Lithium-ion battery RUL prediction based on optimized VMD-SSA-PatchTST algorithm

Pei Tang、Zetao Qiu、Zhongran Yao、Jiahao Pan、Dashuai Cheng、Xiaoyong Gu、Changcheng Sun

5. Lithium-ion battery RUL prediction based on optimized VMD-SSA-PatchTST algorithm

论文基本信息

字段 内容
DOI/URL/PDF DOI/论文页;全文 PDF
发现来源 Crossref;来源历史 Crossref
期刊/会议/平台 Scientific Reports, 15, 26824
发表日期 2025-07-23;论文记录标注该日,PDF 首页确认卷页
作者/机构 Pei Tang、Zetao Qiu、Zhongran Yao、Jiahao Pan、Dashuai Cheng、Xiaoyong Gu、Changcheng Sun;盐城工学院、无锡职业技术学院及新能源车辆节能与电池安全工程研究中心(机构按 PDF 标注)
通讯作者 Zetao Qiu;PDF 首页标星并列邮箱
脚本评分/证据等级 62;题名命中 RUL/VMD;全文级
核验路径 payload 提供 Nature PDF;先请求 PDF,再核对 Nature 论文页与 PDF 全文;数据、方法、划分、指标和通讯作者均据全文核验。

纳入理由与原文证据

  • 主题/边界: 直接预测锂离子电池 RUL,并将容量轨迹首次低于额定容量 70% 的循环定义为寿命终点;该阈值是论文自身设置,不按常见 80% 代替。
  • 证据: 全文给出 WOA 优化 VMD 分解参数、SSA 调节 PatchTST,并定义 70% 容量阈值:Nature 全文/PDF。

数据集/电池体系

  • 体系/数据: NASA Battery 数据中 B0005/B0006/B0007/B0018(标称 2.0 Ah);NASA Randomized 数据 7 组、每组 4 节 18650、标称 2.2 Ah。电化学正负极材料未在该文数据描述中完整确认。
  • 工况/跨域: 随机负载组涵盖不同电流过程,部分组环境温度 40°C;作者使用放电最低电压、恒流放电时长和放电能量等特征。论文另称实验包含“8 组”退化数据,与数据描述的 4 个 NASA 电芯加 7 个随机组不一致,需作者澄清计数口径。

EOL/RUL/SOH 定义

  • 目标/定义: 预测容量轨迹并取首次低于额定容量 70% 的循环作为 EOL,再计算 RUL。
  • 未来信息风险: VMD 对容量轨迹分解后再预测;全文未清楚证明分解参数和分解过程只使用预测时可见前缀。若整条测试轨迹参与分解,会泄漏未来形状信息。

模型方法

  • 流程: Spearman 筛选健康特征 → WOA 以包络熵优化 VMD 模态数 K/惩罚参数 α → 分别预测 IMF 与低频分量 → SSA 以验证集 MAE 调整 PatchTST 超参 → 重构容量轨迹并推算 RUL;与 SSA-CNN、SSA-GRU、SSA-PatchTST 比较。
  • 部署: 模型需容量序列及多步预测;未报告 BMS 实时计算、延迟或在线更新测试。

验证设计

  • 划分/泛化: NASA 基准采用按电芯留一测试/验证方案;每轮余下两节训练。随机数据按四电芯组轮换测试及验证,具备跨电芯验证,但仍属公开数据内部验证。
  • 可信度: 中;电芯级留出与随机工况扩展有价值,VMD 因果性、超参搜索隔离及“8 组”描述矛盾降低可信度。

指标与结果

  • B0005 示例在 B0006 作验证时,容量预测 MAE=0.0150、MAPE=0.95%;随机数据 Group 6 的容量预测 MAE=0.0093、RMSE=0.0131、MAPE=0.52%。这些是容量轨迹误差,不是 RUL 周期误差;论文摘要未给可直接比较的 RUL 周期误差数值。

泄漏风险、复现性与局限性

  • 泄漏风险: 中;重点确认整序列 VMD、WOA/SSA 选择是否触及测试轨迹未来部分;按电芯划分虽降低跨电芯泄漏,但不自动消除此风险。
  • 复现性: 中;NASA 数据公开,全文披露 WOA/SSA 主要参数;未发现代码仓库或随机种子。
  • 局限性: 仅两类 NASA 公开集;EOL 采用 70% 阈值;不同化学体系/真实 BMS 未验证;数据组数描述不一致。

是否值得跟进

  • 结论: 跟进,重点审计泄漏。
  • 理由与下一步: 电芯级留出和随机负载测试较有参考价值。复现时先对训练电芯拟合分解/调参,只以测试电芯已观察前缀预测,并统一报告周期级 RUL 误差。
查看关键词分类依据
  • RUL prediction · 标题包含「rul」
    Lithium-ion battery RUL prediction based on optimized VMD-SSA-PatchTST algorithm
  • Li-ion / LIB · 标题包含「lithium-ion」
    Lithium-ion battery RUL prediction based on optimized VMD-SSA-PatchTST algorithm