第12卷第1期2023年1月Vol.12No.1Jan.2023储能科学与技术EnergyStorageScienceandTechnology基于VMD-PSO-GRU模型的锂离子电池剩余寿命预测刘芊彤，邢远秀（武汉科技大学理学院，湖北武汉430065）摘要：准确预测锂电池的剩余使用寿命(remainingusefullife，RUL)对降低电池使用风险和保证系统的安全运行起着非常重要的作用。为了消除电池容量序列受容量再生等影响，提高预测结果的准确性和稳定性，提出了一种基于变分模态分解(variationalmodaldecomposition，VMD)与参数优化的门控循环神经网络(gaterecurrentunit，GRU)相结合的RUL预测模型。首先采用VMD算法将锂电池的容量序列分解为一系列平稳分量；然后采用多层GRU网络对各分量进行预测，针对预测结果不稳定的问题，在模型训练前利用粒子群算法(particleswarmoptimization，PSO)对GRU模型的参数进行优化；最后叠加各分量的预测值作为最终预测结果。在NASA数据集上对本模型进行了验证，当采用20个已知电池序列数据预测时，预测结果的最大平均绝对百分比误差和均方根误差控制在0.88%和0.0148以内，RUL预测的最大误差不超过2个充电周期，具有较高的鲁棒性和预测精度。关键词：锂电池；剩余寿命预测；变分模态分解；粒子群优化算法；门控循环神经网络doi：10.19799/j.cnki.2095-4239.2022.0491中图分类号：TM912文献标志码：A文章编号：2095-4239（2023）01-236-11Remaininglifepredictionoflithium-ionbatterybasedonVMD-PSO-GRUmodelLIUQiantong,XINGYuanxiu(CollegeofScience,WuhanUniversityofScienceandTechnology,Wuhan430065,Hubei,China)Abstract:Accuratelypredictingtheremainingusefullife(RUL)oflithiumbatteriesplaysasignificantroleinreducingbatteryriskandensuringthesafeoperationofthesystem.Toreducetheinfluenceofbatterycapacityregeneration,andimprovetheaccuracyandstabilityofRULprediction,anintegratedpredictionmodelofvariationalmodaldecompositionandgaterecurrentunit(GRU)networkwithparticleswarmoptimizationalgorithmwasproposed.First,thecapacitysequenceofthelithiumbatterywasdecomposedintoaseriesofstationarycomponentsusingthevariationalmodaldecompositionalgorithm.Then,themultipleGRUnetworkwasusedtopredictthecapacitycomponentoneachsub-sequence.Todealwithinconsistentpredictionresults,particleswarmoptimizationwasusedtooptimizetheparame...
