電動(dòng)車(chē)熱管理系統(tǒng)預(yù)測(cè)模型研究

熱設(shè)計(jì) 2023-12-11

來(lái)源：Thermal Science and Engineering Progress

原文：https://doi.org/10.1016/j.tsep.2023.102281

01 背景介紹

到2022年底，中國(guó)新型能源汽車(chē)已達(dá)1310萬(wàn)輛，其中電動(dòng)汽車(chē)占79.78%。電動(dòng)汽車(chē)以其高效率、低噪音、環(huán)保等特點(diǎn)，為汽車(chē)工業(yè)的可持續(xù)發(fā)展開(kāi)辟了一條新的道路。同時(shí)，隨著汽車(chē)技術(shù)的不斷進(jìn)步和對(duì)電動(dòng)車(chē)需求的不斷增加，消費(fèi)者對(duì)汽車(chē)性能和舒適性的要求越來(lái)越高。其中，EVTM系統(tǒng)對(duì)車(chē)輛性能和乘客舒適性有重大影響。與傳統(tǒng)燃料車(chē)相比，由于缺乏發(fā)動(dòng)機(jī)，電動(dòng)車(chē)的EVTM系統(tǒng)不僅需要滿足汽車(chē)的熱負(fù)荷要求。還需要確保電池、電動(dòng)機(jī)和電子控制器等電子設(shè)備在正常溫度范圍內(nèi)工作。電動(dòng)車(chē)各部件的溫度變化是影響能耗的主要因素，熱管理系統(tǒng)中每個(gè)部件的溫度變化受環(huán)境溫度、車(chē)輛速度和空調(diào)壓縮機(jī)速度等因素的影響。良好的溫度預(yù)測(cè)方法是優(yōu)化能源戰(zhàn)略的前提。

02 成果掠影

近日，重慶理工大學(xué)何聯(lián)格老師團(tuán)隊(duì)提出了一種基于粒子群優(yōu)化(PSO)和反傳播神經(jīng)網(wǎng)絡(luò)(BP)的電動(dòng)汽車(chē)熱管理溫度預(yù)測(cè)方法。該團(tuán)隊(duì)采用PSO-BP方法對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值進(jìn)行了更新，利用從道路試驗(yàn)中收集的實(shí)時(shí)數(shù)據(jù)來(lái)確保影響因素的準(zhǔn)確性。仿真結(jié)果表明，與BP神經(jīng)網(wǎng)絡(luò)相比，該方法將預(yù)測(cè)誤差分別降低了66%、75%和25%。研究成果以“Research on prediction model of electric vehicle thermal management system based on particle swarm optimization- Back propagation neural network”為題發(fā)表于《Thermal Science and Engineering Progress》。

03 圖文導(dǎo)讀