基于ANFIS的动力电池充电温升预测研究.docxVIP

2014151的动力电池充电温升预测研究*基于ANFIS牛利勇，陈大分，郭宏榆，时玮(北京交通大学国家能源主动配电网技术研发中心，北京100044)［摘要］对某锂离子动力电池进行了试验研究，以分析充电倍率、初始荷电状态和环境温度对锂离子动力电池充电温升的影响，并根据获得的试验数据，建立了基于自适应神经模糊推理系统的电池充电温升预测模型。该模型以充电倍率、初始荷电状态和环境温度作为输入，以充电温升作为输出，对试验数据进行训练后，即可准确预估电池在不同充电条件下的充电温升情况。该方案无须用数学模型准确描述各影响因素与充电温升之间的复杂关系，易于实现，可移植到电池管理系统平台上，以实现充电过程中温度的有效预测和管理。关键词:锂离子电池;充电;温升;自适应神经模糊推理系统AStudyonPredictingtheTemperatureＲiseofaLithium-ionBatteryDuringChargingBasedonANFISNiuLiyong，ChenDafen，GuoHongyu＆ShiWeiNationalActiveDistributionNetworkTechnologyＲesearchCenter，BeijingJiaotongUniversity，Beijing100044［Abstract］AnExperimentalstudyisconductedonalithium-ionpowerbatterytoanalyzetheeffectsofchar-gingcurrent，initialstateofcharge(SOC)andambienttemperatureonthetemperatureriseofbattery，andbasedontheexperimentdataobtained，apredictionmodelforbatterytemperatureriseisestablishedbasedonadaptiveneuro-fuzzyinferencesystem(ANFIS)．Afterthemodelistrainedbyexperimentdatawiththechargingcurrent，in-itialSOCandambienttemperatureasinputandthetemperatureriseduringchargingasoutput，temperatureriseofbatteryindifferentchargingconditionscanbeaccuratelypredicted．Nomathmodeldescribingthecomplexrelation-shipbetweenbatterytemperatureriseandvariousinfluencingfactorsisrequiredsotheschemeiseasytoimplement，i．e．themodelcanbetransferredtobatterymanagementsystemplatformtoachieveeffectivetemperaturepredictionandmanagementduringchargingprocess．Keywords:lithium-ionbattery;charging;temperaturerise;ANFIS速充电方法等的研究［1－3］。另一方面，由于锂离子电池的使用安全性和使用寿命与温度具有极为密切的关系，进而影响到电动汽车的安全性和寿命，所以如何对动力电池组进行有效热管理，使其工作温度始终被控制在合理的范围内，是当前电池管理系统(BMS)亟待解决的问题之一。尤其是在动力电池充电过程中，如果BMS能够准确预测电池的温度变化情况，则不仅可对电池温度进行被动监测，且对实现快速充电和有效热管理也极为有利。前言锂离子电池由于工作电压高、功率密度和能量密度高等优点，目前已经成为电动汽车动力电池的首选电池类型。但受到锂离子电池技术发展水平的制约，动力电池技术依然是当前制约电动汽车发展的瓶颈，使得电动汽车与传统燃油汽车相比，在续航里程和使用便捷性等方面还存在一定差距。为解决该问题，许多学者开展了针对锂离子动力电池的快*国家自然科学基金和北京高等学校青年英才计划项目(YETP0570)资助。原稿收到日期为2013年4月12日，修改稿收到日期为2013年6月5日。汽车工程2014年(第36卷)第7期·800·国外研究人员针对锂离子电池的热变化特性和热模型开展了较多研究。文献［4］中对锂离子电池电化学-热耦合模型、电-热耦合模型和热滥用模型等多种模型进行了较为详尽的总结，这些模型主要用于小型电池的仿真，精度还有待提高，但是对改进电池