專利名稱：一種基于人工神經(jīng)網(wǎng)絡(luò)的二次電池表面最高溫度預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于人工神經(jīng)網(wǎng)絡(luò)的二次電池表面最高溫度預(yù)測方法，屬于電池?zé)峁芾硐到y(tǒng)技術(shù)領(lǐng)域。
背景技術(shù)：
隨著世界經(jīng)濟(jì)與社會的快速發(fā)展，環(huán)境問題和能源問題日益受到關(guān)注，汽車對燃油的巨大消耗和汽車尾氣排放引發(fā)出石油資源枯竭和全球溫室效應(yīng)等一系列問題，促使著人們不停地探索綠色交通工具。近年來，使用綠色二次電池作為動力的HEV(混合動力汽車)和EV(純電動汽車)的出現(xiàn)為減少二氧化碳排放抑制溫室效應(yīng)和節(jié)約石油資源做出了巨大貢獻(xiàn)。目前在用的動力電池主要有鎳氫電池與鋰離子電池兩種。二次電池作為一種新型的環(huán)境友好綠色能源，在全球范圍內(nèi)受到了廣泛關(guān)注。除了美國、日本等在此領(lǐng)域處于先進(jìn)水平的國家外，我國對二次電池新能源領(lǐng)域也給予了重點(diǎn)關(guān)注，特別是，在當(dāng)前節(jié)能減排、低碳經(jīng)濟(jì)的大環(huán)境下，作為可替代傳統(tǒng)能源之一的二次電池的開發(fā)尤為重要，可以說是關(guān)系到國家未來能源發(fā)展的戰(zhàn)略問題之一，具有重要的意義。
對于提供動力的電池系統(tǒng)來說，電池的安全性至關(guān)重要。最突出的便是電池的熱效應(yīng)問題。一旦電池發(fā)生熱失控將會導(dǎo)致非常危險(xiǎn)的后果。目前，學(xué)者們通過很多的熱模型來研究電池的熱效應(yīng)，開發(fā)熱管理系統(tǒng)來避免電池發(fā)生熱失控。
在眾多涉及到電池?zé)嵝?yīng)的因素當(dāng)中，電池表面溫度對電池?zé)崾Э氐难芯烤哂兄匾饬x。電池在一定環(huán)境和條件下進(jìn)行工作時(shí)，電池內(nèi)部各個(gè)產(chǎn)熱因素發(fā)熱的綜合表現(xiàn)便是電池的表面溫度升高，如果電池表面溫度持續(xù)升高而不加控制的話，電池將會走向熱失控，產(chǎn)生危險(xiǎn)的后果。所以電池發(fā)生熱失控之前的表面溫度對于防止該問題的發(fā)生具有重要的意義。由于電池內(nèi)部材料和結(jié)構(gòu)設(shè)計(jì)的原因，導(dǎo)致電池表面溫度分布不均，這時(shí)電池表面上的最高溫度可以通過熱成像儀來測定。因此，本發(fā)明應(yīng)用人工神經(jīng)網(wǎng)絡(luò)建立了模型來預(yù)測二次電池在工作中的表面最高溫度。人工神經(jīng)網(wǎng)絡(luò)模型具有處理多輸入多輸出的能力、較大的數(shù)據(jù)容量以及對過程機(jī)理較低的要求，使用起來非常的方便快捷，基于神經(jīng)網(wǎng)絡(luò)中的Back-Propagation(BP)網(wǎng)，采用Levenbrg-Marquardt(LM)算法,建立預(yù)測模型,對電池在不同環(huán)境溫度下充電過程中的表面溫度進(jìn)行預(yù)測。該模型方法使電池在熱管理系統(tǒng)的幫助下能夠安全地工作，從而為電動汽車的普及打下基礎(chǔ)。發(fā)明內(nèi)容
本發(fā)明的目的是為了解決二次電池存有發(fā)生熱失控的安全隱患問題，提出一種基于人工神經(jīng)網(wǎng)絡(luò)模型的二次電池表面最高溫度預(yù)測方法。
本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的。
本發(fā)明一種基于人工神經(jīng)網(wǎng)絡(luò)的二次電池表面最高溫度預(yù)測方法，能夠通過神經(jīng)網(wǎng)絡(luò)的模糊控制，精確預(yù)測出電池在不同環(huán)境溫度下以不同倍率電流強(qiáng)度充電過程中其表面最高溫度的變化過程，具體步驟如下
1)將二次電池置于高低溫試驗(yàn)箱內(nèi)，連接上充放電試驗(yàn)機(jī)；高低溫試驗(yàn)箱的溫度為-10°c 40°C ；
2)將步驟1)中的電池放電至SOC為0，然后進(jìn)行充電至SOC為0. 1 1. 2 ；
3)應(yīng)用紅外熱成像儀監(jiān)測電池在充電過程中表面最高溫度的變化情況；
4)通過設(shè)定Back-Propagation神經(jīng)網(wǎng)絡(luò)模型的輸入、輸出、神經(jīng)元個(gè)數(shù)、層數(shù)、傳遞函數(shù)和訓(xùn)練算法來完成模型的構(gòu)建；
5)將步驟3)得到的數(shù)據(jù)用于模型訓(xùn)練，使模型能夠運(yùn)用于預(yù)測；
6)電池在其他環(huán)境溫度下充電過程中的表面最高溫度可以通過步驟5)中訓(xùn)練好的模型進(jìn)行預(yù)測。
步驟2)中的充電條件為同一環(huán)境溫度下以不同倍率分別對電池進(jìn)行充電；倍率為1 IOC ；
步驟4)中模型的輸入為環(huán)境溫度和充電時(shí)間；輸出為電池表面最高溫度，神經(jīng)元個(gè)數(shù)為5個(gè)，層數(shù)為3層，第二層和第三層的傳遞函數(shù)分別為tangent-sigmoid函數(shù)和 log-sigmoid 函數(shù)，訓(xùn)練算法為 Levenbrg-Marquardt(LM)算法；
步驟5)中其他環(huán)境溫度為_40°C -10°C和40°C 100°C ；
步驟5)中的充電倍率與步驟2)中的充電倍率相同。
有益效果
本發(fā)明的模型應(yīng)用起來簡單易行，參數(shù)容易控制，所得結(jié)果具有實(shí)用價(jià)值；電池在一定工作條件下的表面最高溫度得以預(yù)測，為電池?zé)峁芾硐到y(tǒng)的有效工作和電池的安全提供了保證。


圖1為實(shí)施例中步驟4)得到的實(shí)驗(yàn)數(shù)據(jù)；
圖2為實(shí)施例中模型預(yù)測電池在不同環(huán)境溫度下，5C充電時(shí)的表面最高溫度曲線圖。
具體實(shí)施方式
下面結(jié)合實(shí)施例和附圖對本發(fā)明做詳細(xì)說明。
實(shí)施例
基于人工神經(jīng)網(wǎng)絡(luò)的二次電池表面最高溫度預(yù)測方法，具體操作步驟為
1)將SAh圓柱形鎳氫動力電池置于高低溫試驗(yàn)箱內(nèi)，連接上充放電試驗(yàn)機(jī)；
2)對在-10°C、0、10、20、30、4(TC環(huán)境溫度下的電池進(jìn)行充電，電池充電前應(yīng)先放電至SOC = 0 ；
3)同一環(huán)境溫度下以1C、3C和5C的倍率分別對電池進(jìn)行充電，充電至電池SOC = 1. 1時(shí)停止；
4)應(yīng)用紅外熱成像儀監(jiān)測電池在充電過程中表面最高溫度的變化情況，如圖1所示；
5)建立Back-Propagation神經(jīng)網(wǎng)絡(luò)模型，設(shè)定模型的輸入為環(huán)境溫度(為步驟2 中的環(huán)境溫度數(shù)據(jù))和充電時(shí)間(為步驟3中的充電過程中的時(shí)間)，輸出為電池表面最高溫度、神經(jīng)元個(gè)數(shù)為5個(gè)、層數(shù)為3層、第二層和第三層的傳遞函數(shù)分別為tangent-sigmoid 函數(shù)和log-sigmoid函數(shù)，訓(xùn)練算法為Levenbrg-Marquardt(LM)算法；6)運(yùn)用步驟4)得到的數(shù)據(jù)用于模型訓(xùn)練，使模型能夠運(yùn)用于預(yù)測；7)電池在50°C、60°C、70°C環(huán)境溫度下以1C、3C和5C充電過程中的表面最高溫度可以通過步驟(5)中的模型進(jìn)行預(yù)測，預(yù)測結(jié)果如圖2所示。
權(quán)利要求
1.一種基于人工神經(jīng)網(wǎng)絡(luò)的二次電池表面最高溫度預(yù)測方法，其特征在于具體步驟如下1)將二次電池置于高低溫試驗(yàn)箱內(nèi)，連接上充放電試驗(yàn)機(jī)；高低溫試驗(yàn)箱的溫度為-10°c 40°C ；2)將步驟1)中的電池放電至SOC為0，然后進(jìn)行充電至SOC為0.1 1. 2 ；3)應(yīng)用紅外熱成像儀監(jiān)測電池在充電過程中表面最高溫度的變化情況；4)通過設(shè)定Back-Propagation神經(jīng)網(wǎng)絡(luò)模型的輸入、輸出、神經(jīng)元個(gè)數(shù)、層數(shù)、層間的傳遞函數(shù)和訓(xùn)練算法來完成模型的構(gòu)建；5)將步驟3)得到的數(shù)據(jù)用于模型訓(xùn)練，使模型能夠運(yùn)用于預(yù)測；6)電池在其他環(huán)境溫度下充電過程中的表面最高溫度，通過步驟幻中訓(xùn)練好的模型進(jìn)行預(yù)測。
2.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的二次電池表面最高溫度預(yù)測方法， 其特征在于步驟幻中的充電條件為同一環(huán)境溫度下以不同倍率分別對電池進(jìn)行充電；倍率為1 10C。
3.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的二次電池表面最高溫度預(yù)測方法， 其特征在于步驟4)中模型的輸入為環(huán)境溫度和充電時(shí)間；輸出為電池表面最高溫度，神經(jīng)元個(gè)數(shù)為5個(gè)，層數(shù)為3層，第二層和第三層的傳遞函數(shù)分別為tangent-sigmoid函數(shù)和 log-sigmoid 函數(shù)，訓(xùn)練算法為 Levenbrg-Marquardt 算法。
4.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的二次電池表面最高溫度預(yù)測方法， 其特征在于步驟5)中其他環(huán)境溫度為_40°C -10°C和40°C 100°C。
5.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的二次電池表面最高溫度預(yù)測方法， 其特征在于步驟6)中的充電倍率與步驟幻中的充電倍率相同。
全文摘要
本發(fā)明涉及一種基于人工神經(jīng)網(wǎng)絡(luò)的二次電池表面最高溫度預(yù)測方法，屬于電池?zé)峁芾硐到y(tǒng)技術(shù)領(lǐng)域。將二次電池置于高低溫試驗(yàn)箱內(nèi)，連接上充放電試驗(yàn)機(jī)；電池放電后進(jìn)行充電；監(jiān)測電池在充電過程中表面最高溫度的變化情況；通過設(shè)定Back-Propagation神經(jīng)網(wǎng)絡(luò)模型的輸入、輸出、神經(jīng)元個(gè)數(shù)、層數(shù)、傳遞函數(shù)和訓(xùn)練算法來完成模型的構(gòu)建；將數(shù)據(jù)用于模型訓(xùn)練，使模型能夠運(yùn)用于預(yù)測；電池在其他環(huán)境溫度下充電過程中的表面最高溫度通過模型進(jìn)行預(yù)測。本發(fā)明的模型應(yīng)用起來簡單易行，參數(shù)容易控制，結(jié)果具有實(shí)用價(jià)值；電池在不同環(huán)境溫度下工作時(shí)的表面最高溫度得以預(yù)測，為電池?zé)峁芾硐到y(tǒng)的有效工作和電池的安全提供了保證。
文檔編號G01J5/00GK102494778SQ20111035993
公開日2012年6月13日 申請日期2011年11月14日 優(yōu)先權(quán)日2011年11月14日
發(fā)明者吳伯榮, 吳鋒, 宋亮, 方凱正, 林靜, 穆道斌, 陳實(shí) 申請人:北京理工大學(xué)