来源：期刊VIP网 时间：
作者：冀鹏宇1;乔钢柱1;姬钰培1;吴康佳1;崔方舒1;朱磊2
单位：1.中北大学计算机科学与技术学院;2.北方自动控制技术研究所
摘要：锂离子电池的健康状态(SOH)对维持能量存储系统的稳定性和可靠性具有重要意义。为实现锂离子电池健康状态的精确预测，构建一种由多元变分模态分解(MVMD)、蜜獾优化算法(HBA)和长短时记忆网络(LSTM)相结合的预测模型。首先，从锂离子电池退化数据中提取与电池SOH高度相关的健康因子(HIs)形成多元序列，再使用MVMD对多元序列进行时频同步分析，将其分解为中心频率对齐的多元子序列。然后，使用经HBA算法进行超参数优化后的LSTM对各个多元子序列进行建模预测。最后将各个子序列的预测结果叠加求和，从而得到锂离子电池SOH的预测值。采用NASA数据集进行验证，通过消融实验的预测结果对比表明，该文所提方法具有更高的预测精度和泛化性。
关键词：锂离子电池;健康状态;多元变分模态分解;蜜獾优化算法;长短时记忆网络
基金资助：山西省基础研究计划资助项目（202303021222084）;山西省基础研究计划联合资助项目（TZLH20230818007）
