基于CEEMDAN-LSTM組合的鋰離子電池壽命預測方法

史永勝，施夢琢?，丁恩松，洪元濤，歐 陽

1) 陜西科技大學電氣與控制工程學院，西安 710021 2) 江蘇潤寅石墨烯科技有限公司，揚州 225600

鋰離子電池在長期的使用過程中，伴隨著充放電循環次數的增多，電池內部發生了一些不可逆的化學反應，導致內阻增大，性能衰退[1-4].可靠的壽命預測技術不僅可以更加有效地使用電池，更能降低故障發生率[5].鋰離子電池的剩余使用壽命（Remaining useful life，RUL）即在一定的工作條件下，電池從全新開始到壽命終止（End of life,EOL）所經歷的充放電循環周期數，一般容量衰減20%達到EOL.

目前對于鋰離子電池壽命預測的方法主要分為模型法和數據驅動法，基于模型法的鋰離子電池預測技術已經較為成熟[6].目前數據驅動的預測方法依舊是主流，基于數據驅動方法能夠在不建立復雜電池模型的基礎上探索電池外部參數和內部狀態之間的關系[7].Yun與Qin[8]利用了充放電時間來評價鋰離子電池的健康狀態，并利用貝葉斯方法對鋰電池健康狀態評估.如Park等[9]考慮了使用電壓、電流、溫度、充電曲線等多個測量數據，并結合長短期記憶（Long short term memory，LSTM）算法構建了鋰離子電池壽命預測模型.熊瑞等[10]利用長短期記憶遞歸神經網絡（LSTMRNN）學習了鋰離子電池容量退化的長期依賴性.韋海燕等[11]建立了基于線性優化重采樣粒子濾波（LORPF）的鋰離子電池RUL預測方法，其預測誤差小于5%.但是因為部分電池有嚴重的容量重生現象，因此很難準確追蹤電池容量退化趨勢.

針對鋰電池壽命衰退過程存在的……