典型文献
基于混合模型的锂离子电池热失控预判方法
文献摘要：
锂离子电池在储能系统中已得到普遍应用,但其会由于热失控而产生自燃、爆炸等引发安全事故,如何对储能锂离子电池热失控故障风险进行超前预测和判定是当前研究的热点问题.将电热物理模型与深度学习模型长短期记忆模型(LSTM)相结合,提出一种基于混合模型的储能锂离子电池热失控预判方法.通过收集电池运行数据,利用电池的电热耦合模型进行电池内部温度、荷电状态(SOC)的估算;同时,将电池表面温度、电池电压、电池电流等参数共同作为LSTM的输入,利用混合模型精确预测电池的表面温度和内部温度.通过阈值方法判定热失控的发生并确定诱发原因,从而实现对电池热失控的准确预测.基于公开数据集的实验结果表明,提出的混合模型进行热失控预判具有较好的精确性和快速性,在实际工程应用中有着较好的应用前景.
文献关键词：
热失控机理;混合模型;长短期记忆模型;电池电热耦合模型;热失控预判
中图分类号：
作者姓名：
王宁;杨启亮;邢建春;秦霞;贾海宁
作者机构：
陆军工程大学国防工程学院,江苏南京 210007
文献出处：
引用格式：
[1]王宁;杨启亮;邢建春;秦霞;贾海宁-.基于混合模型的锂离子电池热失控预判方法)[J].陆军工程大学学报,2022(05):45-51
A类：
热失控预判,电池电热耦合模型
B类：
混合模型,锂离子电池,电池热失控,预判方法,储能系统,已得,自燃,安全事故,故障风险,热物理模型,深度学习模型,长短期记忆模型,集电,运行数据,电池内部温度,荷电状态,SOC,表面温度,精确预测,诱发原因,准确预测,公开数据集,精确性,快速性,实际工程应用,热失控机理
AB值：
0.213188
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
