基于粒子群算法的卫星蓄电池区间预测方法

• 作者: 刘亚杰 张涛 曹孟达 李文桦 王羽
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 电池健康状态 粒子群算法 上下边界估计法 区间预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信号与信息处理
• 页码范围: 285-293
• 页数: 9页
• 分类号: TM912
• 字数: 5588字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2020.04.006

摘要

卫星在阴影区运行时需要蓄电池提供能源,而锂离子电池由于能量密度大、 自放电率低、 循环寿命长的优点逐渐成为多数卫星的选择.卫星蓄电池在外太空工作时,容量会随着循环次数的增多而逐渐下降.针对这种健康状态(State of Health,SOH)退化的问题,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)的上下边界估计(Low-er Upper Bound Estimation,LUBE)神经网络建立预测模型,将放电过程中的截止电压、 样本熵和工作温度作为神经网络模型输入,电池SOH作为神经网络模型输出.在提高预测区间覆盖率(Prediction Intervals Coverage Probability,PICP)的同时减少预测区间宽度(Normalized Mean Prediction Intervals Width,NMPIW),构建了集成指标(Coverage Width-based Criteri-on,CWC).基于该指标函数的不可微性,采用PSO优化神经网络模型使CWC尽可能地降低以兼顾PICP和NMPIW指标的最优.采用NASA的18号电池测试数据,对所提区间预测算法的有效性进行了分析验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张涛	国防科技大学系统工程学院	72	863	18.0	26.0
2	刘亚杰	国防科技大学系统工程学院	16	159	5.0	12.0
3	曹孟达	国防科技大学系统工程学院	2	2	1.0	1.0
4	李文桦	国防科技大学系统工程学院	2	2	1.0	1.0
5	王羽	国防科技大学系统工程学院	1	1	1.0	1.0