10.19799/j.cnki.2095-4239.2022.0234
一种基于少量温度传感器的超级电容模组温度监测方法
超级电容器服役性能及老化过程与温度密切相关,温度过高会引起热失控从而影响超级电容运行安全,因此监测超级电容系统中每只单体温度尤为重要,而传统的传感器监测方案存在成本高、不易安装等问题.本工作以商用超级电容模组为研究对象,提出了一种基于少量单体温度预估模组内剩余单体温度的方法,可以减少传感器的使用.通过研究不同冷却风速下、多段恒流充放电时模组内各单体的温度数据,发现单体温度间具有强相关性.建立基于BP神经网络的模组温度预估模型,通过对比不同单体组合作为输入,并分别移除电流、电压、风速等因素后的预训练效果,确定了最佳的模型架构.通过对比不同算法在同一数据集上的预测效果,选定了Levenberg-Marquardt作为模型的训练算法.模型可实现通过3只单体温度预估剩余9只单体温度,测试数据集上的总体平均绝对误差为0.06℃,最大绝对误差在0.30℃以内,满足储能系统对温度监测精度的要求.该方法所需测试条件简单,同时能够降低温度传感器购置成本,为超级电容热管理系统的温度监测提供了一种新的方法.
超级电容模组、温度预估、神经网络、温度监测
11
TM911
国家自然科学基金51777141
2022-11-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
3631-3640