机构名称：
¥ 1.0
摘要本文提出了一种基于遗传编程（GP）的新方法，以得出描述电池末端电压的瞬时演化的行为模型。这些模型在分析上将电池电压与其充电状态，充电/放电率和温度联系起来。与流行的基于等效电路的模型相比，主要优点之一是显着减少了生产识别模型参数所需的实验数据集的努力。GP生成了一个最佳的“候选”分析模型的家族，每个家族都与量化诸如简单性和准确性之类的性能指标的合适指标相关联。考虑到在现实的工作条件下，该方法用于描述磷酸锂（LifePO4或LFP）电池的短暂放电阶段，考虑到付费量在20％至80％之间，排放率在0.25C和1C之间，以及在5°C到35°C的范围内的温度之间的排放率在5°C到35°C的范围内可以提供不同的解决方案。选择两个模型并根据实验结果进行验证。所选模型在分析范围内保证了相对均方根误差（分别为0.31％和0.22％）的相对均方根误差（分别为0.31％和0.22％）。
基于基因编程的锂电池的行为模型
主要关键词
相关文件推荐
