Gappy POD算法重构储能电池组核心温度及与BP神经网络预测能力对比

摘要

储能电池组中电池核心温度的实时监控对于防控电池热失控有着重要的意义.为克服工业实际中电池组内部无法布置多温度测点导致的温度数据获取不全面等问题，本文将Gappy POD重构算法引入储能电池核心温度实时监控问题中，通过监测电池组表面温度预测内部核心温度.通过搭建简化的拟储能电池实验台模拟电池温升，测试了Gappy POD算法在工况平稳变化和工况剧烈变化条件下的稳定性和对核心温度的实时重构能力；对比了Gappy POD算法的重构能力和BP神经网络（Back propagation neural network）的预测能力，并探究了Gappy POD算法和BP神经网络在不同大小的数据库训练条件下的重构预测能力.研究表明，Gappy POD重构算法具有高预测精度、稳定性强并且对数据库数据量依赖性低等优势，为算法在储能电池热管理中的实际应用提供了基础.

关键词

Gappy POD / BP神经网络 / 储能电池 / 热管理 / 核心温度预测

基金资助

2023年宁波市重点研发计划资助项目（2023Z150）