【Applied Energy最新原创论文】考虑电池不一致性时融合最优分割和神经网络的并联电池组功率状态预测

学术   2024-12-19 18:30   美国  

原文信息

State of power prediction joint fisher optimal segmentation and PO-BP neural network for a parallel battery pack considering cell inconsistency

原文链接:

https://www.sciencedirect.com/science/article/pii/S0306261924025145


Highlights

(1) 提出了一种基于 WCS 的电池单体定量区分策略
(2) 开发了一种利用 FOS 确定电池单体不一致程度的方法
(3) 开发了一种基于 PO-BP 神经网络的功率校正器,用于补偿 SOP 差异

(4) 将所开发的结合 FOS 和 PO-BP 的方法应用于并联电池组的 SOP 估算

Research gap

现有的多数研究缺乏精确量化电芯不一致性程度的方法,难以区分不同程度的不一致性,无法有效识别影响 SOP 预测的电芯。传统 SOP 预测方法,如模型预测法、监测法和融合法,分别存在简化结构忽视不一致性、计算存储负担大、依赖模型和 SOC 精度或受神经网络参数影响等问题。现有不一致性分类方法也无法全面精准量化电芯不一致性。因此,急需有效解决电芯不一致性以提升电池组 SOP 预测准确性的方法。

摘要

       准确的电池功率状态(SOP)对电动汽车的高效控制和稳定运行至关重要。由于电池单体的不一致性,存在不同程度的差异,特别是对于具有较大不一致性的电池单体,准确预测并联电池组的SOP面临挑战。为了解决这些问题,开发了一种结合Fisher最优分割(FOS)和鹦鹉优化器-反向传播(PO-BP)神经网络的SOP预测方法。首先,提出了一种基于加权余弦相似度(WCS)的电池单体不一致性的定量区分策略,该策略可以描述并联分支中最大电流偏差下电池相似系数的变化。其次,根据电池单体的相似系数和电流偏差,开发了一种使用FOS确定电池单体不一致性程度的方法,以识别具有较大不一致性的电池单体。最后,开发了一种基于PO-BP神经网络的功率校正器,以补偿由具有较大不一致性的电池单体引起的SOP差异,从而提高SOP预测的准确性。实验结果验证了所开发方法在各种动态条件下的有效性,对于并联电池组的SOP,平均绝对误差和均方根误差均降低了约60%。

Abstract

Accurate state of power (SOP) of battery is critical for efficient control and stable operation of electric vehicles. Due to cell inconsistency and even varying degrees of discrepancy, especially, for the cells with large inconsistencies, accurately predicting SOP for a parallel battery pack faces challenges. To resolve these problems, a SOP prediction method joint Fisher optimal segmentation (FOS) and parrot optimizer-back propagation (PO-BP) neural network is developed. First, a quantitative differentiation strategy of the cell inconsistency based on weighted cosine similarity (WCS) is presented, which can describe the variation of cell similarity coefficient with maximum current deviation in parallel branch. Secondly, according to similarity coefficient and current deviation of the cells, a determination method using FOS for the degree of cell inconsistency is developed to identify cells with large inconsistencies. Finally, a power corrector based on the PO-BP neural network is developed to compensate for the SOP differences caused by the cells with large inconsistencies, thereby improving the SOP prediction accuracy. The experimental results verify the effectiveness of the developed method under various dynamic conditions, with a decrease of approximately 60 % in both the mean absolute error and the root mean square error of the SOP for a parallel battery pack.

Keywords

State of power

Cell inconsistency

Parallel battery pack

Power corrector

Graphics

图 1. 电芯不一致程度评估示意图

图 2. 所开发的 PO - BP 神经网络示意图

图 3. 所开发的 SOP 预测方法总体框架

图 4.FUDS下不同时间尺度SOP预测结果

图 5.DST下不同时间尺度的SOP预测结果

作者简介

团队介绍:

本研究由盐城⼯学院电⽓⼯程学院彭思敏教授联合盐城技师学院环境⼯程学院、哈尔滨⼯业⼤学汽⻋⼯程学院和上海交通⼤学电⼦信息与电⽓⼯程学院的研究⼈员共同完成。


一作及通信作者简介

彭思敏,博士,IEEE 高级会员,盐城工学院先进储能技术及应用研究所创建者及所长。长期从事电池储能系统控制与管理、新能源汽车无线充电控制研究,主持国自然面上项目、国自然青年基金项目、江苏省自然科学基金项目、江苏省科技支撑项目、江苏省高校自然科学基金面上项目等;发表学术论文40余篇、入选ESI高被引论文4篇;入选江苏省高校“青蓝工程”中青年学术带头人、江苏省高校“青蓝工程”优秀青年骨干教师,盐城市有突出贡献中青年专家;担任Applied Energy,IEEE Transaction on Power Electronics等30多个SCI期刊审稿人。

关于Applied Energy

本期小编:陈媛 ;审核人:武龙星

《Applied Energy》是世界能源领域著名学术期刊,在全球出版巨头爱思唯尔 (Elsevier) 旗下,1975年创刊,影响因子10.1,CiteScore 21.2,本刊旨在为清洁能源转换技术、能源过程和系统优化、能源效率、智慧能源、环境污染物及温室气体减排、能源与其他学科交叉融合、以及能源可持续发展等领域提供交流分享和合作的平台。开源(Open Access)姊妹新刊《Advances in Applied Energy》影响因子13.0,CiteScore 23.9。全部论文可以免费下载。在《Applied Energy》的成功经验基础上,致力于发表应用能源领域顶尖科研成果,并为广大科研人员提供一个快速权威的学术交流和发表平台,欢迎关注!

公众号团队小编招募长期开放,欢迎发送自我简介(含教育背景、研究方向等内容)至wechat@applied-energy.org

AEii国际应用能源
发布应用能源领域资讯,介绍国际应用能源创新研究院工作,推广应用能源优秀项目,增进应用能源领域合作
 最新文章