2023.1Vol.47No.1研究与设计收稿日期：2022-06-24基金项目：国家自然科学基金项目(51777052，51977058)；河北省中央引导地方科技项目(216Z4406G)；电力系统国家重点实验室资助课题(SKLD21KZ04)；新能源电力系统国家重点实验室(华北电力大学)开放课题(LAPS20018)作者简介：刘泽（1994—），男，山西省人，硕士研究生，主要研究方向为锂离子电池寿命预测。基于CNN-BiLSTM的锂电池剩余使用寿命概率密度预测刘泽1，张闯1，齐磊2，金亮1，刘素贞1(1.河北工业大学电气工程学院，天津300130；2.华北电力大学电气与电子工程学院，北京102206)摘要：通过预测锂离子电池的剩余使用寿命(RUL)，可以对电池实现管理和维护，提升电池的耐用性和安全性。由于锂离子电池在使用过程中，不同的工况条件会增加锂离子电池RUL预测的不确定性，传统的点预测不能对电池的不确定性进行表达，因此提出了一种基于卷积神经网络(CNN)和双向长短时记忆循环神经网络(BiLSTM)的混合神经网络分位数回归的概率密度预测。该方法通过预测不同分位数条件下的电池容量，不仅可以利用中位数和众数对剩余寿命进行点估计，还可以利用核密度估计得到每个循环周期下电池的容量和剩余使用寿命的概率密度分布，为使用者提供更多有效的决策信息。关键词：剩余使用寿命；卷积神经网络；双向长短时记忆循环神经网络；分位数回归中图分类号：TM912文献标识码：A文章编号：1002-087X(2023)01-0057-05DOI:10.3969/j.issn.1002-087X.2023.01.013PredictionofprobabilitydensityofremainingusefullifeoflithiumionbatterybasedonCNN-BiLSTMLIUZe1,ZHANGChuang1,QILei2,JINLiang1,LIUSuzhen1(1.SchoolofElectricalEngineering,HebeiUniversityofTechnology,Tianjin300130,China;2.SchoolofElectricalandElectronicEngineering,NorthChinaElectricPowerUniversity,Beijing102206,China)Abstract:Bypredictingtheremainingusefullifeoflithiumionbatteries,thebatterycanbemanagedandmaintained,andthedurabilityandsafetyofthebatterycanbeimproved.AsdifferentworkingconditionsincreasetheuncertaintyofthepredictioninlithiumionbatteryRULandthetraditionalpredictionbypointcannotmeasureuncertaintyofbattery’sparametersandcapacity.Therefore,aquantileregressionprobabilitydensitypredictionofhybridneuralnetworkbasedonconvolutionalneuralnetwork(CNN)andbidirectionallongshortmemoryrecurr...
