改进EWMA和多通道混合模型的锂电池容量预测

作者：叶震; 李琨; 李梦男; 吴聪; 高宏宇

来源：机械科学与技术, 2023, 1-12.

DOI：10.13433/j.cnki.1003-8728.20230185

• EWMA
• CNN
• BiLSTM
• 混合预测模型
• 电池容量预测

针对锂电池在长期循环充放操作后，其剩余可用容量难以准确预测的问题，提出一种改进EWMA和多通道混合模型的锂电池可用容量预测方法。提取锂电池充电、放电阶段的电压、电流等特性参量，选取其中与容量相关性较高的特征作为健康因子，利用改进EWMA方法对容量数据及健康因子进行滤波，以减少随机短暂的容量回升现象造成的负面影响，将滤波后的健康因子作为特征向量输入到多通道CNN-BiLSTM-SE混合模型中进行预测。采用CALCE实验中心锂电池数据集进行验证，三组锂电池训练预测数据均采用50%的比例划分，预测结果的平均RMSE达到0.014。

• 出版日期2023
• 单位自动化学院; 昆明理工大学