-
题名基于集成神经网络的并联电池系统支路电流估计方法
- 1
-
-
作者
裴磊
杨佳伟
王天鸶
栗欢欢
-
机构
江苏大学汽车工程研究院
江苏大学汽车与交通工程学院
-
出处
《电源技术》
北大核心
2025年第9期1873-1880,共8页
-
基金
国家自然科学基金项目(52107225)
江苏省自然科学基金项目(BK20210765)
镇江市科技计划项目(CQ202204)。
-
文摘
并联电池模块(PBM)由于成本和体积的限制,其内部无法安装独立的传感器来直接测量每个单独支路中的电流。然而,由于单体电池之间不可避免的不一致性,以及这种不一致性在温度和老化影响下的持续恶化,可能造成单个电池所承受的最大电流可能达到设计值的数倍,这对电池状态分析和安全管理构成了重大隐患。为了解决这一难题,系统地分析了支路参数对PBM整体行为的影响。在现有电压、电流和电量变化等参数的基础上,引入了“累积电压”这一全新特征。并利用这些参数,设计了一种新型的基于集成神经网络的支路电流估计方法。通过实验验证,新方法在不同电池数量和不同工况下均取得了较好的估计效果,估计误差始终控制在1%以内。
-
关键词
并联电池模块
支路电流估计
累积电压
集成神经网络
安全管理
-
Keywords
parallel battery module
branch current estimation
accumulated voltage
neural network ensemble
safety management
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
