基于MHI-BiGRU的锂电池RUL保形预测OA

针对锂离子电池早期剩余使用寿命(remaining useful life,RUL)预测中特征表征不足、时序依赖复杂及不确定性难以刻画等问题,提出一种基于多健康因子输入(multi-health indicator,MHI)和双向门控循环单元网络(bidirectional gated recurrent unit,BiGRU)的保形预测方法。该方法提取容量、健康状态、电压、温度、放电时间和电压变化斜率等健康因子,采用滑动窗口构造早期时序样本,并利用BiGRU提取退化序列的双向时序特征;在点预测基础上,引入保形预测(conformal prediction,CP)对残差进行区间校准,构造RUL预测区间。基于NASA数据集的单次代表性实验结果表明,在50%早期比例下,所提模型的RMSE为4.2604次,R2为0.8491,MAPE为5.33%,PICP为1.0000;多随机种子重复实验结果表明,模型预测区间能够稳定覆盖真实RUL。该方法可在早期数据有限条件下实现RUL点预测与区间预测。