近日，我院博士朱婷、教授王文波、老师喻敏合作在《Energy》期刊上发表题为“A novel hybrid scheme for remaining useful life prognostic based on secondary decomposition, BiGRU and error correction”的研究论文。该期刊系JCR及中科院SCI双一区TOP期刊，2022年影响因子为8.857，该期刊重点关注能源经济分析、能源建模和预测、综合能源系统、能源规划和能源管理，是能源研究领域内最有影响力和最权威的期刊之一。朱婷博士为第一作者，王文波、喻敏为共同通讯作者，bat365中文官方网站为第一单位。

锂离子电池凭借高能量密度、低自放电、无污染和长寿命等优点，被广泛应用到储能、电动汽车及小型电子设备等领域。然而，随着锂离子电池不断地循环使用，电池内部结构会发生重大改变，导致电池的性能不断退化，进而导致电池剩余使用寿命的衰减。准确预测锂离子电池剩余寿命，能够提前获知电池的剩余寿命信息，可及时对到达失效阈值的电池进行更换，保障电池安全可靠运行，避免因电池失效导致设备性能下降或者停机，甚至发生危险的事故。

针对上述情况，该论文提出了一种基于二次模态分解、双向门控循环神经网络和误差补偿的剩余使用寿命预测方案。为了提高预测精度，创新性地引入了基于时变滤波器的经验模式分解将原始容量数据分解为子序列。同时，通过分形维数计算各子序列的复杂性。另外，快速集合经验模态分解用于进一步分解复杂度最高的子序列。此外，双向门控循环神经网络用于预测上述分解所得到的子序列。最后通过误差修正进一步提高模型预测精度。在两个电池数据集上验证了所提出的预测框架的有效性。实验结果表明：所提出的方案的最大均方根误差、平均绝对误差和平均绝对百分比误差分别仅为1.917、0.434和0.706%。

论文链接：https://doi.org/10.1016/j.energy.2023.127565