一种基于GRU的氢燃料重卡汽车工况下锂离子电池温度预测模型

作者：闫志远; 孙桓五; 刘世闯; 赵立禹

来源：中国电机工程学报, 2023, 1-12.

DOI：10.13334/j.0258-8013.pcsee.221789

• 氢燃料重卡
• 锂离子电池
• 温度预测模型
• 门控循环单元神经网络
• 深度学习

针对目前氢燃料重卡在行驶过程中，动力电池工况复杂、外表面温度变化难以预测、滞后时间长等问题，以氢燃料重卡锂离子动力电池外表面温度为研究对象，该文提出一种类交叉熵损失函数和Adaptive Moment Estimation (Adam)优化的改进型门控循环单元神经网络(gate recurrent unit，GRU)，建立锂离子动力电池表面温度预测模型。该模型利用GRU神经网络的特殊门机制和全局处理能力，得到了锂离子电池表面温度和电池充放电电流、电压、充放电时间、历史温度、当前温度以及环境温度之间的非线性关系。本文采用四个精度评价函数对预测模型进行评价：经过5种环境温度下的模拟工况实验，验证了该模型的准确性。结果表明，基于GRU的电池温度预测模型的误差相对于BP(back propagation，BP)神经网络模型和循环神经网络模型(recurrent neural network，RNN)来说较小，说明GRU的锂离子电池温度预测模型具有更高的精度。结果可为磷酸铁锂电池表面温度的精准预测提供一种新的方法。

• 单位
  太原理工大学