第24卷第2期2023年2月电气技术ElectricalEngineeringVol.24No.2Feb.2023相关向量机预测锂离子电池剩余有效寿命余佩雯1,2郁亚娟1,2常泽宇1张之琦1陈来1,2（1.北京理工大学材料学院，北京100081；2.北京理工大学重庆创新中心，重庆401120）摘要随着新能源汽车的迅速发展，锂离子电池已得到广泛应用。准确预测锂离子电池剩余有效寿命（RUL）对于合理规划电池使用至关重要。目前，机器算法和模型预测已广泛应用于电池剩余有效寿命的预测中。本文基于数据驱动的方法进行锂离子电池剩余有效寿命预测，通过使用相关向量机（RVM）将长期预测分为多段短期预测，并结合自相关函数、灰色关联度模型、卡尔曼滤波器（KF）进行模型优化与改进，改进后的RVM模型在三组目标电池RUL预测中的相对误差分别为5.46%、7.14%和6.29%，与其他几种预测模型的对比结果表明该模型优于其他模型。关键词：剩余有效寿命（RUL）；锂离子电池；相关向量机（RVM）；灰色关联度模型Remainusefullifepredictionoflithium-ionbatterybasedonrelevancevectormachineYUPeiwen1,2YUYajuan1,2CHANGZeyu1ZHANGZhiqi1CHENLai1,2(1.SchoolofMaterialsScience&Engineering,BeijingInstituteofTechnology,Beijing100081;2.BeijingInstituteofTechnologyChongqingInnovationCenter,Chongqing401120)AbstractWiththerapiddevelopmentofnewenergyvehicles,lithium-ionbatterieshavebeenwidelyused.Accuratelypredictingitsremainingusefullife(RUL)iscrucialforrationalplanningofbatteryusage.Atpresent,machinealgorithmsandmodelpredictionhavebeenwidelyusedtopredictthebatteryremainingusefullife.Thisstudyadoptsadata-drivenmethodtopredicttheRULoflithium-ionbattery.Byusingtherelevancevectormachine(RVM),thelong-termforecastisdividedintomultipleshort-termforecasts,whichiscombinedwithauto-correlationfunction,greycorrelationmodel,Kalmanfilter(KF)tooptimizeandimprovethemodel.TherelativeerrorsofthepredictionbasedonthemodifiedRVMmodelinthethreegroupoftargetcellsare5.46%,7.14%,and6.29%,respectively.Theresultsshowthatthepredictionresultsofthismodelarebetterthanothermodels.Keywords：remainusefullife(RUL);lithium-ionbattery;relevancevectormachine(RVM);greycorrelationmodel0引言近年来，锂离子电池在新能源汽车领域得到了广泛应用[1]。锂离子电池凭借...
