文献类型：期刊文章

作　　者：张朝龙[1,2] 何怡刚[2] 袁莉芬[2]

ZHANG Chaolong;HE Yigang;YUAN Lifen(School of Physics and Electronic Engineering,Anqing Normal University,Anqing 246011,China;School of Electrical Engineering and Automation,Hefei University of Technology,Hefei 230009,China)

机构地区：[1]安庆师范大学物理与电气工程学院,安庆246011 [2]合肥工业大学电气与自动化工程学院,合肥230009

出　　处：《电力系统及其自动化学报》

基　　金：国家自然科学基金资助项目(51607004;51577046);国家自然科学基金资助重点项目(51637004);国家重点研发计划资助项目"重大科学仪器设备开发"(2016YFF0102200);安徽省自然科学基金资助项目(1608085QF157);安徽省高校优秀青年人才支持计划资助重点项目(gxyq ZD2016207)

年　　份：2018

卷　　号：30

期　　号：7

起止页码：38-44

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：锂电池储能是一种快速高效的有功功率和无功功率调节方法,可用于发、输、变、配用各个环节。针对锂电池测量数据中经常伴随着各种类型及大小的噪声,提出了一种基于集合经验模态分解EEMD(ensemble empir-ical mode decomposition)去噪和多核相关向量机MKRVM(multiple kernel relevance vector machine)的锂电池剩余寿命预测方法。首先执行EEMD去噪,去除测量数据中的噪声信号;然后将MKRVM算法用于预测锂电池的剩余寿命,其中MKRVM核函数的稀疏系数通过量子粒子群算法获取。利用美国国家航空航天局艾姆斯研究中心提供的锂电池测量数据,对提出的方法进行了测试,在测试中展示了EEMD去噪和MKRVM预测方法的实现过程,并证明了方法的有效性与先进性。

关 键 词：锂电池 剩余寿命 集合经验模态分解去噪  多核相关向量机  量子粒子群优化

分 类 号：TM930.12]