一种基于正交增强型局部保持投影算法的锂电池温度分布预测模型构建方法以及模型技术

本发明专利技术提供了一种基于正交增强型局部保持投影算法的锂电池温度分布预测模型构建方法，步骤S1：利用正交增强型局部保持投影算法获取温度时空变量的空间基函数φ，并得到低阶时间变量a(t)；步骤S2：基于步骤S1获取的低阶时间变量a(t)构建基于带有核流形特征的宽度学习系统低阶时序模型；步骤S3：将低阶时序模型预测得到的时间变量与空间基函数重构，得到预测的时空变量本发明专利技术能够在线预测锂电池的温度。电池的温度。电池的温度。

【技术实现步骤摘要】
一种基于正交增强型局部保持投影算法的锂电池温度分布预测模型构建方法以及模型


[0001]本专利技术涉及锂电池温度预测领域，尤其涉及一种基于正交增强型局部保持投影算法的锂电池温度分布预测模型构建方法以及模型。

技术介绍

[0002]锂离子电池由于其寿命周期长、能量密度高，是最具吸引力的储能解决方案之一，在电网存储、电动汽车、便携式电子设备等的供电系统中发挥着关键作用。温度分布是影响锂离子电池安全性、容量衰减和优化控制的关键因素之一，因此，精确地进行温度分布评估对于任何电池管理系统或热管理系统中的电池状态监测和控制都至关重要。
[0003]现有的锂电池温度分布预测模型可以分为两类：基于机理的模型和基于数据的模型。基于机理的模型通常通过整合电池电化学原理和热动力学来建立温度分布耦合模型。集总模型作为机理模型一种，由于其具有计算量小和建模时间短的特点，因此有许多成功的应用。然而，集总模型通常只能估计一个或几个有意义的局部位置的温度，它们不适合用于电动车辆中的大尺寸电池，因为大尺寸电池的温度在空间上存在显著差异。为了克服这个缺点，许多研究人员转向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于正交增强型局部保持投影算法的锂电池温度分布预测模型构建方法，其特征在于：步骤S1：利用正交增强型局部保持投影算法获取温度时空变量的空间基函数φ，并得到低阶时间变量a(t)；步骤S2：基于步骤S1获取的低阶时间变量a(t)构建基于带有核流形特征的宽度学习系统低阶时序模型；步骤S3：将低阶时序模型预测得到的时间变量与空间基函数重构，得到预测的时空变量2.根据权利要求1所述的方法，其特征在于，步骤S1中，通过求解以下公式获取空间空间基函数φ和低阶时间变量a(t)，公式如下：其中，为一组空间基函数；I是单位矩阵；tr(
·
)是矩阵的迹；S＝AA
T
，分别为简化的协方差矩阵和局部投影矩阵，是零均值化后的锂电池温度数据，表示时间t
i
的N个空间位置的温度向量，L为样本数量；是拉普拉斯矩阵，D是对角矩阵。3.根据权利要求2所述的方法，其特征在于，对角矩阵D的对角元素被定义为相似性矩阵M的列和，相似性矩阵M通过归一化的皮尔逊系数来计算，即：阵M的列和，相似性矩阵M通过归一化的皮尔逊系数来计算，即：其中，是第i个和第j个样本之间的皮尔逊系数，和分别是M的第i行和第j列的平均值，d(:,t
i
)为T(:,t
i
)。4.根据权利要求3所述的方法，其特征在于，对公式(1)进行求解，需要求解以下无约束优化问题：min tr((φ
T
Sφ)
‑1(φ
T
S
L
φ))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)；具体步骤如下：步骤S101：设公式(4)可表示为：步骤S102：求解公式(5)，设计其拉格朗日函数为：
tr(V
T
S
L
V)
‑
tr(η(V
T
SV
‑
I))
ꢀꢀꢀꢀꢀꢀꢀ
(6)，其中，η为拉格朗日系数；步骤S103：对公式(6)求导，并使求导的结果等于0，得：S
L
V＝SVη
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)；步骤S104：对公式(7)进行广义特征值分解，即可求得V；步骤S105：将获得的矩阵V进行QR分解，得：V＝QR
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)，其中，满足Q
T
Q＝I；为可逆矩阵；步骤S106：由于V与任意可逆矩阵相乘都是公式(4)的解，因此：φ＝VR
‑1＝Q
ꢀꢀꢀꢀ
(9)，公式(9)为公式(1)的解。5.根据权利要求4所述的方法，其特征在于，，设η1＜η2＜
…
＜η
N
为公式(7)的特征值，模型的阶数n可由以下准则确定：利用...

【专利技术属性】
技术研发人员：何波，韩涛，李志徳，
申请(专利权)人：广州港科大技术有限公司，
类型：发明
国别省市：