基于物理信息与深度神经网络的锂离子电池温度预测

作     者：陈来恩 曾小勇 曾子豪 成采辰 孙耀科 CHEN Laien;ZENG Xiaoyong;ZENG Zihao;CHENG Caichen;SUN Yaoke

作者机构：长沙理工大学电气与信息工程学院湖南长沙410114 国网湖南综合能源服务有限公司湖南长沙410000 内华达大学拉斯维加斯分校美国内华达州拉斯维加斯89154 

出 版 物：《中国电力》 (Electric Power)

年 卷 期：2024年第57卷第11期

页      面：18-25页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(柔性直流输电交流侧故障下换流器多桥臂主动应对的能量调控机理及穿越控制研究 51977014) 

主　　题：锂离子电池 温度预测 产热率 物理信息 深度神经网络 

摘      要：准确预测锂离子电池的温度是电池管理系统的关键技术。针对锂离子电池的动态以及时序依赖特性,构建了一种深度神经网络用于锂离子电池的温度预测。该模型可以提取数据的潜在高维特征并适当降维以减少模型复杂度,同时通过长短期记忆单元层捕获温度的长期依赖关系。此外,通过锂离子电池的开路电压、端电压以及电流实时计算产热率,从而为深度神经网络提供额外的物理信息输入。结果表明,该方法相比于其他方法具有更好的温度预测性能。