机械工程学报

作者：李毅超, 王楠, 段彬, 康永哲, 张承慧

单位：山东大学控制科学与工程学院 济南 250061

关键词：锂离子电池,核温估计,双向长短期记忆神经网络,粒子群优化算法；

基金：国家自然科学基金资助项目(U1964207，U1764258，62133007，61821004，62203265)。

在锂离子电池充放电运行过程中，其核心温度直接反应电池状态，是重要的安全性能指标。然而，电池核心温度无法直接测量，必须研发精准的核心温度估计方法。以核心温度相关性较高的可测变量(电流、电压、环境温度和表面温度)作为输入，建立锂离子电池双向长短期记忆神经网络(Bi-directional long short-term memory， Bi-LSTM)的核心温度预测模型，并引入粒子群优化(Particle swarm optimization， PSO)算法完成智能参数寻优，提高 Bi-LSTM 模型的预测精度。试验结果表明，在不同的充放电工况下，与决策树法、随机森林法等估计方法相比，本方法能够在宽环境温度下实现锂离子电池核心温度的准确预测，核心温度估计精度最高。

来源：2023年第22期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2023年第22期