-
题名基于加权UMAP和改进BLS的锂电池温度预测
- 1
-
-
作者
黎耀康
杨海东
徐康康
蓝昭宇
章润楠
-
机构
广东工业大学机电工程学院
-
出处
《储能科学与技术》
CAS
CSCD
北大核心
2024年第9期3006-3015,共10页
-
文摘
锂电池热过程的温度预测对锂电池的寿命管理和使用安全有着重要意义。一般电池管理系统热管理依赖准确的热过程模型。然而锂电池热过程的机理复杂,属于强非线性分布参数系统,具有参数时空耦合、时变、强非线性的特点,常规方法难以实现其热过程的精确建模。针对上述问题,提出了一种基于加权UMAP和改进BLS的三段式锂电池热过程建模方式。首先通过引入加权改进的均匀流形逼近与投影(weighted uniform manifold approximation and projection,WUMAP)降维算法解决非线性降维难题的同时保留了数据的全局与局部信息。然后利用一段宽度学习系统(broad learning system,BLS)模型对降维得到的时序数据预测。最后再通过一段粒子群算法优化的混合核宽度学习系统(particle swarm optimization-mixed kernel broad learning system,PSO-MKBLS)模型对时空域温度数据重构。为验证模型有效性,使用平板式32 Ah的Li(Ni_(0.5)Co_(0.2)Mn_(0.3))O_(2)三元软包锂电池的热过程建模试验。实验结果表明:最终模型与改进前相比,R2提高0.0546,MAE和RMSE分别降低0.0082和0.0092;同时与多个对比模型相比,相对误差ARE较低(在0.035以内),并且各误差指标也更好,证明模型具有良好的预测精度。
-
关键词
分布参数系统
锂电池温度预测
加权均匀流形逼近与投影
混合核宽度学习系统
-
Keywords
distributed parameter system
temperature prediction
weighted uniform manifold approximation and projection(wumap)
mixed kernel broad learning system(MKBLS)
-
分类号
TM912.9
[电气工程—电力电子与电力传动]
-
