关键词：电动汽车;动力电池;BP神经网络;产热估计;优化算法
摘 要：电池的产热情况是电池热管理的重要指标之一，准确估计电池产热功率对构建高效运行的电池热管理系统以确保电动汽车安全行驶至关重要。然而，目前大多采用基于模型的方法进行电池产热估计，但此方法存在耗费时间长和仅应用于某种特定电池状况产热估计等缺点，无法解决电动汽车电池实时产热估计的问题。对此，本文提出了一种基于人工智能算法的精准电池产热功率估计方法，即基于BP (back propagation,BP)神经网络的电动汽车动力电池产热估计模型。该模型利用贝叶斯优化算法(Bayesian optimization,BO)对BP神经网络进行超参数选取，采用Adam (adaptive momentum estimation,Adam)优化算法加快收敛速度，提高了模型的准确度和稳定性。研究对比了不同放电倍率和不同环境温度下恒流放电实验的电池产热功率，结果表明模型的估计平均误差为5.01%，最大误差仅为5.53W,R2拟合指标最高可达99.98%，证明了所提出的电池产热估计模型取得了较高的估计精度和较强的鲁棒性，为电动汽车电池实时产热估计提供了一个范式结构。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取