[發明專利]一種對鋰電池放電時溫度場分布變化進行在線預測的方法

在審

• 申請號: 202110797599.6
• 申請日: 2021-07-14
• 公開（公告）號: CN113722877A
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 賴添城;楊海東;徐康康;金熹;印四華;朱成就;劉澤錕;雷紹俊;譚喜;許瀟
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/08;G06Q10/04;G06F119/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 劉俊

本發明提供一種對鋰電池放電時溫度場分布變化進行在線預測的方法，該方法采用KPCA來學習強非線性系統的空間基函數，使得學習到的空間基函數能夠表征系統的空間非線性特征；采用ELM對低階時間系數預測模型進行訓練，使模型能夠在保證精度的條件下，獲得更短的計算時間，適用于在線預測；利用仿真實驗過程中實時采集的溫度數據對模型的參數進行在線更新，具有比離線模型更高的精度；提出的模型引入了遺忘因子和正則項，削弱歷史樣本對預測結果的干擾，并突出當前數據對下一刻預測數據的作用，提高了模型的泛化性能，具有比離線模型更好的預測效果，可以應對變化更為復雜的情況。

技術領域

本發明涉及鋰離子電池溫度場分布的建模與在線預測領域，更具體地，涉及一種對鋰電池放電時溫度場分布變化進行在線預測的方法。

背景技術

新能源汽車逐漸成為改善國家能源結構的一個重大可能，這對于改善環境問題和解決能源危機都有重大意義。由于鋰離子電池本身具備單體式電壓較高、能源密度較大、可再生資源利用周期短、循環壽命長、無污染等諸多優點，這些都使得它們成為儲能元件制造商的首選。然而鋰電池安全性問題一直都是現代人們所非常關心的一個重點課題，由于目前鋰電池對于溫度變化的敏感性很強，在進行充放電的過程中溫度太高甚至可能會直接導致鋰電池的燃燒、爆炸等后果，過低的溫度也可能會直接導致鋰電池的實際可使用能源和功率密集性降低。建立精確的鋰電池溫度模型，不僅可更加便利地進行電池的控制、診斷與供熱管理，而且對實時地獲取鋰電池內部的溫度場分布也具有十分重要的意義。

對于鋰離子電池的研究，大部分數據驅動的模型都是對于其荷電狀態、使用壽命的預測研究，對于電池熱分布還有很大研究空間。從分布參數系統的角度考慮，許多建模思路可以用于鋰電池熱分布建模。對于分布參數系統模型完全未知時，可以采用基于時空分離框架的建模方法。現技術中，在基于時空分離的框架下，采用KL分解法獲取空間基函數，并利用RBF神經網絡學習了其低階時序模型，通過將他們進行時空合成獲得了鋰離子電池溫度場分布預測模型。但是KL分解法屬于線性的降維方法，當系統具有強非線性時往往無法取得最佳效果。現技術中有提出了一種基于等距特征映射(ISOMAP)的方法，對鋰離子電池熱過程進行時空建模。該模型采用ISOMAP算法，基于數據之間兩兩的測地距離來表征其高維空間的非線性拓撲結果，學習到可以表征空間全局非線性特征的基函數，并利用ELM算法對其低階時間系數進行預測，最后通過時空重構得到鋰電池溫度分布數據。經過驗證該算法的精度高于局部特征嵌入獲得的基函數，但是同局部特征嵌入一樣，該算法依賴于K鄰近數和距離計算方式的選取，且要求數據樣本集是均勻稠密的。現技術中有從研究分布參數系統出發，提出了一種帶自適應調節因子的正則化在線序列極限學習機(ROSELM-ARF)。通過一種快速在線留一交叉驗證法(FOLOO)，可以快速地獲得最優調優因子，通過構造新的目標函數，采用一個兩步解法，可以分別在線更新模型系數和調節系數，同時消除累積誤差的影響。這些方法都可以為我們建立鋰離子電池的溫度預測模型提供一定的思路。

發明內容

本發明提供對鋰電池放電時溫度場分布變化進行在線預測的方法，該方法建立能實時地獲取鋰離子電池內部的溫度場分布的在線預測模型，該模型具有較強的穩定性，具有比離線模型更高的精度與預測效果。

為了達到上述技術效果，本發明的技術方案如下：

一種對鋰電池放電時溫度場分布變化進行在線預測的方法，包括以下步驟：

S1：使用COMSOL鋰電池仿真獲得鋰電池工作過程內部溫度數據；

S2：采用時空分離的建模策略，對鋰離子電池工作時的溫度分布變化進行建模；

S3：采用基于正則化與遺忘因子的在線順序極限學習機，來實現對鋰離子電池放電時溫度場分布變化進行在線預測。