基于ALA优化VMD和Transformer-BiGRU的锂离子电池RUL预测OA
准确预测电池剩余使用寿命(RUL)对保障电池管理系统的安全运行至关重要。然而,电池容量再生效应和测量误差会影响RUL预测精度,传统经验模态分解(EMD)虽能分解信号,却存在模态混叠问题;此外,现有方法中变分模态分解、预测模型核心参数大多依赖手动设置,不仅耗时费力且预测效果受主观因素影响较大。针对上述难题,提出了一种基于ALA优化VMD和Transformer-BiGRU的预测方法。利用人工旅鼠算法(ALA)对变分模态分解(VMD)的模态分解层数与惩罚因子进行优化,通过VMD将电池容量数据分解为不同频率的模态分量,减小容量再生效应和测量误差的影响。构建了结合注意力机制(Transformer)和双向门控循环单元(BiGRU)的预测模型,并通过海星优化算法(SFOA)优化模型结构和关键参数,将各分量的预测结果加和得到最终预测值。基于MATLAB平台在两组公开数据集上验证了所提模型的有效性,并与其他预测方法进行对比。结果表明,所提方法的均方根误差(RMSE)均低于0.5%,预测精度较高。
闫来清;梁朝洋;韩磊;李沁春;蔡钰濠;魏嘉轩;许志超
山西大学电力与建筑学院,山西太原030006 山西省应急电力装备工程研究中心,山西大同037300山西大学电力与建筑学院,山西太原030006 山西省应急电力装备工程研究中心,山西大同037300山西大学电力与建筑学院,山西太原030006 山西省应急电力装备工程研究中心,山西大同037300山西大学电力与建筑学院,山西太原030006 山西省应急电力装备工程研究中心,山西大同037300山西省应急电力装备工程研究中心,山西大同037300 山西储能技术中试基地,山西大同037300 山西城市动力新能源有限公司,山西大同037300山西省应急电力装备工程研究中心,山西大同037300 山西储能技术中试基地,山西大同037300 山西城市动力新能源有限公司,山西大同037300国网山西省电力公司超高压输电分公司,山西太原030001
信息技术与安全科学
锂离子电池人工旅鼠算法海星优化算法变分模态分解双向门控循环单元Transformer模型
《电源技术》 2026 (2)
P.277-289,13
山西省研究生创新项目(2024SJ029)山西省高校科技创新项目(2023L002)山西省发改委大众创业万众创新专项(137541005)教育部产学合作协同育人项目(221002262073019)。
评论