CN109378546B - 基于深度转移概率网络的锂电池泄漏管理方法及系统 - Google Patents

基于深度转移概率网络的锂电池泄漏管理方法及系统 Download PDF

Info

Publication number
CN109378546B
CN109378546B CN201811183755.4A CN201811183755A CN109378546B CN 109378546 B CN109378546 B CN 109378546B CN 201811183755 A CN201811183755 A CN 201811183755A CN 109378546 B CN109378546 B CN 109378546B
Authority
CN
China
Prior art keywords
lithium battery
electrochemical
thermal
transition probability
probability network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811183755.4A
Other languages
English (en)
Other versions
CN109378546A (zh
Inventor
柯瑞林
王玲
柯达远
王�锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen shangou New Material Co.,Ltd.
Original Assignee
Shenzhen Shangou New Material Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Shangou New Material Co ltd filed Critical Shenzhen Shangou New Material Co ltd
Priority to CN201811183755.4A priority Critical patent/CN109378546B/zh
Publication of CN109378546A publication Critical patent/CN109378546A/zh
Application granted granted Critical
Publication of CN109378546B publication Critical patent/CN109378546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/61—Types of temperature control
    • H01M10/613—Cooling or keeping cold
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/62—Heating or cooling; Temperature control specially adapted for specific applications
    • H01M10/625—Vehicles
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/63—Control systems
    • H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Secondary Cells (AREA)
  • Automation & Control Theory (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于深度转移概率网络的锂电池泄漏管理方法及系统，包括建立电化学‑热转移概率网络模型，根据电化学‑热转移概率网络模型，建立热泄漏转移概率网络模型，根据热泄漏转移概率网络模型输出参数，启动不同的冷却方式控制温度，以实现锂电池不同的热泄漏控制；系统包括多源传感器、泄漏管理模块及冷却装置。实施本发明：通过该电化学‑热模型先验关联知识，建立多层深度热泄漏检测转移概率网络模型，不同的转移概率网络模型，对应不同的热泄漏管理方法，通过建立不同热泄漏检测转移概率网络模型，实现了对锂电池电化学‑热‑泄漏管理的闭环控制。

Description

基于深度转移概率网络的锂电池泄漏管理方法及系统
技术领域
本发明涉及电池热管理技术领域，特别涉及一种基于深度转移概率网络的电池泄漏管理方法及系统。
背景技术
当前，制约电动汽车发展的主要因素之一是电动汽车的安全性，而锂电池的安全性又对整车的安全性具有重要的影响。锂电池除具有电压高、能量大、无记忆效应及绿色环保等优点外，在高温条件下，电池放电容量有所增加。但是一方面其电极材料发生老化的速度也随之加快，电池容量衰减加快。另一方面，当电池组中的单体电池温度差异较大时，其中的个别电池电化学性能出现衰减，进而导致电池组的总容量降低。再者，低温下内阻较高，并且随充放电次数增加和电化学性能的衰减逐渐升高，进一步增加了电池充放电过程中的产热速率，生成大量的热。
上述三种情况，不仅会损坏电池材料的活性、降低了电池的性能、缩短循环使用寿命，还可能导致锂电池化学物质泄漏。
而电动汽车的使用范围在-20℃到50℃之间，远高于锂电池的适用范围0℃到45℃，在使用过程中容易造成锂电池散热困难，引发自燃事故。在电池并联使用的情况下，温度不均匀会引起热电耦合，温度高的电池或(部位)内阻减小，分担过多电流造成SOC(StateOf Charge)不均匀，引起电池组自燃或爆炸。电池内部热量的产生与积聚必将带来电池温度的大幅増加。特别是在高温环境下，使用大倍率放电，可能加剧电池内部的化学反应，产生较大的热量。由此可见，锂电池的工作性能以及安全性能都与温度密切相关。温度较高时，锂电池副反应加快，增大了电池的衰减；温度过低时，电池功率、容量明显下降。
因此，有必要对锂电池进行热泄漏检测及管理控制，来避免上述问题。
在电池内部，电解质在电池计算域中的流动很弱，可以忽略由其带来的对流传热。同时内部材料之间的辐射传热量较小，其内部热量传递主要形式为热传导对于边界条件的确定。当电池内部由充放电过程产生的热量以热传导的形式到达外表面时，电池与外界环境发生热交换，交换的形式主要是对流传热。外部环境通常为具有一定流动性的流体，当流体经过电池表面时，流体与电池表面具有一定的温度差，此时电池与外部环境的对流传热就会发生。
电池温度和电化学反应过程之间存在着相互影响、相互制约的关系，所以针对锂电池泄漏的管理，首先需要建立完备的电化学-热-管理闭环模型。对于等效热物性参数的主要包括：等效热导率、等效密度、等效比热容等。
发明内容
针对锂电池的电化学反应及温度引起的泄漏问题，本发明提出一种基于深度转移概率网络的锂电池泄漏管理方法及系统，将锂电池内部看作为整体，采取整体的等效热物性参数进行热量传递的热泄漏模拟管理。通过电化学-热模型先验关联知识，建立多层深度热泄漏检测转移概率网络模型，不同的转移概率网络模型，对应不同的热泄漏管理方法。通过建立不同热泄漏检测转移概率网络模型，实现了对锂电池电化学-热-泄漏管理的闭环控制。
第一方面，提供了一种基于深度转移概率网络的锂电池泄漏管理方法，包括以下步骤：
建立电化学-热转移概率网络模型；
根据所述电化学-热转移概率网络模型，建立热泄漏转移概率网络模型；
根据所述热泄漏转移概率网络模型输出参数，由冷却装置启动不同的冷却方式控制温度，以实现锂电池不同的热泄漏控制。
结合第一方面，第一种情况，所述步骤建立电化学-热转移概率网络模型，包括子步骤：
根据锂电池的标称容量、标称电压、放电截止电压、充电截止电压、内阻参数，并结合其串联及并联热分布方式，建立电化学-热模型；
根据所述锂电池泄漏自学习参数，并结合电化学-热模型自学习参数及其先验知识参数，建立电化学-热转移概率网络模型。
结合第一方面的第一种情况，第二种情况，步骤：根据所述锂电池泄漏自学习参数，并结合电化学-热模型自学习参数及其先验知识参数，建立电化学- 热转移概率网络模型，包括子步骤：
获取所述电化学-热模型自学习参数及其先验知识自学习参数；
利用多源传感器检测锂电池参数；
将锂电池参数、电化学-热模型及其先验知识自学习参数作为先验知识关联并进行特征转移。
结合第一方面的第二种情况，第三种情况，所述多源传感器检测的锂电池参数包括产热量、产热性能分布及热物性参数。
结合第一方面，第四种可能的实现方式中，所述锂电池泄漏管理方法还包括步骤：
对所述热泄漏参数进行预测。
结合第一方面，第五种情况，步骤：对所述热泄漏参数进行预测，包括：
利用热泄漏检测转移概率网络模型获取热泄漏参数；
若所述热泄漏参数与所述电化学-热先验知识模型不匹配，重构所述电化学- 热先验知识模型。
第二方面，一种基于深度转移概率网络的锂电池泄漏管理系统，包括：多源传感器、泄漏管理模块及冷却装置，所述泄漏管理模块分别与所述多源传感器及冷却装置通信连接，
多源传感器，用于获取前向参数，所述前向参数包括产热量、热性能分布及热物性参数，并将所述前向参数传输到所述泄漏管理模块，
泄漏管理模块，用于建立热泄漏检测转移概率网络模型，根据该模型输出参数，发送指令到所述冷却装置，
冷却装置，用于根据所述泄漏管理模块传输过来的指令启动相应的冷却单元。
结合第二方面，第一种情况，泄漏管理模块包括微处理器，所述微处理器用于将多源传感器自学习参数、电化学-热模型自学习参数及其先验知识模型自学习参数进行融合，建立电化学-热转移概率网络模型，重构电化学-热先验知识模型。
结合第二方面，第二种情况，所述冷却装置包括风冷单元、液体冷却单元、热管冷却单元和相变材料冷却单元中的至少一种。
结合第二方面，第三种情况，所述微处理器为ARM，DSP，FPGA中的一种。
实施本发明所述的一种基于深度转移概率网络的锂电池泄漏管理方法及系统，将锂电池内部看作为整体，采取整体的等效热物性参数进行热量传递的热泄漏模拟管理。通过该电化学-热模型先验关联知识，建立多层深度热泄漏检测转移概率网络模型，不同的转移概率网络模型，对应不同的热泄漏管理方法。通过建立不同热泄漏检测转移概率网络模型，实现了对锂电池电化学-热-泄漏管理的闭环控制。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理方法的步骤流程图；
图2是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理方法中的步骤S1的子步骤流程图；
图3是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理方法中的步骤S12的子步骤流程图；
图4是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理方法的预测方法流程图；
图5是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理系统的模块组成逻辑连接示意图；
图6是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理方法闭环示意图；
图7是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理架构示意图；
附图中各数字所指代的部位名称为：100——多源传感器、200——泄漏管理模块、300——冷却装置。
具体实施方式
下面将结合发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。
在高温环境下，使用大倍率放电，可能加剧电池内部的化学反应，产生较大的热量。由此可见，锂电池的工作性能以及安全性能都与温度密切相关。温度较高时，锂电池副反应加快，增大了电池的衰减。进一步地，锂电池温度升高及电化学反应加剧，也会引起电池泄漏。
针对上述问题，提出一种基于深度转移概率网络的锂电池泄漏管理方法及系统。
一、方法实施例
本发明中的系统包括多源传感器100、泄漏管理模块200及冷却装置300，其中多源传感器100用于获取前向参数，该前向参数包括产热量、热性能分布及热物性参数，并将前向参数传输到泄漏管理模块200，泄漏管理模块200用于建立热泄漏检测转移概率网络模型，根据该模型输出参数发送指令到冷却装置 300，冷却装置300用于根据泄漏管理模块200传输过来的指令启动相应的冷却单元。其中，泄漏管理模块200包括微处理器，微处理器用于将多源传感器100 自学习参数、电化学-热模型自学习参数及其先验知识模型自学习参数进行融合，建立电化学-热转移概率网络模型，重构电化学-热先验知识模型。
将锂电池内部看作为整体，采取整体的等效热物性参数进行热量传递的热泄漏模拟管理。
参见图6，图6是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理方法闭环示意图，考虑电化学模型对热模型的影响时，当电化学反应过程发生，电池中锂离子的浓度、电极电势发生变化，使电池的热生成率发生改变。热生成率的变化与外部对流条件共同影响电池的温度。热模型对电化学反应模型的影响时，当锂离子电池的温度改变，会引起电扩散系数，电导率等物性参数的变化，进一步影响电化学反应过程的电极电势，锂离子浓度等的分布。根据热模型与电化学模型相互影响的关系，建立电化学-热模型。通过该电化学- 热模型先验关联知识，建立多层深度热泄漏检测转移概率网络模型，不同的转移概率网络模型，对应不同的热泄漏管理方法。通过建立不同热泄漏检测转移概率网络模型，实现了对锂电池电化学-热-泄漏管理的闭环控制。
一种基于深度转移概率网络的锂电池泄漏管理方法，如图1和7，图1是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理方法的步骤流程图，图7是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理架构示意图，包括以下步骤：
S1、建立电化学-热转移概率网络模型。
优选地，如图2，图2是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理方法中的步骤S1的子步骤流程图，步骤S1包括子步骤：
S11、根据锂电池的标称容量、标称电压、放电截止电压、充电截止电压、内阻参数，并结合其串联及并联热分布方式，建立电化学-热模型。
S12、根据锂电池泄漏自学习参数，并结合电化学-热模型自学习参数及其先验知识参数，建立电化学-热转移概率网络模型。
进一步地，如图3，图3是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理方法中的步骤S12的子步骤流程图，步骤S12包括子步骤：
S121、获取电化学-热模型自学习参数及其先验知识自学习参数。
S122、利用多源传感器100检测锂电池参数。
S123、将锂电池参数、电化学-热模型及其先验知识自学习参数作为先验知识关联并进行特征转移。
S2、根据电化学-热转移概率网络模型，建立热泄漏检测转移概率网络模型。
S3、根据热泄漏检测转移概率网络模型输出参数，启动不同的冷却方式控制温度，以实现锂电池不同的热泄漏控制。
优选地，多源传感器100检测的锂电池参数包括产热量、产热性能分布及热物性参数。
在有的实施方式中，锂电池泄漏管理方法还包括对热泄漏参数进行预测的步骤。
优选地，预测的子步骤，如图4，图4是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理方法的预测方法流程图，包括：
S41、利用热泄漏检测转移概率网络模型获取热泄漏参数。
S42、若热泄漏参数与电化学-热先验知识模型不匹配，重构电化学-热先验知识模型。
二、系统实施例
第二方面，如图5，图5是本发明提出的一种基于深度转移概率网络的锂电池泄漏管理系统的模块组成逻辑连接示意图，一种基于深度转移概率网络的锂电池泄漏管理系统，包括多源传感器100、泄漏管理模块200及冷却装置300。泄漏管理模块200分别与多源传感器100及冷却装置300通信连接。
多源传感器100，用于获取前向参数，前向参数包括产热量、热性能分布及热物性参数，并将前向参数传输到泄漏管理模块200。
泄漏管理模块200，用于建立热泄漏检测转移概率网络模型，根据该模型输出参数，发送指令到冷却装置300。泄漏管理模块200包括微处理器，微处理器用于将多源传感器100自学习参数、电化学-热模型自学习参数及其先验知识模型自学习参数进行融合，建立电化学-热转移概率网络模型，重构电化学-热先验知识模型。在本发明中，微处理器可以为ARM、DSP或FPGA。
建立电化学-热转移概率网络模型。
根据锂电池的标称容量、标称电压、放电截止电压、充电截止电压、内阻参数，并结合其串联及并联热分布方式，建立电化学-热模型。
根据锂电池泄漏自学习参数，并结合电化学-热模型自学习参数及其先验知识参数，建立电化学-热转移概率网络模型。获取电化学-热模型自学习参数及其先验知识自学习参数。利用多源传感器100检测锂电池参数。将锂电池参数、电化学-热模型及其先验知识自学习参数作为先验知识关联并进行特征转移。
根据电化学-热转移概率网络模型，建立热泄漏检测转移概率网络模型。
根据热泄漏检测转移概率网络模型输出参数，启动不同的冷却方式控制温度，以实现锂电池不同的热泄漏控制。
优选地，多源传感器100检测的锂电池参数包括产热量、产热性能分布及热物性参数。
对热泄漏参数进行预测。利用热泄漏检测转移概率网络模型获取热泄漏参数。若热泄漏参数与电化学-热先验知识模型不匹配，重构电化学-热先验知识模型。
冷却装置300，用于根据泄漏管理模块200传输过来的指令启动相应的冷却单元。
优选地，冷却装置300包括风冷单元、液体冷却单元、热管冷却单元和相变材料冷却单元中的至少一种。
实施本发明的一种基于深度转移概率网络的锂电池泄漏管理方法及系统，将锂电池内部看作为整体，采取整体的等效热物性参数进行热量传递的热泄漏模拟管理。通过该电化学-热模型先验关联知识，建立多层深度热泄漏检测转移概率网络模型，不同的转移概率网络模型，对应不同的热泄漏管理方法。通过建立不同热泄漏检测转移概率网络模型，实现了对锂电池电化学-热-泄漏管理的闭环控制。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于深度转移概率网络的锂电池泄漏管理方法，其特征在于，包括以下步骤：
S1建立电化学-热转移概率网络模型，包括子步骤：
S11根据锂电池的标称容量、标称电压、放电截止电压、充电截止电压、内阻参数，并结合其串联及并联热分布方式，建立电化学-热模型；
S12根据锂电池泄漏自学习参数，并结合电化学-热模型自学习参数及其先验知识自学习参数，建立电化学-热转移概率网络模型，所述电化学-热转移概率网络模型通过在微处理器中将多源传感器自学习参数、电化学-热模型自学习参数及其先验知识模型自学习参数进行融合获得，包括：
S121获取所述电化学-热模型自学习参数及其先验知识自学习参数；
S122利用多源传感器检测锂电池参数；
S123将锂电池参数、电化学-热模型及其先验知识自学习参数作为先验知识关联并进行特征转移；
S2根据所述电化学-热转移概率网络模型，建立热泄漏检测转移概率网络模型；
S3根据所述热泄漏检测转移概率网络模型输出参数，由冷却装置启动不同的冷却方式控制温度，以实现锂电池不同的热泄漏控制；通过建立不同热泄漏检测转移概率网络模型，实现了对锂电池电化学-热-泄漏管理的闭环控制。
2.根据权利要求1所述的基于深度转移概率网络的锂电池泄漏管理方法，其特征在于，所述多源传感器检测的锂电池参数包括产热量、产热性能分布及热物性参数。
3.根据权利要求1-2任一所述的基于深度转移概率网络的锂电池泄漏管理方法，其特征在于，所述锂电池泄漏管理方法还包括步骤：
对热泄漏参数进行预测。
4.根据权利要求3所述的基于深度转移概率网络的锂电池泄漏管理方法，其特征在于，步骤：对所述热泄漏参数进行预测，包括：
利用热泄漏检测转移概率网络模型获取热泄漏参数；
若所述热泄漏参数与所述电化学-热先验知识模型不匹配，重构所述电化学-热先验知识模型。
5.一种基于深度转移概率网络的锂电池泄漏管理系统，其特征在于，包括多源传感器、泄漏管理模块及冷却装置，所述泄漏管理模块分别与所述多源传感器及冷却装置通信连接，
多源传感器，用于获取前向参数，所述前向参数包括产热量、热性能分布及热物性参数，并将所述前向参数传输到所述泄漏管理模块，
泄漏管理模块，用于建立热泄漏检测转移概率网络模型，根据该模型输出参数，发送指令到所述冷却装置，
冷却装置，用于根据所述泄漏管理模块传输过来的指令启动相应的冷却单元；
所述泄漏管理模块包括微处理器，所述微处理器用于将多源传感器自学习参数、电化学-热模型自学习参数及其先验知识模型自学习参数进行融合，建立电化学-热转移概率网络模型；
所述微处理器用于将多源传感器自学习参数、电化学-热模型自学习参数及其先验知识模型自学习参数进行融合，建立电化学-热转移概率网络模型包括：
根据锂电池的标称容量、标称电压、放电截止电压、充电截止电压、内阻参数，并结合其串联及并联热分布方式，建立电化学-热模型；
获取电化学-热模型自学习参数及其先验知识自学习参数，利用多源传感器检测锂电池参数，将锂电池参数、电化学-热模型及其先验知识自学习参数作为先验知识关联并进行特征转移。
6.根据权利要求5所述的基于深度转移概率网络的锂电池泄漏管理系统，其特征在于，所述微处理器用于重构电化学-热先验知识模型；
所述微处理器用于重构电化学-热先验知识模型包括：
利用热泄漏检测转移概率网络模型获取热泄漏参数，若热泄漏参数与电化学-热先验知识模型不匹配，重构电化学-热先验知识模型。
7.根据权利要求6所述的基于深度转移概率网络的锂电池泄漏管理系统，其特征在于，所述微处理器为ARM，DSP和FPGA中的一种。
8.根据权利要求5-7任一所述的基于深度转移概率网络的锂电池泄漏管理系统，其特征在于，所述冷却装置包括风冷单元、液体冷却单元、热管冷却单元和相变材料冷却单元中的至少一种。
CN201811183755.4A 2018-10-11 2018-10-11 基于深度转移概率网络的锂电池泄漏管理方法及系统 Active CN109378546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811183755.4A CN109378546B (zh) 2018-10-11 2018-10-11 基于深度转移概率网络的锂电池泄漏管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811183755.4A CN109378546B (zh) 2018-10-11 2018-10-11 基于深度转移概率网络的锂电池泄漏管理方法及系统

Publications (2)

Publication Number Publication Date
CN109378546A CN109378546A (zh) 2019-02-22
CN109378546B true CN109378546B (zh) 2020-12-11

Family

ID=65403001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811183755.4A Active CN109378546B (zh) 2018-10-11 2018-10-11 基于深度转移概率网络的锂电池泄漏管理方法及系统

Country Status (1)

Country Link
CN (1) CN109378546B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102569938A (zh) * 2012-02-17 2012-07-11 中国检验检疫科学研究院 动力电池热管理装置
CN103503224A (zh) * 2011-04-21 2014-01-08 宝马股份公司 用以求得储能器的内部温度的方法及设备
CN104714175A (zh) * 2013-12-12 2015-06-17 北京有色金属研究总院 电池系统故障诊断方法及系统
CN105263743A (zh) * 2013-06-17 2016-01-20 宝马股份公司 用于通过空调设备优化高压蓄能器的冷却的方法和控制器
CN106021810A (zh) * 2016-06-12 2016-10-12 吉林大学 基于风冷散热方式的锂离子电池组的热模型建模方法
CN106159379A (zh) * 2016-08-31 2016-11-23 杭州捷能科技有限公司 一种动力电池系统用热管翅片的冷却装置及模式选择方法
CN106252753A (zh) * 2016-08-25 2016-12-21 简式国际汽车设计（北京）有限公司 动力电池过热保护方法、装置、系统及动力电池
CN106450388A (zh) * 2016-09-26 2017-02-22 中国计量大学 一种水冷型燃料电池温度优化与控制方法
CN106597299A (zh) * 2016-11-22 2017-04-26 南京能启能电子科技有限公司 一种锂电池热失控早期预警及自动控制方法
CN108172938A (zh) * 2017-12-25 2018-06-15 华南理工大学广州学院 一种动力电池热量管理系统
WO2018142911A1 (ja) * 2017-02-02 2018-08-09 株式会社デンソー 熱交換モジュール、および温度調整装置
CN108595840A (zh) * 2018-04-25 2018-09-28 中国科学技术大学 锂离子电池的模型建立方法、系统及极耳尺寸的优化方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103503224A (zh) * 2011-04-21 2014-01-08 宝马股份公司 用以求得储能器的内部温度的方法及设备
CN102569938A (zh) * 2012-02-17 2012-07-11 中国检验检疫科学研究院 动力电池热管理装置
CN105263743A (zh) * 2013-06-17 2016-01-20 宝马股份公司 用于通过空调设备优化高压蓄能器的冷却的方法和控制器
CN104714175A (zh) * 2013-12-12 2015-06-17 北京有色金属研究总院 电池系统故障诊断方法及系统
CN106021810A (zh) * 2016-06-12 2016-10-12 吉林大学 基于风冷散热方式的锂离子电池组的热模型建模方法
CN106252753A (zh) * 2016-08-25 2016-12-21 简式国际汽车设计（北京）有限公司 动力电池过热保护方法、装置、系统及动力电池
CN106159379A (zh) * 2016-08-31 2016-11-23 杭州捷能科技有限公司 一种动力电池系统用热管翅片的冷却装置及模式选择方法
CN106450388A (zh) * 2016-09-26 2017-02-22 中国计量大学 一种水冷型燃料电池温度优化与控制方法
CN106597299A (zh) * 2016-11-22 2017-04-26 南京能启能电子科技有限公司 一种锂电池热失控早期预警及自动控制方法
WO2018142911A1 (ja) * 2017-02-02 2018-08-09 株式会社デンソー 熱交換モジュール、および温度調整装置
CN108172938A (zh) * 2017-12-25 2018-06-15 华南理工大学广州学院 一种动力电池热量管理系统
CN108595840A (zh) * 2018-04-25 2018-09-28 中国科学技术大学 锂离子电池的模型建立方法、系统及极耳尺寸的优化方法

Also Published As

Publication number Publication date
CN109378546A (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
Farag et al. Combined electrochemical, heat generation, and thermal model for large prismatic lithium-ion batteries in real-time applications
Zhu et al. An alternating current heating method for lithium‐ion batteries from subzero temperatures
Lyu et al. Investigation on the thermal behavior of Ni-rich NMC lithium ion battery for energy storage
Xu et al. A pseudo three-dimensional electrochemical–thermal model of a prismatic LiFePO4 battery during discharge process
Liu et al. Numerical investigation of thermal behaviors in lithium-ion battery stack discharge
Lebrouhi et al. Low-cost numerical lumped modelling of lithium-ion battery pack with phase change material and liquid cooling thermal management system
Chen et al. An experimental investigation for a hybrid phase change material‐liquid cooling strategy to achieve high‐temperature uniformity of Li‐ion battery module under fast charging
Talele et al. Optimal battery preheating in critical subzero ambient condition using different preheating arrangement and advance pyro linear thermal insulation
Esmaeili et al. Developing heat source term including heat generation at rest condition for Lithium-ion battery pack by up scaling information from cell scale
Zhang et al. Internal temperature prediction model of the cylindrical lithium-ion battery under different cooling modes
Zhang et al. Numerical investigation on the thermal behavior of cylindrical lithium-ion batteries based on the electrochemical-thermal coupling model
Wu et al. Experimental study on aerogel passive thermal control method for cylindrical lithium-ion batteries at low temperature
Liu et al. Review of thermal coupled battery models and parameter identification for lithium-ion battery heat generation in EV battery thermal management system
CN110764004A (zh) 电池包热仿真的分析方法
Muñoz et al. Parameter optimization of an electrochemical and thermal model for a lithium-ion commercial battery
Celik et al. Passive thermal management of the lithium‐ion battery unit for a solar racing car
Yi et al. Digital twin-long short-term memory (LSTM) neural network based real-time temperature prediction and degradation model analysis for lithium-ion battery
Xu et al. Numerical study on thermal behavior and a liquid cooling strategy for lithium‐ion battery
Dubey et al. Geometry-influenced cooling performance of lithium-ion battery
Kwak et al. Detailed modeling investigation of thermal runaway pathways of a lithium iron phosphate battery
Xie et al. A novel electro‐thermal coupled model of lithium‐ion pouch battery covering heat generation distribution and tab thermal behaviours
Lin et al. Non-uniform thermal characteristics investigation of three-dimensional electrochemical-thermal coupled model for pouch lithium-ion battery
Moralı Computational modeling and statistical evaluation of thermal behavior of cylindrical lithium-ion battery
Saqli et al. Lithium-ion battery electro-thermal modelling and internal states co-estimation for electric vehicles
Kim et al. Cooling performance of thermal management system for lithium-ion batteries using two types of cold plate: Experiment and MATLAB/Simulink-Simscape simulation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Ke Ruilin

Inventor after: Wang Ling

Inventor after: Ke Dayuan

Inventor after: Wang Feng

Inventor before: Wang Ling

Inventor before: Ke Dayuan

Inventor before: Wang Feng

Inventor before: Ke Ruilin

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20201118

Address after: A705, Yinxing science and technology building, No. 1301, sightseeing Road, Xinlan community, Guanlan street, Longhua District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen shangou New Material Co.,Ltd.

Address before: Silver Star Science and technology building 1301 No. 518000 Guangdong province Shenzhen city Longhua District Guanlan Dabu Lane Community Tourism Road

Applicant before: SHENZHEN OUMUYANG TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant