CN109755687A - 一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法 - Google Patents
一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法 Download PDFInfo
- Publication number
- CN109755687A CN109755687A CN201910039773.3A CN201910039773A CN109755687A CN 109755687 A CN109755687 A CN 109755687A CN 201910039773 A CN201910039773 A CN 201910039773A CN 109755687 A CN109755687 A CN 109755687A
- Authority
- CN
- China
- Prior art keywords
- battery
- graphene film
- temperature
- pressure
- cooling system
- 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.)
- Granted
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 129
- 229910021389 graphene Inorganic materials 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000001816 cooling Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 230000001537 neural effect Effects 0.000 claims abstract description 14
- 238000005485 electric heating Methods 0.000 claims abstract description 6
- 210000002569 neuron Anatomy 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 150000001336 alkenes Chemical class 0.000 claims description 5
- 229910002804 graphite Inorganic materials 0.000 claims description 4
- 239000010439 graphite Substances 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 230000009977 dual effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 239000004575 stone Substances 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract 1
- 238000012549 training Methods 0.000 description 14
- 238000010438 heat treatment Methods 0.000 description 9
- 238000007599 discharging Methods 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 230000005074 turgor pressure Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开一种利用石墨烯膜对电池进行精确加热和冷却系统，包括：车载电池；以及石墨烯膜，其包覆在所述车载电池外侧；检测模块，其设置在所述石墨烯膜上，用于检测石墨烯膜和车载电池的工作状态数据；控制模块，其与所述检测模块和石墨烯膜连接，用于接收所述检测模块的检测数据并控制所述石墨烯膜工作。本发明还提供一种利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，能够采集石墨烯膜和车载电池的数据，并基于RBF神经网络确定电加热膜的工作电压，对车载电池进行加热，使其在理想温度下进行充放电；利用石墨烯膜导热能力强的特点协助快速冷却电池，从而使电池的热量快速导向冷板，进而使电池的温度均匀性保持在最优状态。
Description
技术领域
本发明涉涉及电池热管理和电池安全领域，更具体的是，本发明涉及一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法。
背景技术
随着能源危机和环境污染越来越严重，电动汽车的发展越来越引起人们的重视，动力电池作为电动汽车的动力源，它的工作性能和寿命受环境的影响很大，在低温环境下，电池的内阻会变大，电池的可充放容量减少，电动汽车的续航里程会相应的减少，而且电池的充电放电效率明显降低，在低温下对电池充放电对电池的伤害特别大。另外，电池具有衰减情况，大功率充放电容易使电池温度过高乃至失控，容易使电池发生过度膨胀，从而使电池发生爆炸。
针对目前电池在低温环境下充放电困难等问题，采取的措施大多数是对电池配置额外的PTC加热器装置或者电加热膜来提升电池的温度；电池在高负荷运行时温度上升快，电池冷却效果差，使电池内部的温差满足不了运行要求，进而导致整车降功率。
然而上述处理方式可能存在如下缺陷：1.预加热或者冷却时间太长；2.不能根据电池所处不同环境来设置加热温度，将加热器温度固定在某一个值，必然会造成资源浪费，并且如果将加热器温度固定在某一个值，有可能会使电池温度过高，使电池发生过度膨胀甚至爆炸，影响电池的性能和造成安全问题。
发明内容
本发明的一个目的是设计开发了一种利用石墨烯膜对电池进行精确加热和冷却系统，能够根据石墨烯膜和车载电池的数据，对车载电池进行加热，使其在理想温度下进行充放电，提高车载电池的使用寿命和安全性能。
本发明的另一个目的是设计开发一种利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，能够采集石墨烯膜和车载电池的数据，并基于RBF神经网络确定电加热膜的工作电压，对车载电池进行加热，使其在理想温度下进行充放电；通过石墨烯的优异导热特性促进冷却过程中热量的传递，从而使电池自身温度均匀性保持在最优状态。
本发明还能在石墨烯膜在加热工作状态时，基于所述车载电池的衰减特性对石墨烯膜的工作电压进行补偿，能够对车载电池进行精确加热，使其在理想温度下进行充放电。
本发明提供的技术方案为：
一种利用石墨烯膜对电池进行精确加热和冷却系统，包括：
车载电池；以及
石墨烯膜，其包覆在所述车载电池外侧；
检测模块，其设置在所述石墨烯膜上，用于检测石墨烯膜和车载电池的数据；
控制模块，其与所述检测模块和石墨烯膜连接，用于接收所述检测模块的检测数据并控制所述石墨烯膜工作。
优选的是，所述检测模块包括：
第一温度传感器，其均匀排列在所述石墨烯膜内，用于检测石墨烯膜的温度；
第二温度传感器，其均匀排列在所述石墨烯膜外并与所述车载电池接触，用于检测车载电池的表面温度；
压力传感器，其均匀排列在所述石墨烯膜内侧并与所述车载电池接触，用于采集电池充放电过程中的膨胀压力。
优选的是，所述控制模块还包括：
报警模块，其用于接收所述第二温度传感器的检测数据，并进行预警提示；
紧急控制模块，其用于接收所述压力传感器的检测数据，并进行紧急控制操作。
一种利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，采集石墨烯膜和车载电池的数据，并基于RBF神经网络确定石墨烯膜的工作电压，具体包括如下步骤：
步骤一、按照采样周期，通过传感器测量石墨烯膜的温度，电池表面的温度和电池充放电过程中的膨胀压力；
步骤二、确定三层RBF神经网络的输入层神经元向量x＝{x1,x2,x3,x4,x5,x6,x7}；其中，x1为石墨烯膜的温度T1，x2为电池表面的温度T2，x3为电池表面的温度与电池理想温度最大值的差值变化率x4为电池表面的温度与电池理想温度最小值的差值变化率x5为石墨烯膜的温度T1与电池表面的温度T2的差值变化率x6为电池充放电过程中的膨胀压力P，x7为电池充放电过程中的膨胀压力的增长率ψ1；
步骤三、所述输入层向量映射到隐层，隐层的神经元为m个；
步骤四、得到输出层神经元向量o＝{o1,o2,o3}；其中，o1为石墨烯膜的工作电压，o2为报警模块的工作状态，o3为紧急控制模块的工作状态，所述输出层神经元值为k为输出层神经元序列号，k＝{2,3}，当ok为1时，所述报警模块或紧急控制模块处于工作状态，当ok为0时，所述报警模块或紧急控制模块处于不工作状态。
优选的是，当石墨烯膜工作时，基于所述车载电池的衰减特性对石墨烯膜的工作电压进行补偿：
其中，U(t)为石墨烯膜的工作电压补偿值，U1为RBF神经网络输出的石墨烯膜的工作电压，f(s)为车载电池的衰减比例，s为车的行驶里程，P0为电池充放电过程中的膨胀压力的安全阈值，ψ1,0为电池充放电过程中的膨胀压力的增长率的安全阈值。
优选的是，所述隐层节点个数m满足：其中n为输入层节点个数，p为输出层节点个数。
优选的是，所述隐层的激活函数为径向基函数中的高斯函数：
其中，σ＝[σ1,σ2,…,σn]为基函数的宽度，r为输入层向量与隐层中心向量之间的欧式距离。
优选的是，
当电池充放电过程中的膨胀压力P0≤P≤1.5P0时，报警模块报警；
或者当电池充放电过程中的膨胀压力的增长率ψ1,0≤ψ1≤1.2ψ1,0时，报警模块报警。
优选的是，
当电池充放电过程中的膨胀压力P＞1.5P0时，紧急控制模块切断石墨烯膜的电源；
或者当电池充放电过程中的膨胀压力的增长率ψ1＞1.2ψ1,0时，紧急控制模块切断石墨烯膜的电源。
优选的是，当电池表面的温度小于等于电池理想温度最小值时，报警模块报警。
本发明所述的有益效果：
(1)本发明提供的利用石墨烯膜对电池进行精确加热和冷却系统，能够根据石墨烯膜和车载电池的数据，对车载电池进行加热，使其在理想温度下进行充放电，这样不但可以确保车载电池在低温环境下快速加热到电池充放电所需的理想温度，使电池正常工作，也可以防止因为电池衰减或者异常充电放电，导致失控使电池发生过度膨胀的问题，从而提高电池的使用寿命和安全性能；在电池需要冷却时利用石墨烯膜优异的导热性能使电池产生的热量尽快传导到冷源处，从而使电池的温度保持在最优状态。
(2)本发明提供的利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，能够采集石墨烯膜和车载电池的数据，并基于RBF神经网络确定石墨烯膜加热时的工作电压，对车载电池进行加热，使其在理想温度下进行充放电，通过石墨烯的优异导热特性促进冷却过程中热量的传递，从而使电池自身温度均匀性保持在最优状态。本发明还能在石墨烯膜工作时，基于所述车载电池的衰减特性对石墨烯膜在加热状态时的工作电压进行补偿，能够对车载电池进行精确加热，使其在理想温度下进行充放电。
附图说明
图1为本发明所述利用石墨烯膜对电池进行精确加热和冷却系统的控制方法的流程图。
图2为本发明所述温度采集模块的示意图。
图3为本发明所述压力采集模块的示意图。
图4为本发明所述石墨烯膜包裹圆形电池示意图。
图5为本发明所述石墨烯膜包裹方形电池示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
本发明提供一种利用石墨烯膜对电池进行精确加热和冷却系统，包括：车载电池；以及石墨烯膜，其包覆在车载电池外侧，用于为车载电池加热，使其能够在理想温度下进行充放电；检测模块，其设置在石墨烯膜上，用于检测石墨烯膜和车载电池的数据；控制模块，其与检测模块和石墨烯膜连接，用于接收检测模块的检测数据并控制石墨烯膜工作。
检测模块包括：第一温度传感器，其均匀排列在石墨烯膜外侧，用于检测石墨烯膜的温度；第二温度传感器，其均匀排列在石墨烯膜内侧并与车载电池接触，用于检测车载电池的表面温度，当然，优选的是，温度传感器的布置位置由电池的特性确定；压力传感器，其均匀排列在石墨烯膜内侧并与车载电池接触，用于采集电池充放电过程中的膨胀压力。
控制模块还包括：报警模块，其用于接收所述第二温度传感器的检测数据，并进行预警提示；紧急控制模块，其用于接收所述压力传感器的检测数据，并进行紧急控制操作。
本发明提供的利用石墨烯膜对电池进行精确加热和冷却系统，能够根据石墨烯膜和车载电池的数据，对车载电池进行加热，使其在理想温度下进行充放电，这样不但可以确保车载电池在低温环境下快速加热到电池充放电所需的理想温度，使电池正常工作，也可以防止因为电池衰减或者异常充电放电，导致失控使电池发生过度膨胀的问题，从而提高电池的使用寿命和安全性能。并且石墨烯膜有加热电压低、加热速度快，电热效率高、加热面均匀、无炽热现象、可卷绕性好、质地柔软、轻薄、适形好等优点。当然了，在电池需要冷却时利用石墨烯膜优异的导热性能使电池产生的热量尽快传导到冷源处，从而使电池的温度保持在最优状态。
如图1-3所示，本发明还提供一种利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，采集石墨烯膜和车载电池的数据，并基于RBF神经网络确定石墨烯膜的工作电压，具体包括如下步骤：
步骤一、建立RBF神经网络模型。
RBF模型上各层次的神经元之间形成全互连连接，各层次内的神经元之间没有连接，输入层神经元的输出与输入相同。中间隐层和输出层的神经元的操作特性为：
其中，x表示当前的输入样本，ωij为从隐层神经元i到输出层神经元j的连接权值，cj为隐层神经元向量中心，隐层的激活函数为其中，σ＝[σ1,σ2,…,σn]为基函数的宽度，r为输入层向量与隐层中心向量之间的欧式距离。
本发明采用的RBF网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示石墨烯膜和车载电池的n个检测信号，这些信号参数由数据预处理模块给出；第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定；第三层为输出层，共p个节点，由系统实际需要输出的响应确定。
该网络的数学模型为：
输入向量：x＝(x1,x2,...,xn)T
中间层向量：y＝(y1,y2,...,ym)T
输出向量：o＝(o1,o2,...,op)T
本发明中，输入层节点数为n＝7，输出层节点数为p＝3，隐层节点数
输入层7个参数分别表示为：x1为石墨烯膜的温度T1，x2为电池表面的温度T2，x3为电池表面的温度与电池理想温度最大值的差值变化率x4为电池表面的温度与电池理想温度最小值的差值变化率x5为石墨烯膜的温度T1与电池表面的温度T2的差值变化率x6为电池充放电过程中的膨胀压力P，x7为电池充放电过程中的膨胀压力的增长率ψ1；
输出层3个参数分别表示为：o1为石墨烯膜的工作电压，o2为报警模块的工作状态，o3为紧急控制模块的工作状态，所述输出层神经元值为k为输出层神经元序列号，k＝{2,3}，当ok为1时，所述报警模块或紧急控制模块处于工作状态，当ok为0时，所述报警模块或紧急控制模块处于不工作状态。
步骤二、进行RBF神经网络的训练。
建立好RBF神经网络节点模型后，即可进行RBF神经网络的训练。根据产品的历史经验数据获取训练的样本，给定隐层到输出层的权值w，隐含层网络的中心c，基函数的宽度σ。
(1)训练方法
各子网采用单独训练的方法；训练时，首先要提供一组训练样本(即按照采样周期，采集石墨烯膜接通一定电压范围的直流电压的1-30s后，石墨烯膜的表面温度，获取这样的数据n组(n>500))，其中的每一个样本由输入样本和理想输出对组成，当网络的所有实际输出与其理想输出一致时，表明训练结束；否则，通过修正权值，使网络的理想输出与实际输出一致；各子网训练时的输出样本如表1所示。
表1网络训练用的输出样本
(2)训练算法
在训练时各周期中样本的输入顺序要重新随机排序，在RBF神经网络中需要优化求解的参数有隐含层到输出层的权值W，隐含层网络的中心c，基函数的宽度σ。
对于隐层网络的中心向量c＝[c1,c2,..,cm]和基函数的宽度σ＝[σ1,σ2,…,σm]采用K-均值聚类算法来确定，权重参数w的训练方法在本实例中采用梯度下降法。中心向量c、径向基函数的宽度σ，权重参数w均通过学习来自适应调节到最佳值，使系统误差小于等于期望误差，达到所期望的精度时完成神经网络的训练过程。
RBF算法采用梯度下降法求非线性函数极值，存在陷入局部极小以及收敛速度慢等问题。更为有效的一种算法是Levenberg-Marquardt优化算法，它使得网络学习时间更短，能有效地抑制网络陷于局部极小。其权值调整率选为
Δω＝(JTJ+μI)-1JTe
其中J为误差对权值微分的雅可比(Jacobian)矩阵，I为输入向量，e为误差向量，变量μ是一个自适应调整的标量，用来确定学习是根据牛顿法还是梯度法来完成。
在系统设计时，系统模型是一个仅经过初始化了的网络，权值需要根据在使用过程中获得的数据样本进行学习调整，为此设计了系统的自学习功能。在指定了学习样本及数量的情况下，系统可以进行自学习，以不断完善网络性能。
当石墨烯膜工作时，基于车载电池的衰减特性对石墨烯膜的工作电压进行补偿：
其中，U(t)为石墨烯膜的工作电压补偿值，U1为RBF神经网络输出的石墨烯膜的工作电压，f(s)为车载电池的衰减比例，s为车的行驶里程，P0为电池充放电过程中的膨胀压力的安全阈值，ψ1,0为电池充放电过程中的膨胀压力的增长率的安全阈值。
(1)当电池表面的温度小于等于电池理想温度最小值时，报警模块报警。
(2)当电池充放电过程中的膨胀压力P0≤P≤1.5P0时，报警模块报警；
或者当电池充放电过程中的膨胀压力的增长率ψ1,0≤ψ1≤1.2ψ1,0时，报警模块报警。
(3)当电池充放电过程中的膨胀压力P＞1.5P0时，紧急控制模块切断石墨烯膜的电源；
或者当电池充放电过程中的膨胀压力的增长率ψ1＞1.2ψ1,0时，紧急控制模块切断石墨烯膜的电源。
下面结合具体的实施例进一步的对本发明提供的利用石墨烯膜对电池进行精确加热和冷却系统的控制方法进行说明。
如图4，本实施例中，石墨烯膜包裹整个圆形电池的外表面，石墨烯膜厚度为0.08mm，且在接通较低的1-10V直流电1-30s后，石墨烯膜的表面温度为20-100℃。在包覆方形电池时，选择图5所示的包覆方法。
温度传感器为DS18B20，其布置位置由电池的特性确定。理想温度也由电池的特性决定，本实施例中，电池的最佳工作温度范围为20℃-25℃。采集到的温度信号经过A/D转化为二进制数字信号。
压力传感器每隔1ms采集电池充放电过程中的膨胀压力一次，采集到的压力信号经过A/D转化为二进制数字信号。当压力高于所设置的最大阈值时，或压力变化率(增长率)大于设置的阈值时，电压控制模块发送警报信息到BMS(电池管理系统)和整车ECU，并调节相应功率或者切断电源系统，防止电池失控使电池发生过度膨胀，从而提高电池的使用寿命和安全性能。具体的是：
(1)当电池充放电过程中的膨胀压力P0≤P≤1.5P0时，报警模块报警；
或者当电池充放电过程中的膨胀压力的增长率ψ1,0≤ψ1≤1.2ψ1,0时，报警模块报警。
(2)当电池充放电过程中的膨胀压力P＞1.5P0时，紧急控制模块切断石墨烯膜的电源；
或者当电池充放电过程中的膨胀压力的增长率ψ1＞1.2ψ1,0时，紧急控制模块切断石墨烯膜的电源。
得到石墨烯膜的工作压力后通过调节石墨烯膜的PWM(脉冲宽度调制)占空比，从而实现石墨电加热膜的精确加热。
考虑到电池的衰减特性，采用下式对石墨烯膜的工作电压进行补偿：
选取衰减程度不同的车载电池，并施加不同的外部环境，具体数据如表2所述。
表2试验数据
| 序号 | 衰减比例(％) | 车载电池的温度 |
| 1 | 5 | 16 |
| 2 | 4 | 19 |
| 3 | 2 | 18 |
| 4 | 0 | 17 |
| 5 | 8 | 18 |
| 6 | 3 | 16 |
| 7 | 6 | 15 |
| 8 | 7 | 12 |
| 9 | 9 | 13 |
| 10 | 10 | 10 |
采用上述的RBF神经网络确定石墨烯膜的工作电压，并根据电池的衰减特性(比例)，对石墨烯膜的工作电压进行补偿，实现对电池的加热，具体结果如表3所示。
表3试验结果
由实验结果可知，能够将车载电池加热到理想温度，使其能够在理想温度范围内进行充放电，说明本发明的方法是合理的。
本发明提供的利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，能够采集石墨烯膜和车载电池的数据，并基于RBF神经网络确定电加热膜的工作电压，对车载电池进行加热，使其在理想温度下进行充放电，通过石墨烯的优异导热特性促进冷却过程中热量的传递，从而使电池自身温度均匀性保持在最优状态。本发明还能在石墨烯膜工作时，基于所述车载电池的衰减特性对石墨烯膜的工作电压进行补偿，能够对车载电池进行精确加热，使其在理想温度下进行充放电。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种利用石墨烯膜对电池进行精确加热和冷却系统，其特征在于，包括：
车载电池；以及
石墨烯膜，其包覆在所述车载电池外侧；
检测模块，其设置在所述石墨烯膜上，用于检测石墨烯膜和车载电池的数据；
控制模块，其与所述检测模块和石墨烯膜连接，用于接收所述检测模块的检测数据并控制所述石墨烯膜工作。
2.如权利要求1所述的利用石墨烯膜对电池进行精确加热和冷却系统，其特征在于，所述检测模块包括：
第一温度传感器，其均匀排列在所述石墨烯膜内侧，用于检测石墨烯膜的温度；
第二温度传感器，其均匀排列在所述石墨烯膜外侧并与所述车载电池接触，用于检测车载电池的表面温度；
压力传感器，其均匀排列在所述石墨烯膜内侧并与所述车载电池接触，用于采集电池充放电过程中变形所导致的膨胀压力。
3.如权利要求2所述的利用石墨烯膜对电池进行精确加热和冷却系统，其特征在于，所述控制模块还包括：
报警模块，其用于接收所述第二温度传感器的检测数据，并进行预警提示；
紧急控制模块，其用于接收所述压力传感器的检测数据，并进行紧急控制操作。
4.一种利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，其特征在于，采集石墨烯膜和车载电池的数据，并基于RBF神经网络确定电加热时施加到石墨烯膜上的工作电压，具体包括如下步骤：
步骤一、按照采样周期，通过传感器测量石墨烯膜的温度，电池表面的温度和电池充放电过程中的膨胀压力；
步骤二、确定三层RBF神经网络的输入层神经元向量x＝{x1,x2,x3,x4,x5,x6,x7}；其中，x1为石墨烯膜的温度T1，x2为电池表面的温度T2，x3为电池表面的温度与电池理想温度最大值的差值变化率x4为电池表面的温度与电池理想温度最小值的差值变化率x5为石墨烯膜的温度T1与电池表面的温度T2的差值变化率x6为电池充放电过程中的膨胀压力P，x7为电池充放电过程中的膨胀压力的增长率ψ1；
步骤三、所述输入层向量映射到隐层，隐层的神经元为m个；
步骤四、得到输出层神经元向量o＝{o1,o2,o3}；其中，o1为石墨烯膜的工作电压，o2为报警模块的工作状态，o3为紧急控制模块的工作状态，所述输出层神经元值为k为输出层神经元序列号，k＝{2,3}，当ok为1时，所述报警模块或紧急控制模块处于工作状态，当ok为0时，所述报警模块或紧急控制模块处于不工作状态。
5.如权利要求4所述的利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，其特征在于，当石墨烯膜工作时，基于所述车载电池的衰减特性对石墨烯膜的工作电压进行补偿：
其中，U(t)为石墨烯膜的工作电压补偿值，U1为神经网络输出的石墨烯膜的工作电压，f(s)为车载电池的衰减比例，s为车的行驶里程，P0为电池充放电过程中的膨胀压力的安全阈值，ψ1,0为电池充放电过程中的膨胀压力的增长率的安全阈值。
6.如权利要求4或5所述的利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，其特征在于，所述隐层节点个数m满足：其中n为输入层节点个数，p为输出层节点个数。
7.如权利要求6所述的利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，其特征在于，所述隐层的激活函数为径向基函数中的高斯函数：
其中，σ＝[σ1,σ2,…,σn]为基函数的宽度，r为输入层向量与隐层中心向量之间的欧式距离。
8.如权利要求5所述的利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，其特征在于，
当电池充放电过程中的膨胀压力P0≤P≤1.5P0时，报警模块报警；
或者当电池充放电过程中的膨胀压力的增长率ψ1,0≤ψ1≤1.2ψ1,0时，报警模块报警。
9.如权利要求8所述的利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，其特征在于，
当电池充放电过程中的膨胀压力P＞1.5P0时，紧急控制模块切断石墨烯膜的电源；
或者当电池充放电过程中的膨胀压力的增长率ψ1＞1.2ψ1,0时，紧急控制模块切断石墨烯膜的电源。
10.如权利要求8或9所述的利用石墨烯膜对电池进行精确加热和冷却系统的控制方法，其特征在于，当电池表面的温度小于等于电池理想温度最小值时，报警模块报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910039773.3A CN109755687B (zh) | 2019-01-16 | 2019-01-16 | 一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910039773.3A CN109755687B (zh) | 2019-01-16 | 2019-01-16 | 一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109755687A true CN109755687A (zh) | 2019-05-14 |
| CN109755687B CN109755687B (zh) | 2023-10-27 |
Family
ID=66405859
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910039773.3A Active CN109755687B (zh) | 2019-01-16 | 2019-01-16 | 一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109755687B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110416644A (zh) * | 2019-08-05 | 2019-11-05 | 吉林大学 | 一种车载锂离子动力电池隐性损伤监测和热失控早期预警装置及其预警方法 |
| CN111474851A (zh) * | 2020-04-15 | 2020-07-31 | 深圳禄华科技有限公司 | 一种ptc加热智能调节控制的方法及装置 |
| CN111572407A (zh) * | 2020-04-29 | 2020-08-25 | 辽宁工业大学 | 一种混动汽车热管理系统及其控制方法 |
| CN112686512A (zh) * | 2020-12-24 | 2021-04-20 | 泰州可以信息科技有限公司 | 变化幅度承受程度识别系统及方法 |
| CN114421052A (zh) * | 2022-01-18 | 2022-04-29 | 吉林大学 | 一种带有石墨烯涂层的整体式液冷板冷却系统 |
| US11444338B1 (en) | 2021-11-30 | 2022-09-13 | Knoetik Solutions, Inc. | Smart battery system |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060059925A1 (en) * | 2004-09-22 | 2006-03-23 | Horan Christopher J | Process for refrigerant charge level detection using a neural net |
| CN102883486A (zh) * | 2012-09-28 | 2013-01-16 | 江苏物联网研究发展中心 | 一种基于石墨烯的透明电加热薄膜及其制备方法 |
| US20130108897A1 (en) * | 2011-11-02 | 2013-05-02 | GM Global Technology Operations LLC | Method For Thermal Management And Mitigation Of Thermal Propagation For Batteries Using A Graphene Coated Polymer Barrier Substrate |
| US20140077755A1 (en) * | 2012-09-20 | 2014-03-20 | Shanghai Power Station Co., Ltd. | Emergency power supply starting system for a lithium battery with automatic preheating function |
| CN205827264U (zh) * | 2016-05-31 | 2016-12-21 | 上海烯旺信息科技有限公司 | 一种石墨烯智能温控毯 |
| CN106444489A (zh) * | 2016-08-31 | 2017-02-22 | 中国人民解放军装甲兵工程学院 | 基于数字化监测重型装备发动机的监测装置及其监测方法 |
| CN107579308A (zh) * | 2017-08-31 | 2018-01-12 | 江苏大学 | 一种电动汽车电池包热管理及温度均衡控制方法 |
| CN107946683A (zh) * | 2017-12-15 | 2018-04-20 | 华南理工大学 | 一种大温差环境下动力电池热管理装置 |
| CN207854207U (zh) * | 2018-01-11 | 2018-09-11 | 安徽宇航派蒙防辐射科技股份有限公司 | 一种智能可穿戴服饰用石墨烯发热膜 |
| CN108808160A (zh) * | 2018-05-15 | 2018-11-13 | 上海汽车集团股份有限公司 | 用于冷却动力电池的高强度传热结构 |
| CN109062296A (zh) * | 2018-08-27 | 2018-12-21 | 华夏易通国际物流有限公司 | 一种基于温湿度监控的粮食仓储方法 |
-
2019
- 2019-01-16 CN CN201910039773.3A patent/CN109755687B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060059925A1 (en) * | 2004-09-22 | 2006-03-23 | Horan Christopher J | Process for refrigerant charge level detection using a neural net |
| US20130108897A1 (en) * | 2011-11-02 | 2013-05-02 | GM Global Technology Operations LLC | Method For Thermal Management And Mitigation Of Thermal Propagation For Batteries Using A Graphene Coated Polymer Barrier Substrate |
| US20140077755A1 (en) * | 2012-09-20 | 2014-03-20 | Shanghai Power Station Co., Ltd. | Emergency power supply starting system for a lithium battery with automatic preheating function |
| CN102883486A (zh) * | 2012-09-28 | 2013-01-16 | 江苏物联网研究发展中心 | 一种基于石墨烯的透明电加热薄膜及其制备方法 |
| CN205827264U (zh) * | 2016-05-31 | 2016-12-21 | 上海烯旺信息科技有限公司 | 一种石墨烯智能温控毯 |
| CN106444489A (zh) * | 2016-08-31 | 2017-02-22 | 中国人民解放军装甲兵工程学院 | 基于数字化监测重型装备发动机的监测装置及其监测方法 |
| CN107579308A (zh) * | 2017-08-31 | 2018-01-12 | 江苏大学 | 一种电动汽车电池包热管理及温度均衡控制方法 |
| CN107946683A (zh) * | 2017-12-15 | 2018-04-20 | 华南理工大学 | 一种大温差环境下动力电池热管理装置 |
| CN207854207U (zh) * | 2018-01-11 | 2018-09-11 | 安徽宇航派蒙防辐射科技股份有限公司 | 一种智能可穿戴服饰用石墨烯发热膜 |
| CN108808160A (zh) * | 2018-05-15 | 2018-11-13 | 上海汽车集团股份有限公司 | 用于冷却动力电池的高强度传热结构 |
| CN109062296A (zh) * | 2018-08-27 | 2018-12-21 | 华夏易通国际物流有限公司 | 一种基于温湿度监控的粮食仓储方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110416644A (zh) * | 2019-08-05 | 2019-11-05 | 吉林大学 | 一种车载锂离子动力电池隐性损伤监测和热失控早期预警装置及其预警方法 |
| CN110416644B (zh) * | 2019-08-05 | 2023-10-24 | 吉林大学 | 一种车载锂离子动力电池隐性损伤监测和热失控早期预警装置及其预警方法 |
| CN111474851A (zh) * | 2020-04-15 | 2020-07-31 | 深圳禄华科技有限公司 | 一种ptc加热智能调节控制的方法及装置 |
| CN111572407A (zh) * | 2020-04-29 | 2020-08-25 | 辽宁工业大学 | 一种混动汽车热管理系统及其控制方法 |
| CN111572407B (zh) * | 2020-04-29 | 2022-01-28 | 辽宁工业大学 | 一种混动汽车热管理系统及其控制方法 |
| CN112686512A (zh) * | 2020-12-24 | 2021-04-20 | 泰州可以信息科技有限公司 | 变化幅度承受程度识别系统及方法 |
| US11444338B1 (en) | 2021-11-30 | 2022-09-13 | Knoetik Solutions, Inc. | Smart battery system |
| US11616259B1 (en) | 2021-11-30 | 2023-03-28 | Knoetik Solutions, Inc. | Smart battery system |
| CN114421052A (zh) * | 2022-01-18 | 2022-04-29 | 吉林大学 | 一种带有石墨烯涂层的整体式液冷板冷却系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109755687B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109755687A (zh) | 一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法 | |
| Yan et al. | A battery management system with a Lebesgue-sampling-based extended Kalman filter | |
| Wang et al. | Underpotential lithium plating on graphite anodes caused by temperature heterogeneity | |
| Jin et al. | Parameter estimation of an electrochemistry‐based lithium‐ion battery model using a two‐step procedure and a parameter sensitivity analysis | |
| Chang | The state of charge estimating methods for battery: A review | |
| Lin et al. | Online parameterization of lumped thermal dynamics in cylindrical lithium ion batteries for core temperature estimation and health monitoring | |
| Panchal et al. | Thermal and electrical performance assessments of lithium-ion battery modules for an electric vehicle under actual drive cycles | |
| CN106817916A (zh) | 电化学能量系统的设计和操作 | |
| CN112540298B (zh) | 一种基于深度-迁移学习的锂离子电池soc估计方法 | |
| CN110324394A (zh) | 云服务器、电动汽车及其提示系统、方法 | |
| Panchal et al. | Experimental investigation and simulation of temperature distributions in a 16Ah-LiMnNiCoO 2 battery during rapid discharge rates | |
| Panchal | Experimental investigation and modeling of lithium-ion battery cells and packs for electric vehicles | |
| Lin et al. | Quadruple adaptive observer of the core temperature in cylindrical Li-ion batteries and their health monitoring | |
| CN111914503A (zh) | 一种锂离子电池功率输入电热耦合模型建立方法 | |
| Xie et al. | Quantified assessment of internal short-circuit state for 18 650 batteries using an extreme learning machine-based pseudo-distributed model | |
| US20220252671A1 (en) | Method for predicting an aging state of a battery | |
| US11936233B2 (en) | Apparatus and method for controlling charging of secondary battery pack | |
| CN112092676A (zh) | 一种利用虚拟温度传感器对电池包温度场的估算修正方法 | |
| US20220302513A1 (en) | Cloud-Device Synergy-Based Battery Management System, Vehicle, and Battery Management Method | |
| Hashemi et al. | New intelligent battery management system for drones | |
| CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
| Li et al. | STTEWS: A sequential-transformer thermal early warning system for lithium-ion battery safety | |
| Abdullaeva et al. | Optimal variable estimation of a Li-ion battery model by fractional calculus and bio-inspired algorithms | |
| Alsabari et al. | Modeling and validation of lithium-ion battery with initial state of charge estimation | |
| Fei et al. | Equalisation strategy for serially connected LiFePO4 battery cells |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |