基于ANN的电动汽车快速充电控制策略：结合智能电池热管理与可再生能源资源

《IEEE Transactions on Transportation Electrification》：ANN-Based Fast Charging Control Strategy for Electric Vehicles With Intelligent Battery Thermal Management Using Renewable Energy Resources

电动汽车快速充电系统结合独立直流微电网设计，提出基于深度神经网络（DNN）与模型预测控制（MPC）融合的新型控制方案，有效提升复杂环境下充电安全性与效率，并通过电池热控制技术保障极端工况下的电池性能。

　　

摘要：

随着人们对大气中污染物问题的日益关注，汽车制造商被推动生产可持续且环保的交通工具。快速充电技术（目标是最短充电时间）有望加速电池驱动汽车的普及。本研究提出了一种快速电动汽车充电系统的原型，该系统与由可持续能源供电的独立直流微电网相连。在这项研究中，通过将模型预测控制（MPC）与人工神经网络（ANN）相结合，而非仅使用MPC，建立了一种新的基于深度神经网络（DNN）的控制方法，从而在波动的环境下显著提升了电力需求控制的安全性。人工神经网络监督系统利用来自清洁能源资源和电池备用设备的电力来管理电动汽车（EV）的快速直流充电过程。为了确保电动汽车电池在极端使用条件下的安全性和效率，本文提出了一种电池热控制技术。通过模拟和实验研究，在各种运行条件下评估了所推荐的ANN-MPC方案的效果，结果表明其性能优于传统的MPC控制器。

引言

由于电动汽车（EV）能够减少碳足迹和燃料消耗，并且能够在汽车行业整合多种环保能源，它们正逐渐成为传统交通方式的主要替代品[1]。最新的电动汽车单次充电可行驶300至500公里，而早期型号通常只能行驶100公里左右。