[发明专利]一种基于压缩感知理论的电池包内部温度实时监测方法

权利要求书

1.一种基于压缩感知理论的电池包内部温度实时监测方法，其特征在于，包括：

1)针对指定型号的动力电池包设计完备的传感网络；

2)在充放电条件下采集动力电池包工作过程中的完备的温度数据；

3)选择电池包内部分测温节点作为实际应用中的实测点，建立实测点到所有温度节点映射的深度神经网络模型；

4)通过采集的数据训练得到该深度神经网络模型的合适权值参数；

5)利用与训练数据互异的实测数据测试该深度神经网络模型的正确性；

6)调用深度神经网络模型，通过感知电池包内某些特定位置温度来预测其他位置的温度状态，从而完成对电池包内部温度的实时监测。

2.如权利要求1所述的一种基于压缩感知理论的电池包内部温度实时监测方法，其特征在于，所述步骤1)具体为，选择电池包内需要进行实测的温度位置，并在这些位置安放热电偶传感，完成热电偶传感器、测温仪、负载或充电设备与PC机四者间的硬件连接与软件通讯。

3.如权利要求1所述的一种基于压缩感知理论的电池包内部温度实时监测方法，其特征在于，所述步骤3)中，采用深度学习中神经网络算法，LSTM算法，训练出适用于该电池包的模拟温度场模型，建立实测点到所有温度节点映射的深度神经网络模型。

4.如权利要求3所述的一种基于压缩感知理论的电池包内部温度实时监测方法，其特征在于，所述步骤4)中，所述合适权值参数包括有损失函数、激活函数、批次大小、正则化比例、时间步、网络层数与隐藏单元个数。

5.如权利要求1所述的一种基于压缩感知理论的电池包内部温度实时监测方法，其特征在于，所述步骤5)中，若实测温度与感知预测的温度误差始终控制在0.6℃以内，即认为该模型满足设计要求；若误差大于0.6℃但小于5℃时，则通过调整权值参数优化模型；其中，0.6℃是通过人为设定的预测精度确定的，温度场电池单体最大温度差范围为30℃，要求精度达到98％，则允许最大误差为：(1-0.98)*30＝0.6℃。

6.如权利要求5所述的一种基于压缩感知理论的电池包内部温度实时监测方法，其特征在于，所述步骤5)中，若多次优化后始终不能满足误差要求或温度误差大于5℃时，则返回步骤3)，应用新的算法训练出适用于该电池包的模拟温度场模型。