详情

原文传递新能源汽车动力电池全生命周期监测预警的研究与实现

论文题名：	新能源汽车动力电池全生命周期监测预警的研究与实现
关键词：	新能源汽车;动力电池;数据预测;微服务器;全生命周期
摘要：	随着中国对新能源汽车的重视不断提高，动力电池的安全性能直接影响着消费者对新能源汽车的接受程度。然而，动力电池在使用过程中面临高温、潮湿等多种不利因素,易发生自燃甚至爆炸等安全事故。目前，动力电池的安全管理主要通过使用传统模型预测电池后续数据和使用动力电池管理系统实时监测电池参数。然而，传统模型预测精度低、数据处理时间长且现有电池管理系统缺乏数据预测功能，这些问题不仅影响动力电池的使用安全，还会造成不良的社会影响。本文针对以上问题做的主要工作如下: 　　(1)针对传统深度学习模型在处理动力电池长时间序列数据时的预测精度低、处理时间长的问题，提出了一种引入采样策略的Transformer预测模型，使用逆Sigmoid衰减采样策略动态选择预测模型训练过程中使用的源数据，降低了原始模型在训练和推理过程中的误差。经过实验对比，引入采样策略的Transformer预测模型在动力电池各种参数数据集上获得了比传统模型更高的精确度和更低的算法复杂度，与原生Transformer模型相比，均方损失函数降低了8.15％。　　(2)针对原生Transformer模型在处理长时间序列时预测精度下降以及时间复杂度较高的问题，改进了Transformer模型框架。首先，提出了自注意力机制的优化算法，筛选出序列中影响权重最大的元素计算自注意力，保证模型预测精度的同时提高了模型的预测速度。其次，选择步长为2的最大池化层，在模型编码器模块的每一轮多头自注意力计算之后，对序列进行减半的下采样，降低了数据特征计算的时间复杂度。最后，将原有模型解码器的依次输出形式改为一次性输出多个预测值。通过与原生Transformer模型的对比实验，验证了改进框架后的Transformer预测模型不仅提高了长序列预测任务的精度，还降低了模型的计算成本。　　(3)针对新能源汽车动力电池管理系统缺乏数据预测功能的不足，设计并开发了一套具备数据预测功能的新能源汽车动力电池全生命周期监测预警微服务器。该服务器可以对动力电池数据进行实时监测，并使用结合了采样策略和改进框架的Transformer模型对数据进行预测，使用户更准确地了解电池状态和预警信息。同时对各项服务进行解耦，设计实现了微服务器的三层架构，提高了服务器的扩展性和维护性，最后将该微服务器成功接入到动力电池管理系统中，有效地弥补了现有动力电池管理系统在数据预测方面的缺陷。　　综上所述，本文设计并实现了具有预测功能的新能源汽车动力电池全生命周期监测预警微服务器，使用结合逆Sigmoid衰减采样策略和改进框架的Transformer模型分析动力电池实时监测数据并进行后续数据的预测，弥补了动力电池安全管理平台在数据预测方面的不足。该研究对于维护动力电池的安全状态、提高新能源汽车的使用安全性具有重要意义。
作者：	甘肃
专业：	信息与通信工程；通信与信息系统
导师：	张红伟
授予学位：	硕士
授予学位单位：	安徽大学
学位年度：	2023