研究进展：基于阈值降噪和深度神经网络的锂离子电容器寿命预测

Posted 2021-04-26 中科院超导与储能材料研究组

  锂离子电容器是一种新型的电化学混合型储能器件，集合了锂离子电池和双电层电容器的优点，具有高能量密度和高功率密度的特性。同锂离子电池一样，锂离子电容器在使用过程中存在容量衰减行为。为避免锂离子电容器突然失效造成的损失、有效衡量锂电容的健康状态具有重要意义。目前，关于锂电池寿命预测的文章较多，而针对于锂离子电容器的寿命预测尚未开展。

  最近，中科院电工研究所马衍伟研究员团队在爱思唯尔期刊《eTransportation》上发表了题为“Remaininguseful life prediction based on denoising technique and deep neural network for lithium-ion capacitors”的文章。该项工作提出了一种混合型神经网络模型，它综合了卷积神经网络(Convolutional Neural Network, CNN)和双向长时记忆网络(Bidirectional Long Short-Term Memory Network, Bi-LSTM)，并用数据来训练该模型。该网络能够有效抵抗环境干扰，充分挖掘时序信号的时空信息，具有较高的精度和适用性。研究了学习系数α和预测步长n对寿命预测的影响，并将混合神经网络与CNN和Bi-LSTM两种方法进行比较。结果表明，混合神经网络在不同预测步长上均具有最高的精度和最好的稳定性。该项工作主要由硕士生杨昊和王鹏磊完成。（Hao Yang, Penglei Wang, YabinAn, Changli Shi, Xianzhong Sun*, Kai Wang, Xiong Zhang, Tongzhen Wei, Yanwei Ma**, eTransportation, 2020, 5, 100078; https://doi.org/10.1016/j.etran.2020.100078）

图1  RUL预测算法结构框图

图2 混合神经网络学习系数α=30%的预测结果

图3  不同神经网络结构的预测结果