基于灰箱与黑箱方法的锂离子电池端电压预测建模对比研究

《Scientific Reports》：Battery modeling using grey box and black box data driven techniques

　　

摘要

准确预测电池寿命在许多应用中至关重要，可提升性能与可靠性。本文采用灰箱与黑箱方法对电池进行建模，以预测锂离子电池的充放电场景。本研究提出了一种用于端电压预测的电池建模对比框架，分别采用基于灰狼优化的灰箱建模与基于随机森林的黑箱建模。本文还针对电池参数展开相关性分析，以提高预测精度。所提出方法的实现使用了NASA预测卓越中心数据集仓库中的数据。通过对实验电池数据进行评估，考察各方法在不同工况下准确表征电池电压行为的能力。本研究将所开发的电池模型与厂商数据进行对比，并采用平均绝对百分比误差（MAPE）作为评估指标。结果显示，黑箱模型在任意充放电速率下的最大循环次数均表现出更低的MAPE。可靠的电池模型有助于准确估算电池行为。因此，本文通过相关性分析研究，旨在识别对电池充放电特性可靠预测具有显著影响的关键特征。研究发现，在准确的电池模型预测中，必须考虑电池温度。因此，本文还采用黑箱技术，提供考虑温度影响的电池建模方案。