第12卷第4期2023年4月Vol.12No.4Apr.2023储能科学与技术EnergyStorageScienceandTechnology基于SVD-SAE-GPR的锂离子电池RUL预测董渊昌1，庞晓琼1，贾建芳2，史元浩2，温杰2，李笑1，张鑫1（1中北大学计算机科学与技术学院；2中北大学电气与控制工程学院，山西太原030051）摘要：锂离子电池是重要的储能手段之一，对其剩余使用寿命(RUL)进行预测具有非常重要的实际意义。本工作首先针对传统特征提取方法依赖参数设置且对于不同锂离子电池数据集适应性差的缺陷，将电池数据视作矩阵，并引入奇异值分解(SVD)从测量数据和包含更多退化信息的特征提取对象中提取潜在健康因子(HIs)。其次，潜在HIs的冗余和不足会影响RUL的预测，同时考虑到主成分分析(PCA)的缺点，使用Spearman相关分析和堆叠自编码器(SAE)处理HIs得到一个融合HI。在此基础上，利用高斯过程回归(GPR)算法构建了融合HI与容量之间的模型，得到了带有不确定性表达的最终预测结果。最后，通过NASA提供的四个老化电池数据验证了所提预测模型的可行性和有效性。并额外选取MIT电池数据集验证特征提取方法的适应性。实验结果表明，所提出的RUL预测框架具有较好的预测性能，SVD特征提取方法在避免参数设置的前提下具有较好的适应性。本工作提取的HI与经过PCA融合的HI、其他HI相比，预测精度有显著提高。关键词：锂离子电池；剩余使用寿命(RUL)；奇异值分解；堆叠自编码器；高斯过程回归doi：10.19799/j.cnki.2095-4239.2022.0767中图分类号：TP206文献标志码：A文章编号：2095-4239（2023）04-1257-11Remainingusefullifepredictionoflithium-ionbatteriesbasedonSVD-SAE-GPRDONGYuanchang1,PANGXiaoqiong1,JIAJianfang2,SHIYuanhao2,WENJie2,LIXiao1,ZHANGXin1(1SchoolofComputerScienceandTechnology;2SchoolofElectricalandControlEngineering,NorthUniversityofChina,Taiyuan030051,Shanxi,China)Abstract:Lithium-ionbatteriesareanimportantenergystoragesources,anditisofgreatpracticalimportancetopredicttheirremainingusefullife(RUL).First,thebatterydataaretreatedasmatrices,andsingularvaluedecomposition(SVD)isintroducedtoextractthepotentialhealthindicator(HI)fromthemeasureddataandthefeatureextractionobjectscontainingmoredegradationinformation.Thiswilladdressthedrawbacksoftraditionalfeatureextractionmethodsthatrelyonparametersettingsandpooradaptabilitytodi...
