一种锂电池组温度场预测方法技术

本发明专利技术公开了一种锂电池组温度场预测方法，涉及电池技术领域，包括如下步骤：S100、数据采集及预处理；S200、数据向量交叉编码；S300、隐向量传播；S400、总误差计算；S500、温度预测神经网络训练；S600、温度场预测。本发明专利技术基于交叉注意力机制耦合算子神经网络的锂电池组温度场预测方法，引入了潜空间的时变系统迭代，减少了运算时间，降低了误差；本发明专利技术将物理信息引入了神经网络当中，将实际物理场景偏微分方程的偏差与数据的偏差共同进行参数优化，提高了神经网络的可解释性。

【技术实现步骤摘要】

本专利技术涉及电池，尤其涉及一种锂电池组温度场预测方法。

技术介绍

1、锂电池作为现代重要能源动力电源，因其具有能量密度高、循环寿命长、自放电小、维护成本低等特点，在电动汽车和储能系统中得到了广泛的应用。对于目前的锂电池技术，由于其固有的化学和热性质，研究表明其适宜的工作温度应保持在15℃至45℃之间。否则，在极端条件下可能引发容量下降、电极退化甚至潜在的安全问题。电池温度状态(stateof temperature,sot)是评估电池温度变化及其对电池性能影响的一个重要指标。随着电池使用时间的增加，电池的温度状态会发生变化，这可能会影响电池的充放电效率和寿命。因此，准确可靠地估计电池温度状态在电池管理技术中具有关键意义。

2、然而由于在电动汽车或者储能系统中锂电池通常以串联/并联方式密集连接成百上千个电池单体，电池的整体温度通常难以完全监测，在不同的工况和环境下电池的温度变化会影响温度控制的效果。因此，对锂电池组整体做出精确的温度预测是对电池温度控制的先决条件。

3、国内外诸多研究人员对锂电池的温度预测方法进行了诸多研究，例如：1本文档来自技高网...

【技术保护点】

1.一种锂电池组温度场预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的锂电池组温度场预测方法，其特征在于，所述步骤S100包括：

3.如权利要求2所述的锂电池组温度场预测方法，其特征在于，对所述锂电池组坐标参数向量d利用多层感知器进行编码，将其映射为高维查询向量Y：

4.如权利要求1所述的锂电池组温度场预测方法，其特征在于，所述预定的充放电工况为在2C充电0.5C放电。

5.如权利要求2所述的锂电池组温度场预测方法，其特征在于，所述特征提取编码器基于交叉注意力机制。

6.如权利要求5所述的锂电池组温度场预测方法，其特...

【技术特征摘要】

1.一种锂电池组温度场预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的锂电池组温度场预测方法，其特征在于，所述步骤s100包括：

3.如权利要求2所述的锂电池组温度场预测方法，其特征在于，对所述锂电池组坐标参数向量d利用多层感知器进行编码，将其映射为高维查询向量y：

4.如权利要求1所述的锂电池组温度场预测方法，其特征在于，所述预定的充放电工况为在2c充电0.5c放电。

5.如权利要求2所述的锂电池组温度场预测方法，其特征在于，所述特征提取编码器...

【专利技术属性】
技术研发人员：王心宇，琚长江，杨根科，
申请(专利权)人：上海交通大学宁波人工智能研究院，
类型：发明
国别省市：