用于电池寿命早期预测的贝叶斯层次建模

准确预测电池健康状态对于实际系统管理和基于实验室的实验设计至关重要。然而，从不同循环条件构建寿命预测模型仍是一项挑战。巨大的寿命差异性既来自循环条件，也来自初始制造差异，而且通常每种循环条件可用的实验资源有限，这使得数据驱动的寿命预测颇具挑战。本文提出一种用于电池寿命预测的层次贝叶斯线性模型，将单个电池特征（反映制造差异）与群体层面特征（反映循环条件对群体均值的影响）相结合。个体特征取自前 100 个循环的数据，约为寿命的 5-10%。该模型通过 5 折交叉验证测得，能够以 3.2 天的均方根误差和 8.6% 的平均绝对百分比误差预测寿命终止，比基线（非层次）模型高出约 12-13%。