一种基于VMD和集成神经网络的全钒液流电池SOH预测方法

本发明公开了一种基于VMD和集成神经网络的SOH预测方法，包括：通过实验和仿真分别获取得到电池实际容量衰减情况下的电压电流和理想容量衰减情况下的电压电流；将实验和仿真所得电压电流转化为SOH变化趋势进行统一处理分析；基于VMD将SOH变化趋势分解为3个本征模态函数IMFs和一个余量RES(t)，并归纳出波动函数F(t)和主趋势函数M(t)；将两种函数的训练集分别置入LSTM和GRU进行学习，并利用测试集输出相加并验证结果，形成基于VMD的集成神经网络算法；建立基于多时间尺度的VRB的SOH预测模型。本发明提出的方法能够有效面对长时间运行过程中复杂多变的情况，有效提升了模型的精度与稳定性。