【技術實現步驟摘要】
本專利技術屬于鋰離子電池熱管理，涉及一種軟包鋰離子電池表面溫度場預測方法，具體涉及一種基于張量tucker分解的軟包鋰離子電池溫度場預測方法及系統。
技術介紹
1、電池作為能量存儲和轉換部件，在航空航天、電子設備、新能源汽車等行業中發揮著重要作用。在各種電池中，鋰離子電池因其能量密度高、循環壽命長等優點被廣泛使用。溫度效應是限制鋰離子電池性能的主要因素。電池熱管理技術是建立在材料學、電化學、傳熱學、分子動力學等多學科多領域基礎之上的一種新興的解決方案，旨在應對電池在極端溫度條件下(如過高或過低)工作時出現的熱散逸或熱失控現象，從而優化和增強電池的整體性能與安全性。
2、電池表面溫度場預測是電池熱管理技術的關鍵技術之一。傳統預測方法在電池極耳附近預埋熱電偶探頭采集電池溫度數據，在不同工作條件下，根據溫度對電池性能的影響，結合電池的電化學特性與產熱機理，采用等效電路模型將溫度場模型簡化為集總參數模型。然而，由于電池循環老化等環境因素導致的電池一致性下降，集總參數模型無法精確計算電池溫度場實際變化情況。
3、隨著紅外熱成像等技術的引入，可以更容易地在電池表面設置多個溫度測量點，從而得到更全面的電池表面溫度場信息。目前，已有基于數據驅動的電池溫度場預測方法的研究。然而，這些研究集中在將電池熱系統簡化為一維系統處理，這些模型無法直接表征鋰離子電池表面的二維空間溫度特性，致使預測效率不高。
技術實現思路
1、本專利技術提供了一種基于張量tucker分解的軟包鋰離子電池溫
2、本專利技術的目的是通過以下技術方案實現的：
3、一種基于tucker分解的軟包鋰離子電池溫度場預測方法，包括如下步驟：
4、步驟(1)在電池表面布置足夠數量的傳感器，在一段時間內，對鋰離子電池進行充放電實驗，利用傳感器采集電池表面的溫度場數據，并對獲取的溫度數據進行預處理，整理得到溫度場時空數據的張量形式；
5、步驟(2)對鋰離子電池溫度場時空數據進行初始秩為(1,1,1)的tucker分解，得到空間模態分解因子矩陣、時間模態因子矩陣和核心張量，判斷tucker分解的逆變換結果與原始數據的重構誤差是否滿足系統的精度要求；若不滿足，舍棄本次分解結果并增加張量分解的秩，重復上述tucker分解步驟，直至重構誤差滿足精度要求后，提取空間模態因子矩陣作為原始數據的空間特性矩陣，時間模態因子矩陣作為低階時間特性矩陣；
6、步驟(3)構建基于gru(gated?recurrentunit，門控循環單元)的神經網絡預測模型，所述神經網絡預測模型由循環網絡模塊與特征選擇模塊組成，其中：
7、所述循環網絡模塊包含2個gru層，在每個gru層后都銜接一個hardswish激活函數；
8、所述特征選擇模塊由線性層與激活函數構成，線性層對循環網絡模塊的輸出進行加權求和，將循環網絡模塊提取的特征轉化為最終的預測值，最后通過激活函數進一步提升模型非線性表達能力；
9、步驟(4)給定當前時刻的電流值，應用tucker分解得到的低階時間特性矩陣和構建的神經網絡預測模型，并結合外部輸入變量序列進行預測建模，預測未來時刻的低階時間特性矩陣，將其與空間特性矩陣和核心張量進行升維重構，得到未來時刻的高階溫度場預測張量。
10、相比于現有技術，本專利技術具有如下優點：
11、1、本專利技術模型建立過程分為三個階段：模型降階、預測建模和升階重構。在模型降階階段，隨著tucker分解所選秩的增加，分解因子矩陣的列數不斷增加。采用檢驗重構誤差的方式，隨著秩的增加，分解算法能夠更好地捕捉系統的空間和時間特征，從而提高神經網絡預測模型的準確性。神經網絡預測模型根據低階時間特性和外部輸入變量序列訓練。最后，通過tucker分解的逆變換對預測的低階時間特性矩陣進行重構，得到高維溫度場預測張量。
12、2、本專利技術采用基于張量tucker分解的模型簡約方法，避免了直接對高階數據進行逐個建模的復雜計算問題，同時考慮了電池表面溫度場二維時空特性，在保證模型精度的同時大幅降低了預測建模的難度。
13、3、本專利技術的方法簡單易行，特別適用于大型軟包鋰離子電池溫度場預測問題，理論分析和實驗結果都證明了本專利技術的預測建模方法是一種具有高效率的溫度場建模方法，能夠更好地適應計算資源受限系統的建模要求，應用前景廣泛。
本文檔來自技高網...【技術保護點】
1.一種基于張量Tucker分解的軟包鋰離子電池溫度場預測方法，其特征在于所述方法包括如下步驟：
2.根據權利要求1所述的基于張量Tucker分解的軟包鋰離子電池溫度場預測方法，其特征在于所述步驟(1)的具體步驟如下：
3.根據權利要求1所述的基于張量Tucker分解的軟包鋰離子電池溫度場預測方法，其特征在于所述步驟(2)的具體步驟如下：
4.根據權利要求3所述的基于張量Tucker分解的軟包鋰離子電池溫度場預測方法，其特征在于所述步驟(22)中，Z(x,y,t)的Tucker分解的表達式為：
5.根據權利要求1所述的基于張量Tucker分解的軟包鋰離子電池溫度場預測方法，其特征在于所述步驟(4)的具體步驟如下：
6.一種實現權利要求1-5任一項所述方法的基于張量Tucker分解的軟包鋰離子電池溫度場預測系統，其特征在于所述系統包括數據獲取模塊、神經網絡預測模型構建模塊、溫度場預測模塊、時空耦合模塊和電池充放電控制模塊，其中：
【技術特征摘要】
1.一種基于張量tucker分解的軟包鋰離子電池溫度場預測方法，其特征在于所述方法包括如下步驟：
2.根據權利要求1所述的基于張量tucker分解的軟包鋰離子電池溫度場預測方法，其特征在于所述步驟(1)的具體步驟如下：
3.根據權利要求1所述的基于張量tucker分解的軟包鋰離子電池溫度場預測方法，其特征在于所述步驟(2)的具體步驟如下：
4.根據權利要求3所述的基于張量tucker分解的軟包鋰離子電池溫度場預...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。