基于神经网络的空间站锂离子蓄电池电性能预测.pdf

《基于神经网络的空间站锂离子蓄电池电性能预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第２１卷第４期载人航天Ｖｏｌ．２１Ｎｏ．４２０１５年７月ＭａｎｎｅｄＳｐａｃｅｆｌｉｇｈｔＪｕｌ．２０１５基于神经网络的空间站锂离子蓄电池电性能预测张璟，杨广，谢盛，杨思远（上海空间电源研究所，上海２００２４５）摘要：空间站锂离子蓄电池的电性能需要根据任务的变化，做出一定时间的电性能预测。构建了动态神经网络模型，对锂离子蓄电池地面充放电循环数据进行了筛选分类，用于开环和闭环动态神经网络的训练校正和测试，并比较了预测值和实测值，结果显示误差值可控制在１畅４２％和３畅６１％之间，此方法可应用于空间站智能电网工程仿真预测和管理实践中

2、。关键词：神经网络；锂离子蓄电池；电性能；预测中图分类号：Ｖ２３３畅２＋２１文献标识码：Ａ文章编号：１６７４-５８２５（２０１５）０４-０３６７-０６ElectricalPerformancePredictionofSpaceStationLithium-IonBatteriesBaseonNerualNetworkＺＨＡＮＧＪｉｎｇ，ＹＡＮＧＧｕａｎｇ，ＸＩＥＳｈｅｎｇ，ＹＡＮＧＳｉｙｕａｎ（ＳｈａｎｇｈａｉＩｎｓｔｉｔｕｔｅｏｆＳｐａｃｅＰｏｗｅｒ-Ｓｏｕｒｃｅｓ，Ｓｈａｎｇｈａｉ２００２４５，Ｃｈｉｎａ）Abstract

3、：ＰｒｅｄｉｃｔｉｏｎｓｓｈｏｕｌｄｂｅｍａｄｅｆｏｒｔｈｅｅｌｅｃｔｒｉｃａｌｐｅｒｆｏｒｍａｎｃｅｏｆＬｉｔｈｉｕｍ-Ｉｏｎｂａｔｔｅｒｉｅｓｉｎｔｈｅｓｐａｃｅｓｔａｔｉｏｎａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｈａｎｇｅｓｏｆｔｈｅｔａｓｋｓ．ＡｄｙｎａｍｉｃｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｗａｓｅｓｔａｂｌｉｓｈｅｄａｎｄｔｈｅＬｉｔｈｉｕｍ-Ｉｏｎｂａｔｔｅｒｉｅｓｃｈａｒｇｅａｎｄｄｉｓｃｈａｒｇｅｃｙｃｌｅｓｄａｔａｗｅｒｅｓｅｌｅｃｔｅｄａｎｄｃａｔｅｇｏｒｉｚｅｄｆｏｒｔｈｅｔｒａｉｎｉｎｇ，ｃａｌｉｂｒａｔｉ

4、ｏｎａｎｄｔｅｓｔｏｆｔｈｅｏｐｅｎ-ｌｏｏｐａｎｄｃｌｏｓｅｄ-ｌｏｏｐｄｙｎａｍｉｃｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｐｒｅｄｉｃ-ｔｅｄａｎｄｍｅａｓｕｒｅｄｖａｌｕｅｓｗｅｒｅｃｏｍｐａｒｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｅｒｒｏｒｃｏｕｌｄｂｅｃｏｎｔｒｏｌｌｅｄｂｅ-ｔｗｅｅｎ１畅４２％ａｎｄ３畅６１％．Ｔｈｉｓｍｅｔｈｏｄｍａｙｂｅｕｓｅｄｉｎｔｈｅｓｍａｒｔｇｒｉｄｓｐａｃｅｓｔａｔｉｏｎｅｎｇｉｎｅｅｒｉｎｇｓｉｍｕｌａｔｉｏｎ，ｐｒｅｄｉｃｔｉｏｎａｎｄｍａｎａｇｅｍｅｎｔ．Keyword

5、s：ｎｅｒｕａｌｎｅｔｗｏｒｋ；Ｌｉ-ｉｏｎｂａｔｔｅｒｙ；ｅｌｅｃｔｒｉｃａｌｐｅｒｆｏｒｍａｎｃｅ；ｐｒｅｄｉｃｔｉｏｎ能预测。１引言本文从电池原理到模型构建再到数据处理等空间站用锂离子蓄电池从空间站各舱段转内方面对利用神经网络方法处理预测空间站锂离子电开始至入轨后太阳电池翼展开正常发电为止，蓄电池电性能进行阐述。提供负载所需的全部电能；另外，空间站运行期间２工作原理及电性能参数分析在阴影区所需的全部电能也由蓄电池提供。蓄电池在光照区储存电能，同时通过放电补充负载的２畅１工作原理峰值功耗。锂离子电池采用两种能够可逆地嵌入、

6、脱出空间站用锂离子蓄电池组数量多，工作模锂离子的材料作为正极和负极，并配以适当的式多，其电性能直接关系到电源系统乃至整个电解液和附件构成电池体系。以ＬｉＣｏＯ２为正极空间站的使用和管理。因此，除了对锂离子蓄材料、石墨为负极材料的锂离子电池为例，充电＋电池的电性能进行实时监视检测之外，还需要时，ＬｉＣｏＯ２中的Ｌｉ开始脱离阴极穿过隔膜向阳根据任务变化的不同，做出一定提前量的电性极方向迁移，在石墨阳极上捕获一个电子被还收稿日期：２０１４-９-１０；修回日期：２０１５-０５-１１作者简介：张璟（１９８２－），男，硕士，工程师，研究方

7、向为飞行器化学电源。Ｅ-ｍａｉｌ：ｃｎｓｈｚｊ００７＠１６３．ｃｏｍ３６８载人航天第２１卷原为Ｌｉ并存贮在层状石墨中。放电时，在阳极蓄电池电性能模型按建立方式可分为两类：＋中的Ｌｉ会失去一个电子而成为Ｌｉ，并穿过隔一类是神经网络模型，另一类是等效电路模［１］膜向阴极方向迁移并存贮在具有层状结构的型。等效电路模型基于电池工作原理用电路ＬｉＣｏＯ２中。由于在充放电时锂离子是在阴阳极网络来描述电池的工作特性，适用于多种电池。之间来回迁移，所以锂离子电池通常又被称为根据电路元件的特点，可分为线性等效电路模型摇椅电池（Ｒｏｃｋｉｎｇｃｈ

8、ａｉｒｂａｔｔｅｒｙ），相应的工作机和非线性等效电路模型。线性电路模型是利用基理见图１。本电子元器件构建的等效电路模型。非线性电路模型中的电路元件大都不是常数，而是电压、温度和荷电态（ＳＯＣ）的函数。神经网络模型具有非线性的基本特性，而蓄电池是一个典型的高度非线性的系统。神经