长安大学能源与电气工程学院巫春玲老师以通讯作者身份发表在《Journal of Energy Storage》上的题为《Lithium-ion battery SOH prediction based on VMD-PE and improved DBO optimized temporal convolutional network model》的研究论文，入选ESI高被引论文，被引频次排名前1%，该论文正式发表于2024年5月。

为提高锂离子电池的健康状态预测精度，本文提出了一种基于VMD-PE-IDBO-TCN的新型SOH预测模型。首先，创新地引入变分模态分解-排列熵（VMD-PE）方法对原始电池SOH数据进行分解，并将其重组为一系列子序列，减少非平稳成分对预测结果的影响。此外，针对每个子序列使用时间卷积网络（TCN）预测模型，并采用改进的蜣螂优化（IDBO）算法来优化TCN参数，其中该IDBO算法结合了SPM混沌映射、黄金正弦策略和自适应高斯-柯西混合变异扰动。IDBO算法能够快速而准确地确定最优参数组合，显著提升了TCN模型的预测性能。最后，将各子序列的预测值叠加得到最终预测结果。实验结果表明，所提出的模型具有更高的预测准确性，最大均方根误差仅为0.0072，最大平均绝对百分比误差仅为0.67%，并且对不同类型电池以及高温运行条件下的电池具有良好的适应性。

（供稿：巫春玲  审核：耿莉敏  编辑：韩啸）