CAT蓄电池基于增强随机森林模型的主动空冷电池热管理系统数据驱动动态控制策略
来源：
卡特蓄电池 发布时间：2026-03-31 17:09:01 点击： 次
引言
为推动可持续交通发展[1]，电动汽车(EVs)已成为减少温室燃料费排放和提高能源效率的关键解决方案[2][3]。锂离子电池(LIBs)凭借其高能量密度和长循环寿命[4][5]，成为电动汽车的主要动力来源。然而，锂离子电池的性能、安全性和寿命对温度高度敏感，因此需要集成电池热管理系统(BTMS)以将其维持在最佳工作区间[6]。
关于电池热管理系统(BTMS)的研究主要集中于两大领域：(i) 结构设计与优化 及 (ii) 控制策略开发[7]。结构优化旨在通过改进物理设计来提升热性能[8][9]，例如串联构型、U型/Z型/J型并联布局、串并联混合气流场结构以及多组合式进出口配置[10]。对于采用风扇和空调(AC)系统等组件的主动式电池热管理系统(ABTMS)，一个关键挑战随之产生[11]。这些组件会消耗电池组本身的显著能量[12]。因此，必须制定最优控制策略以动态权衡有效冷却与降低能耗之间的Trade关系。
总体而言，ABTMS控制策略已从简单逻辑发展为复杂优化框架，可分为三类：基于规则、基于优化和基于学习的策略。最初，RB控制被广泛采用。这些策略根据预设温度阈值调节冷却组件。RB控制的主要优势在于其硬件依赖性低且易于实施[13]。然而，RB策略的固定阈值在动态条件下往往难以实现最优性能，导致能耗过高或冷却不足[14]。为解决RB方法的次优性问题，研究者转向基于优化的策略，旨在寻找最高效的控制Action。其中，动态规划（DP）因其能在离线状态下确定全局最优解的能力而备受认可，为性能评估提供了关键基准。例如，Wu等人[15]开发了一种基于动态规划(DP)的策略，旨在最小化电池退化与冷却相关电力消耗的综合成本。然而，动态规划方法的主要缺陷在于其极高的计算需求，以及需要预先掌握完整未来行驶工况的先验知识，这使得该方法难以适用于实时在线应用场景。
为将优化优势引入在线控制领域，模型预测控制（MPC）已成为主导性策略。该策略通过反复求解较短时域内的滚动优化问题，克服了动态规划（DP）的局限性，使其在遵循系统约束条件的同时主动管理电池温度。然而，这带来了两大关键挑战：高昂的计算成本以及对长期车速预测不确定性的高度敏感性。针对预测不确定性问题，Ma等人[16]提出了一种基于场景的模型预测控制(SCMPC)方法，该方法通过优化针对同一路线历史行程数据生成的多个潜在速度场景的控制律。虽然这提升了鲁棒性，但显著增加了优化变量的数量。为实现在线应用的运算可行性，研究者进一步开发了近似SCMPC(ASCMPC)方案，与不确定性条件下的非确定性MPC相比，该方案可降低2.18%–2.76%的能耗。传统MPC的另一局限性在于其依赖固定超参数（如（成本函数权重、预测时域等）往往无法在电动汽车各种运行工况下保持最优。针对这一问题，Li等人[17]提出了一种新型双层架构，通过强化学习（RL）智能体在线自适应调整MPC的关键参数。这种基于学习的调参方法展现出显著性能优势：相较于固定参数的基准MPC模型，实现了电池热管理系统（BTM）能耗降低5.8%、约束违反率减少18.8%、MPC执行时间缩短59%。任何控制策略的有效性都与BTMS本身的物理设计紧密关联。Wu等人[18]系统研究了这种交互关系，发现不同BTMS配置（如纯液冷与相变材料-液冷混合系统）与不同MPC构建方式（基于平均温度与基于最高温度）存在显著适配性差异。尽管这些方法取得了进展，但它们通常依赖于简化的物理模型，在温度均匀性与能耗的实时协同优化方面仍面临挑战。此外，现有研究多集中于直流（DC）风扇控制策略。在ABTMS中，空调系统的制冷能耗可占系统总能耗的46.5%至90.2%[19]。因此，对空调系统与直流风扇的协同控制开展研究至关重要。
近年来，数据驱动方法已成为捕捉复杂热力学动态的重要替代方案。例如，Zhou等人采用机器学习（ML）技术辅助实现ABTMS的多目标设计与控制优化[20]。然而，这类方法通常伴随高昂的计算成本，且需要大量高保真数据集进行训练，这对实时协同优化构成了显著障碍。此外，通过实车或实验平台获取覆盖所有可能驾驶工况的ABTMS运行数据仍存在重大挑战，这极大限制了数据驱动型ABTMS控制策略的发展。尽管数据驱动方法潜力巨大，但数据获取仍是核心瓶颈[21]。其在ABTMS控制中的应用研究仍相对不足，主要归因于模型训练与验证所需的大规模多样化数据集存在获取难度。数据稀缺性持续阻碍着ABTMSs数据驱动方法的进一步开发与部署。
针对这些局限性，本文提出了一种增强型数据驱动的RFPC-MSM控制策略。本研究的核心贡献与创新点如下。
- (1)
该方法集成了自适应优化机制，利用MSM缩小遗传算法的搜索空间，通过更精确的决策边界实现进气速度与冷却功率的实时调节。
- (2)
多性向目标优化使控制器能够以温度均匀性作为直接优化目标进行同步协调优化，从而获得更优的热性能。
- (3)
本研究设计了一套综合评价框架，将偏移系数、平均温差与平均功耗作为关键性能指标。
