用自组织图方法选择电动车电池堆的锂电池(英文)

被引：35

作者：

Paolo Raspa ^{[1
]}

Leonardo Frinconi ^{[1
]}

Adriano Mancini ^{[1
]}

Matteo Cavalletti ^{[1
]}

Sauro Longhi ^{[1
]}

Luca Fulimeni ^{[1
,2
]}

Paolo Bellesi ^{[1
,2
]}

Roberto Isidori ^{[2
]}

机构：

[1] DIIGA, Università Politecnica delle Marche, Via Brecce Bianche, Ancona, , 意大利

[2] FAAM Group SpA, Via Monti ZI, Monterubbiano (AP), , 意大利

来源：

汽车安全与节能学报 | 2011年 / 2卷 / 02期

关键词：

电动车; 电池选择; 聚群; 锂电池分类; 自组织图(SOM); 神经网络方法;

D O I：

暂无

中图分类号：

TM912 [蓄电池];

学科分类号：

080802 [电力系统及其自动化];

摘要：

电动车储存系统的一个挑战性问题是如何有效使用多层锂电池。由于产品的限制,在使用中会使电池不平衡,从而降低了电池堆的可用电量。为了生成均匀的电池堆,运用自组织图神经网络方法(SOM),开发了一种对于同源电池的选择与分类的方法。在FAAM的实验室中,搜集了测试过的LiFePO4电池的实验数据。选择中考虑的实验数据和辨识特征有:放电电压、开路电压、总容量,以及Randle等效电路模式得来的辨识参数。以每一组备选电池的充电状态(SOV)作为聚群判据,以便找到能给出电池均匀性最好结果的方法。模拟中考察了实验的电动车负荷剖面。结果表明:相比于随机的选择,在电池堆平衡的条件下,本文选用的所有方法都能使SOV变量大幅降低。基于容量和放电电压的方法给出了其中的最佳结果。

引用

页码：157 / 164

页数：8

共 7 条

[1]

A technique for dynamic battery model identification in automotive applications using linear parameter varying structures [J].

Hu, Y. ;

Yurkovich, S. ;

Guezennec, Y. ;

Yurkovich, B. J. .

CONTROL ENGINEERING PRACTICE, 2009, 17 (10) :1190-1201

[2]

Rapid test and non-linear model characterisation of solid-state lithium-ion batteries.[J].Suleiman Abu-Sharkh;Dennis Doerffel.Journal of Power Sources.2004, 1

[3]

New developments in self-organizing systems.[J].Masumi Ishikawa.Neural Networks.2004, 8

[4]

Introduction: new developments in self-organising maps.[J].Nigel Allinson;Hujun Yin.Neural Networks.2002, 8

[5]

Data clustering.[J].A. K. Jain;M. N. Murty;P. J. Flynn.ACM Computing Surveys (CSUR).1999, 3

[6]

The self-organizing map.[J].Teuvo Kohonen.Neurocomputing.1998, 1

[7]

Developments and applications of the self-organizing map and related algorithms.[J].Jari Kangas;Teuvo Kohonen.Mathematics and Computers in Simulation.1996, 1

← 1 →