GRNN-GSA-ELM剩余寿命预测模型

多步预测高精度

该模型通过融合GRNN与GSA优化ELM，并采用等压降放电时间作为健康因子，实现了锂电池剩余使用寿命的在线多步预测，具有比现有模型更好的鲁棒性和适用性。

Cai, Yanping · Xinjun, Wang · Ke, Jiang · Han, Deshuai · Qinfeng, Zhao

Jixie Gongcheng Xuebao/Chinese Journal of Mechanical Engineering 2024

技术优势

在线多步预测

模型具备实时更新能力，可在线进行多步剩余寿命预测，无需等待完整充放电周期。

小样本学习能力更强

引入引力搜索算法优化极限学习机，提高了模型在小样本训练数据下的学习能力。

鲁棒性和适用性更高

与其他模型相比，所提模型具有更高的预测精度、更好的鲁棒性和适用性。

应用场景

• 电池管理系统：为电池管理系统提供实时剩余寿命预测，支持维护决策。
• 锂电池健康管理：在线评估电池健康状态，实现寿命预测与健康管理。
• 电池寿命预测：替代传统离线预测，实现多步在线寿命预测。
• 储能系统运维：辅助储能系统运维，提前规划电池更换与维护。
• 机器人电源管理：为机器人电源系统提供寿命预测，保障运行可靠性。