摘要
本发明提供了一种基于嵌入式光纤传感器的动力电池高精度温度场建模方法,其通过无损方式搭建分布式光纤温度传感系统获取电池内外温度数据,并且仅利用电池电压、电流、温度等较少量的参数,建立基于GRU神经网络的电池内部温度场预测模型;在模型的训练中引入了贝叶斯优化算法进行超参数搜索,能够有效提高训练速度,基于EKF的电池SOC与SOH联合估计结果作为模型输入,使温度场建模精度也得以保证。本发明的方法可广泛适用于多种型号的商用电池,有助于及早识别如负极析锂、内短路、过充等可能导致内部异常高温的各类故障,进而能够提高电池的使用安全性,并从整体层面提升动力电池智能化管理的水平。
技术关键词
嵌入式光纤传感器
温度场建模方法
GRU神经网络
电池单体
协方差矩阵
分布式光纤温度传感系统
扩展卡尔曼滤波
分布式光纤温度传感器
超参数
环氧树脂胶
分布式光纤传感器
内阻
圆柱动力电池
电压
系统为您推荐了相关专利信息
数据同步协议
可视化平台
数字孪生系统
多能源
模型剪枝
故障概率模型
历史气象数据
风险预测模型
负荷削减模型
故障场景
多传感器融合
深度学习技术
追踪方法
状态更新
无人机集群
协方差矩阵
优化分配方法
风险
加权最小二乘
无故障