贫数据条件下锂离子电池容量退化轨迹预测方法.pdfVIP

第13卷第9期储能科学与技术Vol.13No.9

2024年9月EnergyStorageScienceandTechnologySept.2024

AI辅助先进电池设计与应用专刊

贫数据条件下锂离子电池容量退化轨迹预测方法

管鸿盛，钱诚，孙博，任羿

（北京航空航天大学可靠性与系统工程学院，北京100191）

摘要：在锂离子电池使用过程中，因实际运行条件的限制，通常难以获取大量完整标记的电池数据，对实现电

池容量退化轨迹的准确预测构成了显著挑战。为此，本文提出了一种融合容量退化曲线增广和常用神经网络算

法的锂离子电池容量退化轨迹预测方法。首先，基于少量完整标记的电池容量退化数据，采用多项式函数和蒙

特卡洛方法得到虚拟容量退化曲线，并通过KL散度和欧氏距离进行筛选。之后，构建多层感知机(multi-layer

perceptron,MLP)、卷积神经网络(convolutionalneuralnetwork,CNN)、门控循环单元网络(gatedrecurrent

unit,GRU)和长短期记忆网络(longshort-termmemory,LSTM)等四类常用神经网络模型，用以映射虚拟容量退

化曲线数据至电池实际容量。最后，以虚拟容量退化曲线数据为输入，实际容量为输出，利用少量完整标记电

池的数据对模型进行预训练，并利用待预测电池的早期退化数据进行微调，从而实现容量退化轨迹预测。通过

77只具有不同放电方案的电池的数据对所提方法进行验证。结果表明，在仅有3只完整标记电池的容量退化数

据条件下，所提方法的预测性能不受神经网络类型的影响，四类神经网络均准确预测了其余电池的容量退化轨

迹，MAPE和RMSE的均值分别控制在2.3%和31mAh以下。

关键词：锂离子电池；容量退化轨迹；贫数据条件；神经网络

doi：10.19799/j.cnki.2095-4239.2024.0643

中图分类号：TM91文献标志码：A文章编号：2095-