国产精品不卡在线,精品国产_亚洲人成在线高清,色亚洲一区,91激情网

全球范圍內(nèi)，生態(tài)環(huán)境和能源危機(jī)問題日漸突出，較傳統(tǒng)燃油汽車，電動汽車在節(jié)約石油資源、降低碳排放方面具有巨大優(yōu)勢，受到各國政府和汽車企業(yè)的重視。但是電動汽車在充電過程中，可能會發(fā)生自燃事故，阻礙電動汽車行業(yè)的發(fā)展。

研究發(fā)現(xiàn)，電池過溫是引起電動汽車充電自燃的重要原因。因此，構(gòu)建電動汽車充電過程的溫度預(yù)警模型，對電動汽車電池的溫度進(jìn)行實(shí)時監(jiān)測和安全預(yù)警，能夠保障充電安全，有利于電動汽車行業(yè)的可持續(xù)發(fā)展。

目前，關(guān)于電動汽車充電過程安全預(yù)警和故障診斷的研究剛剛起步，成果較少。針對這個問題，可以借鑒在其他行業(yè)應(yīng)用的如卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）、長短記憶網(wǎng)絡(luò)（Long Short Memory Networks, LSMN）和雙向長短記憶網(wǎng)絡(luò)（Bi-directional LSTM, BiLSTM）等深度學(xué)習(xí)方法進(jìn)行研究。

理論上組合模型通過將多種模型融合，利用不同模型的優(yōu)勢，對研究對象進(jìn)行預(yù)測，能夠更好地滿足預(yù)測的實(shí)際需要，且預(yù)測精度優(yōu)于單一模型。有學(xué)者組合CNN模型與LSTM模型，對短期負(fù)荷進(jìn)行預(yù)測，該模型同時具備了CNN模型與LSTM模型的優(yōu)點(diǎn)，有效降低了預(yù)測誤差；有學(xué)者選取真實(shí)的鋰離子電池數(shù)據(jù)集，組合CNN模型與BiLSTM模型，對鋰離子電池剩余壽命進(jìn)行預(yù)測，實(shí)驗(yàn)證明該模型具有比單一模型更高的預(yù)測精度。

針對電動汽車充電過程自燃的問題，青島科技大學(xué)自動化與電子工程學(xué)院、青島科技大學(xué)信息科學(xué)技術(shù)學(xué)院的研究人員高德欣、鄭曉雨、王義、楊清，在2022年第9期《電工技術(shù)學(xué)報》上撰文，提出一種基于CNN-BiLSTM模型的電動汽車充電狀態(tài)監(jiān)測與多級安全預(yù)報警方法。

圖1 電動汽車充電多級安全預(yù)報警系統(tǒng)

圖2 電動汽車充電多級安全預(yù)報警流程

研究人員指出，該方法融合CNN模型和BiLSTM模型構(gòu)建預(yù)測電動汽車充電數(shù)據(jù)的模型，克服了傳統(tǒng)LSTM模型只考慮單一歷史因素的缺點(diǎn)，提高了模型的預(yù)測精度。將該模型與CNN模型、LSTM模型、BiLSTM模型、CNN-LSTM模型進(jìn)行對比，驗(yàn)證模型性能。在此基礎(chǔ)上，他們將預(yù)測數(shù)據(jù)通過滑動窗口，消除數(shù)據(jù)傳輸過程中錯誤充電數(shù)據(jù)對殘差變化的影響，設(shè)定合理的預(yù)報警閾值，實(shí)時監(jiān)測電動汽車充電狀態(tài)。

研究人員表示，試驗(yàn)結(jié)果表明該方法可以對電動汽車充電過程進(jìn)行實(shí)時監(jiān)測，能夠及時發(fā)現(xiàn)故障并發(fā)出預(yù)報警信號，采取相應(yīng)保護(hù)措施，減小電動汽車充電過程中的燒車風(fēng)險，保障電動汽車充電安全。

本文編自2022年第9期《電工技術(shù)學(xué)報》，論文標(biāo)題為“電動汽車充電狀態(tài)監(jiān)測與多級安全預(yù)報警方法”。本課題得到了國家自然科學(xué)基金、山東省自然科學(xué)基金、山東省重點(diǎn)研發(fā)計劃（公益類）、山東省高等學(xué)?？茖W(xué)技術(shù)計劃和山東省研究生導(dǎo)師指導(dǎo)能力提升項(xiàng)目的支持。