基于均匀设计的电池组液冷结构多目标优化
为了获得动力电池组蛇形液冷结构的合理参数,提出了一种均匀设计法、BP神经网络算法以及多目标遗传算法相结合的动力电池组液冷结构优化设计方法.首先进行了单体电池温升试验,对电芯仿真计算模型进行了验证,为均匀设计试验与参数处理的数据准确性提供支持.然后以电池组温差与液冷结构压降为设计目标,以冷却液入口质量流量、冷却液入口 口径及液冷管管道宽度为设计参数,通过均匀设计试验进行CFD仿真,获取液冷结构具体参数,并通过BP神经网络算法进行训练获得设计目标与设计参数之间代理模型.最后通过NGSA-Ⅱ多目标遗传算法对该代理模型进行计算获得Pareto解集,根据工程经验选取Pareto最优解进行优化结果验证和优化前后仿真结果对比.仿真结果表明,电池组最高温度降低5.06℃,降幅为14.3%;电池组最大温差降低4.88℃,较优化前下降51.5%;液冷结构压降上升122.8%,解决了负压问题,减小了冷却液压力损耗,验证了该优化方法的有效性.
均匀设计、BP神经网络、多目标优化、电池热管理
45
TM912
山东省自然科学基金ZR2020MG017
2022-08-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
33-39