Litcius/Paper detail

Capacity Prediction for Lithium-ion Batteries Based on Improved Least Squares Support Vector Machine and Box-Cox Transformation

Xing Shu, LIU Yonggang, Jiangwei Shen, Chen Zheng

2021Journal of Mechanical Engineering10 citationsDOIOpen Access PDF

Abstract

摘要: 精确、可靠的电池容量预测可以避免电池滥用,提升电池使用安全;同时在此基础上开展的剩余寿命估测能够为电池系统维护及更换提供参考。基于改进双最小二乘支持向量机方法和Box-Cox变换,提出一种锂离子电池容量及剩余循环寿命的协同估算方法。首先提取老化电池部分容量增量曲线包络面积作为特征量,通过Box-Cox变换进一步提高特征量与目标估计量之间的相关性。然后基于瑞利熵理论改进传统最小二乘支持向量机算法的稀疏性,建立电池容量和剩余使用寿命协同估算模型,结合层次分析法和熵权法对估算结果进行充分地评估。最后,采用粒子群优化算法搜索改进最小二乘支持向量机算法中的最优超参数组合。估算结果显示所研究的方法能够显著提高特征参数与估计量之间的线性相关性,容量估计误差小于1.44%,剩余使用寿命预测误差小于47次循环,验证了算法的有效性。

Topics & Concepts

Support vector machineTransformation (genetics)Least squares support vector machinePower transformLithium (medication)Least-squares function approximationComputer scienceIonMachine learningArtificial intelligenceStatisticsMathematicsChemistryMedicineInternal medicineEstimatorGeneOrganic chemistryBiochemistryConsistency (knowledge bases)Advanced Algorithms and Applications