|
基于 OCSSA-DELM-ICEEMDAN 模型的
锂离子电池健康状态估计
刘轶鑫 1,解志鹏*2,雷奥 1,杨佳 2,刘鹏飞 1
2025, 50(4):
1-8,26.
DOI: 10.16638/j.cnki.1671-7988.2025.004.001
锂离子电池健康状态估计对于确保其安全使用和优化电动汽车电池组的能量管理至关
重要。针对现有方法在预测精度方面的不足,文章提出了一种结合改进自适应噪声互补集合
经验模态分解(ICEEMDAN)、融合鱼鹰优化和柯西变异的麻雀搜索算法(OCSSA)以及深
度极限学习机(DELM)的混合模型。利用 ICEEMDAN 算法分解电池容量衰退数据,分离高
频和低频分量。通过混沌映射、鱼鹰优化和柯西变异改进麻雀搜索算法(SSA)提高参数优
化精度。利用 OCSSA 优化 DELM 模型参数,增强预测准确性。为验证所提出方法的有效性,
文章基于美国国家航空和宇宙航行局(NASA)和先进寿命周期工程中心(CALCE)的数据
集进行测试,实验结果证明该模型具有高预测精度和稳定性,模型预测的平均绝对误差及均
方根误差均在 1%以内,并且在预测未来多步时,仍然保持高的预测精度。
参考文献 |
相关文章 |
计量指标
|