第２７卷第２期２０２３年４月电池工业ＣｈｉｎｅｓｅＢａｔｔｅｒｙＩｎｄｕｓｔｒｙＶｏｌ．２７Ｎｏ．２Ａｐｒ．２０２３ＤＯＩ：１０．１９９９６／ｊ．ｃｎｋｉ．ＣｈｉｎＢａｔｌｎｄ．２０２３．０２．００３基于改进回声状态网络的锂离子电池剩余使用寿命预测李晓华１＊，赵宇２（１．江苏联合职业技术学院无锡交通分院，江苏无锡２１４０００；２．天水师范学院电子信息与电气工程学院，甘肃天水７４１０００）摘要：锂离子电池凭借其优越的性能被广泛用于纯电动汽车及大型电气系统。然而，随着锂离子电池循环充放电，电池性能大幅度衰退，会间接导致用电系统的性能衰退或发生故障。因此，准确预测锂离子电池剩余有效寿命（ＲＵＬ），能够保障电池安全可靠运行。为了提高锂离子电池ＲＵＬ的预测精度，提出了一种基于改进粒子群算法（ＩＰＳＯ）回声状态网络（ＥＳＮ）的锂离子电池ＲＵＬ预测方法，实现在线准确预测锂离子电池ＲＵＬ。首先，通过遗传算法（ＧＡ）的交叉和变异操作优化ＰＳＯ，提高粒子局部与全局寻优能力。然后通过ＧＡ－ＰＳＯ对ＥＳＮ网络参数进行优化，建立退化预测模型，利用ＮＡＳＡ公开的锂离子电池实验数据进行仿真实验。结果表明，在相同数据集条件下，与改进粒子群算法和门控循环单元（ＩＰＳＯ－ＧＲＵ）神经网络、遗传算法的极端学习机（ＧＡ－ＥＬＭ）、非线性自回归（ＮＡＲＸ）动态神经网络、改进蚁狮优化算法支持向量回归（ＩＡＬＯ－ＳＶＲ）、间接健康指标与ＥＳＮ的预测方法相比，ＧＡ－ＰＳＯ－ＥＳＮ有更高的预测精度、稳定性和泛化能力，表明了该方法的有效性。关键词：锂离子电池；遗传算法；粒子群算法；回声状态网络；剩余使用寿命中图分类号：ＴＭ９１２文献标识码：Ａ文章编号：１００８－７９２３（２０２３）０２－００６６－０８Ｒｅｍａｉｎｉｎｇｌｉｆｅｐｒｅｄｉｃｔｉｏｎｏｆｌｉｔｈｉｕｍ－ｉｏｎｂａｔｔｅｒｉｅｓｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｅｃｈｏｓｔａｔｅｎｅｔｗｏｒｋＬＩＸｉａｏｈｕａ１＊，ＺＨＡＯＹｕ２（１．ＷｕｘｉＴｒａｆｆｉｃＢｒａｎｃｈ，ＪｉａｎｇｓｕＵｎｉｔｅｄＶｏｃａｔｉｏｎａｌａｎｄＴｅｃｈｎｉｃａｌＣｏｌｌｅｇｅ，Ｗｕｘｉ，ＪｉａｎｇｓｕＰｒｏｖｉｎｃｅ，２１４０００，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＴｉａｎｓｈｕｉＮｏｒｍ...
