分析计算特征与电池容量的关联程度并筛选特征，提出一种基于改进灰狼优化算法（Improved grey wolf optimization, IGWO）和支持向量回归（Support vector regression, SVR）的锂离子电池剩余寿命预测方法.作为近年研究热点的灰狼优化（Grey wolf optimization, GWO）算法寻优性能出色，但是在应用中容易陷入局部最优.针对此问题，IGWO对GWO算法中的位置更新方程进行优化，对狼群中的个体添加了记忆与飞行功能，增强了算法全局搜索和收敛能力；同时基于Skew Tent映射产生混沌序列，优化狼群初始位置分布.基于标准测试函数对比GWO和IGWO算法的寻优能力，结果表明IGWO算法的收敛速度和寻优效果更好，能够避开GWO陷入的局部最优，在部分测试函数上将寻优精度提升了几十个数量级；基于NASA锂离子电池数据集开展IGWO–SVR、GWO–SVR和SVR的剩余寿命预测能力对比实验，结果证明IGWO–SVR能够有效提高预测精度，与GWO–SVR相比预测均方根误差值降低了10%以上.

关键词

锂离子电池 / 剩余寿命预测 / 容量增量分析 / 改进灰狼优化算法 / 支持向量回归

基金资助

国家自然科学基金民航联合基金重点资助项目（U2233205,U2133203）