机器学习在电池包降阶中的应用
在电动车能量管理仿真中,对电池包进行详细建模是非常有必要的。一方面是由于BMS的控制会关联到电池包内的局部信息(如最高/最低温度、电压分布等)。另一方面,详细的电池包模拟对于同时预测准电池温度和热负荷也是必要的。 然而,即使对于系统仿真工具来说,对电池包进行详细建模也会带来高昂的计算成本,这大大限制了详细电池包在电动车整车能量管理仿真中的应用。其中,电池包的电路计算(如数百个电芯)构成了主要的计算瓶颈。NARX(有外部输入的非线性自回归模型)结构简单、计算资源要求低,非常适合处理时间序列问题。本文将介绍GT-SUITE中的机器学习助手,并展示一个对电芯模型进行降阶处理的案例。 来源:艾迪捷