【技术实现步骤摘要】
本专利技术涉及锂电池温度预测领域，尤其涉及一种基于核等距特征映射与滑动窗约简核超限学习机的储能锂电池温度建模方法。
技术介绍
1、随着新能源汽车的兴起，锂电池续航、性能、安全等问题受到了广泛的关注。电池温度是影响上述问题的关键因素，准确地预测出电池温度是实现电池热管理的必要前提。然而锂电池温度具有时空耦合特征，它不仅与时间有关，还受空间分布的影响。此外，由于边界条件的频繁变化使得电池温度同时具有时变和强非线性特性，这为准确建立温度分布模型带来了极大的困难。
2、现有的锂电池温度模型大致可分为两类：基于机理的温度预测模型以及基于数据驱动的温度预测模型。基于机理的模型是根据电池内部的电化学反应、多相流传热等机理建立温度预测模型。常用的方法包括电-热耦合模型、电化学-热力学耦合模型等。尽管基于机理的模型精度较高，能够很好地预测出电池温度在时间及空间上的变化，然而这类方法需要预先知道电池温度偏微分方程及边界条件。在实际应用当中，由于复杂的电池内部成分及外部环境，温度偏微分方程及边界条件很难准确获取。此外，机理模型一般采用具有高时间复杂度的计算流体动力学、有限差分法等数值计算方法求解偏微分方程。因此无法应用于具有实时性要求的热管理系统当中。
3、为解决这一问题，部分学者提出了基于数据驱动的温度预测模型。与机理模型相比，基于数据驱动的模型无须了解电池内部的电化学及传热机理，仅通过传感器采集系统输入及温度数据即可建立温度预测模型。传统的数据驱动方法有基于卡洛南-洛伊(kl)的时空建模方法、基于流形学习的时空建模方法，如
技术实现思路
1、本专利技术的主要目的在于提供一种基于核等距特征映射与滑动窗约简核超限学习机的储能锂电池温度建模方法，以克服上述问题。
2、为达到以上目的，本专利技术采用的技术方案为：一种基于核等距特征映射与滑动窗约简核超限学习机的储能锂电池温度建模方法，具体包括如下步骤：
3、步骤一、利用kisomap提取全局时间信息，将高维的电池温度变量t(z,t)变换为低维时间变量a(t)，z为电池的空间坐标，t为时间；
4、步骤二：利用sw-rkelm构建低阶时序模型，建立系统输入u(t)＝[e(t),i(t)]t与低微时间变量a(t)间的函数关系，并利用步骤一得到的低维时间变量a(t)对低阶时序模型中的输出权值进行求解进而得出时间变量a(t)的模型，i(t)和e(t)分别为电流和电压；
5、步骤三：利于sw-rkelm构建电池温度重构模型，并利用步骤二得到的时间变量a(t)的模型对电池温度重构模型的输出权值进行求解进而得出电池温度重构模型。
6、优选地，步骤一具体包括如下步骤：
7、步骤11、设ti时刻传感器测量的温度样本为其中nz为传感器的数量；
8、步骤12、使用欧氏距离找出样本点的k个近邻，并以此构建邻域图；若tj时刻的样本t(:,tj)属于t(:,ti)的k近邻，那么t(:,tj)与t(:,ti)在邻域图上相连，其邻域图上距离为两样本的欧氏距离；否则，若t(:,tj)不属于t(:,ti)的k近邻，则两样本不相连，距离为∞；若有nt个时刻的温度传感器数据，则重复步骤12；
9、步骤13、在构建邻域图后，计算两两样本间的最短距离da(t(:,ti),t(:,tj))；
10、步骤14、kisomap将通过定义以下优化目标来确保降维前后数据的最短距离是一致的：
11、
12、其中，a(ti)和a(tj)分别为t(:,ti)与t(:,tj)降维后的时间变量，db(a(ti),a(tj))为a(ti)和a(tj)的最短距离；
13、步骤15、定义da为高维温度样本的距离矩阵，其第i行第j列的元素为样本da(t(:,ti),t(:,tj))，同样地，定义db为降维后样本的最短距离矩阵，那么，式(1)可进一步转化为以下目标函数：
14、
15、其中，τ(da)＝-haah/2,τ(db)＝-habh/2，矩阵i为单位矩阵，e＝[1,…,1]t，矩阵aa的元素aa(i,j)＝da(t(:,ti),t(:,tj))，矩阵ab的元素ab(i,j)＝db(a(ti),a(tj))，为矩阵的l2范数；
16、步骤16、设λi为矩阵τ(da)的第i个特征值，vip为对应τ(da)的第i个特征向量的第p个元素，根据多维标度法，将低维a(ti)的第p个元素ap(ti)计算为：
17、
18、步骤17、设τ(da)的所有特征值为a(ti)的维数n可使用式(4)计算：
19、
20、η≥0.99；
21、步骤18、基于kisomap设t(:,t)和a(t)之间存在以下映射函数：
22、
23、其中，κ(.,.)为两个样本点的核函数，αi为第i个输出权值向量；
24、步骤19、设a＝[a(t1),…,a(tnt)]为t1到tnt时刻的时间变量矩阵，t＝[t(:,t1),…,t(:,tnt)]为相应的温度样本矩阵，那么，公式(5)的矩阵形式可以表示为：
25、a＝κα， (6)
26、其中，κ为核矩阵，其第i行第j列的元素为[κ]ij＝κ(t(:,ti),t(:,tj))，为输入权值矩阵；
27、步骤110、根据公式(6)中，将α使用下式求得：
28、
29、其中，为矩阵κ的伪逆；i为单位矩阵；c为需用户设置的正则化参数；
30、步骤111、通过将公式(4)得到的a(t)代入到公式7中，计算出α；
31、步骤112、将得到的α代入公式(5)中即可得到a(t)的模型。
32、优选地，步骤二具体包括如下步骤：
33、步骤21、sw-rkelm算法首先从数据集中随机选取s个样本，作为支持向量集其中ui为随机选取的样本，i＝1,…,s，u(t)＝[a(t-1),u(t-1)]及a(t)作为sw-rkelm模型的输入及输出，u(t)＝[e(t),i(t)]t，i(t)和e(t)分别为电流和电压；
34、步骤22、通过核函数κ(·,·)，sw-rkelm将模型输入u(t)及模型输出a(t)表示为：
35、
36、其中，为基于支持向量集的隐含层输出，β＝[β1,…,βs]t为输出权值；
37、步骤23、将公式(8)表示为：
38、κ0β＝a0 ， (9)
39、其中，
40、步骤24、将公式(9)中本文档来自技高网...
【技术保护点】
1.一种基于核等距特征映射与滑动窗约简核超限学习机的储能锂电池温度建模方法，具体包括如下步骤：
2.根据权利要求1所述的建模方法，其特征在于，步骤一具体包括如下步骤：
3.根据权利要求2所述的建模方法，其特征在于，步骤二具体包括如下步骤：
4.根据权利要求3所述的建模方法，其特征在于，设当前的数据集为步骤三具体包括如下步骤：
【技术特征摘要】
1.一种基于核等距特征映射与滑动窗约简核超限学习机的储能锂电池温度建模方法，具体包括如下步骤：
2.根据权利要求1所述的建模方法，其特征在于，步骤一具体包括如下步骤：
【专利技术属性】
技术研发人员：何波，宋连，吕洲，
申请(专利权)人：武汉理工大学重庆研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。