一种基于VMD-POA-LSTM的锂离子电池剩余使用寿命预测方法

本发明提供了一种基于VMD‑POA‑LSTM的锂离子电池剩余使用寿命预测方法，该方法模拟鹈鹕的集体捕食行为来搜索最优解。包括以下步骤：S1：获取锂离子电池退化过程中的容量数据。S2：将数据进行VMD分解。S3：对数据进行归一化处理，按比例划分训练集和测试集。S4：使用POA优化LSTM神经网络，对隐含层节点、训练次数和学习率进行寻优。S5：对优化后的LSTM神经网络进行测试，若预测性能不佳则重复步骤S4。S6：利用优化后的模型对锂离子电池剩余使用寿命预测。本发明可改善LSTM神经网络超参数难以确定的问题，提高计算精度与速度，并消除容量再生问题，从根本上减小误差，实现RUL的预测。