| 标题 | 基于信息熵和模糊综合评判的动力电池性能评估 |
| 范文 | 刘佳庚++赵美红 摘 要：本文将围绕新能源汽车动力电池匹配和分组这一关键科学问题开展研究，建立了基于信息熵和模糊评价矩阵构建动力电池的综合性能评价模型。实验表明该方法可信度和有效性较高，对动力电池组进行状态对比和实时掌握动力电池组的运行状态具有较好的指导意义。 关键词：动力电池；信息熵；模糊评判；性能评估 中图分类号：TD712 文献标识码：A 0.引言 本文考虑到电池的综合性能评价是一个多层次多因素相互联系、相互制约的复杂系统，建立信息熵和模糊综合评判的理论模型可以对所有电池的综合能进行整体且较为全面的评价，对每个电池进行可靠的优劣排序，为电池的筛选配组提供理论依据。 1.信息熵及模糊评判介绍 香农（Shannon）于1948年提出信息熵的概念，将热力学几率扩展到系统的各个信息源信号出现的几率熵的概念最初产生于热力学，后来在信息论中用熵来表示事物出现的不确定性，假设某系统X可能出现于几种不同的状态x1，x2，…，xn，p（xi）代表状态xi（i=1，2，…，n）出现的概率，则该系统的信息熵H（X）定义为 （1） 信息熵是信息无序度的度量，信息熵越大，信息的无序度越高，其信息的贡献越小；反之信息熵越小，信息的无序度越小，信息的贡献越大。 模糊综合评价法是一种基于模糊数学的综合评价方法。具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。 2.评价模型 2.1 信息熵评价模型 对于待评价的电池，假设存在N个影响因素，有k个电池参与评价，选取电池中各影响因素的最优指标构成参考序列。 对于动力电池性能的评价，构造决策矩阵Aij=（aij）n×m，其中 2.2 模糊关联评价模型 本文根据动力电池的实际特性，选取偏小型隶属函数和偏大型隶属函数如下式所示： 因素论域U和评价论域V之间的模糊关系用评价矩阵B表示为 最后将模糊关联评价矩阵与通过信息熵得到的权重做如下式的计算各个单体电池的综合属性值zi（ω）（i∈N） 根据计算好的zi（ω）（i∈N）值对各个单体电池的性能进行排序和择优。 3.基于模糊矩阵和信息熵的动力电池综合评价 3.1 模型评价集的选取 选取充电、放电实验过程中的开路电压、容量、内阻、放电效率、终止电流、温度变化共12个指标构成评价的指标体系。对7节动力电池进行充放电实验，每节电池进行50次实验，求出各项指标参数的平均值作为样本参数值。 3.2 信息熵确定影响电池性能因素的权重 将指标值决策矩阵，利用（3）、（4）式对矩阵中的各个元素做规范化处理去掉其量纲的影响得到归一化矩阵R*并得到数据，再根据（7）式计算属性的信息熵，得到相应的E值 由此计算出各个影响因素的权重向量ω=（ω1，ω2，…，ωm）为：（0.8252、0.0835、0.6391、0.0241、0.0339、0.1829、0.3832、0.2437、0.0653、0.5821、0.2031、0.4831） 3.3 確定模糊评价矩阵 根据（9）、（10）两式对实验数据进行计算，并得到评价矩阵如下： 通过上述评价模型最后计算出了动力电池性能，可以将1#电池、3#电池、4#电池和7#电池组合在一起，这样可以提高电池组的整体性能。 结论 本文提出的基于信息熵和模糊评判矩阵的综合性能评价体系，所获得的权重和评价矩阵均来自于实验数据。避免了主观因素对评价结果造成的不确定性。实现了对大容量能量型动力电池的性能评价。 参考文献 [1]钟侃，袁瑞铭，邬小波，等.车用动力电池测试与性能评估技术分析[J].华北电力技术，2015（1）：65-70. [2]郑方丹，姜久春，孙丙香，等.基于筛选配组应用的动力电池综合性能评价方法研究[J].系统工程理论与实践，2015（2）：528-536. [3]颜湘武，郭琪，杨漾，等.动力电池组健康状态评价方法的研究[J].湖南大学学报（自然科学版），2015（2）：93-99. [4]谢英豪，余海军，欧彦楠，等.废旧动力电池回收的环境影响评价研究[J].无机盐工业，2015（4）：43-46+61. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。