基于改进的PSO-ABC-BP的锂离子电池组液冷系统温度预测方法及系统技术方案

本发明专利技术涉及一种基于改进的PSO‑ABC‑BP的锂离子电池组液冷系统温度预测方法及系统，对锂离子电池组液冷系统进行集总化建模，得到锂离子电池组液冷系统模型；获取锂离子电池组液冷系统的运行数据，并进行数据预处理，构成锂离子电池组液冷系统运行数据集；根据锂离子电池组液冷系统运行数据集的电池组温度和温度影响参数，设计BP神经网络的结构；使用改进的PSO‑ABC算法，对BP神经网络的初始权值和阈值进行优化，得到PSO‑ABC‑BP锂离子电池组液冷系统温度预测模型；获取锂离子电池组液冷系统最新采集的实际运行数据，将温度影响参数输入PSO‑BP锂离子电池组液冷系统温度预测模型，得到温度预测值，将改进的PSO‑ABC算法与BP神经网络相结合，寻求更优参数组合，从而提高预测结果准确性。

【技术实现步骤摘要】

本专利技术涉及电池热管理，尤其是一种基于改进的pso-abc-bp的锂离子电池组液冷系统温度预测方法及系统。

技术介绍

1、随着科技的不断进步，电动汽车(evs)和大规模储能系统在能源领域中扮演着越来越重要的角色。它们为实现绿色能源和减少碳排放提供了切实可行的解决方案。锂离子电池，因其高能量密度、长循环寿命和相对低的自放电率，已成为这些系统中不可或缺的能量存储设备。然而，锂离子电池的性能和寿命受到操作温度的显著影响。温度过高可能导致电池性能下降，甚至引发安全问题，如热失控，而温度过低则会影响电池的充电效率和放电能力。

2、在电动汽车和储能系统中，电池组通常以较高的电流工作，这会产生大量热量。如果这些热量不能有效散发，将导致电池温度升高，影响电池的电化学性能和寿命。因此，一个高效的热管理系统对于维持电池性能和确保系统安全至关重要。尽管现有的热管理系统采用了各种冷却技术，如空气冷却、液体冷却和相变材料冷却，但它们通常依赖于经验模型或简单的温度控制策略，这些方法往往缺乏对电池内部热动态的精确预测。

3、传统的温度预测方法，如基于物理的模型本文档来自技高网...

【技术保护点】

1.一种基于改进的PSO-ABC-BP的锂离子电池组液冷系统温度预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于改进的PSO-ABC-BP的锂离子电池组液冷系统温度预测方法，其特征在于：所述的步骤1中，数据预处理的过程包括数据归一化，公式如下：

3.根据权利要求1所述的一种基于改进的PSO-ABC-BP的锂离子电池组液冷系统温度预测方法，其特征在于：所述的步骤3中，PSO-ABC算法改进的具体步骤为：

4.根据权利要求3所述的一种基于改进的PSO-ABC-BP的锂离子电池组液冷系统温度预测方法，其特征在于：所述的步骤a中自适应学习...

【技术特征摘要】

1.一种基于改进的pso-abc-bp的锂离子电池组液冷系统温度预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于改进的pso-abc-bp的锂离子电池组液冷系统温度预测方法，其特征在于：所述的步骤1中，数据预处理的过程包括数据归一化，公式如下：

3.根据权利要求1所述的一种基于改进的pso-abc-bp的锂离子电池组液冷系统温度预测方法，其特征在于：所述的步骤3中，pso-abc算法改进的具体步骤为：

4.根据权利要求3所述的一种基于改进的pso-abc-bp的锂离子电池组液冷系统温度预测方法，其特征在于：所述的步骤a中自适应学习因子的具体的步骤为：

5.根据权利要求3所述的一种基于改进的pso-abc-bp的锂离子电池组液冷系统温度预测方法，其特征在于：所述的步骤b中自适应变异策略的具体步骤为：

6.根据权利要求3所述的一种基于改进的pso-abc-bp的锂离子电池组液冷系统温度预测方法，其特征在于：所述的步骤c中使用q-learning算法动态优化p...

【专利技术属性】
技术研发人员：顾寅雯，袁国豪，吴肖龙，冯江涛，林伟勋，
申请(专利权)人：江苏精瓷智能传感技术研究院有限公司，
类型：发明
国别省市：