CN111611750A - 一种应用数字孪生技术的锂离子电池充电及热管理方法 - Google Patents

一种应用数字孪生技术的锂离子电池充电及热管理方法 Download PDF

Info

Publication number
CN111611750A
CN111611750A CN202010465807.8A CN202010465807A CN111611750A CN 111611750 A CN111611750 A CN 111611750A CN 202010465807 A CN202010465807 A CN 202010465807A CN 111611750 A CN111611750 A CN 111611750A
Authority
CN
China
Prior art keywords
battery
charging
strategy
management
digital twin
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
Application number
CN202010465807.8A
Other languages
English (en)
Other versions
CN111611750B (zh
Inventor
熊瑞
田金鹏
段砚州
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202010465807.8A priority Critical patent/CN111611750B/zh
Publication of CN111611750A publication Critical patent/CN111611750A/zh
Application granted granted Critical
Publication of CN111611750B publication Critical patent/CN111611750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提供了一种应用数字孪生技术的锂离子电池充电及热管理方法，通过建立电池的数字孪生体适应电池状态、工作环境的改变情况，并针对充电或热管理策略中参数变化的短期及长期影响进行预测。结合管理目标及限制条件，优化了充电及热管理方法，从而能够实现适用于不同电池类型、不同环境下的全寿命周期充电及热管理优化。

Description

一种应用数字孪生技术的锂离子电池充电及热管理方法
技术领域
本发明涉及电池系统领域，尤其涉及基于数字孪生技术的锂离子电池的充电及热管理方法设计。
背景技术
锂离子电池的充电及热管理策略对电池系统以及载运工具的可靠性与耐久性具有重要影响，目前的电池管理系统确定充电或热管理策略大多是针对某种类型的电池，通过进行离线实验研究的方式来实现。在面对一些电池状态、工作环境、用户需求等条件变化较大的情况时，无法进行有针对性的调整，而且不能考虑同类型不同电池之间的差异性。
数字孪生技术(Digital Twin)能够在一定程度上有效地克服传统电池管理策略的缺陷，其通过上传动力电池历史数据至云端大数据平台，基于平台的强大算力和存储空间构建电池孪生模型，实现车云协同的动力电池全周期精细化、智能化、网联化管理。然而，现有的采用数字孪生技术的电池管理策略研究还不够深入，尚停留在较为初级的阶段，对于充电、热管理等重要环节如何实现最优策略仍缺乏相应的理论。因此，如何在电池管理策略的关键环节进行必要的改进优化，并与数字孪生技术结合发挥更好的效果，是本领域中亟待解决的技术问题。
发明内容
有鉴于此，本发明提供了一种锂离子电池充电及热管理方法，基于数字孪生技术实现，其具体包括以下步骤：
I.构建电池数字孪生体：
步骤一、针对特定实体电池i，进行信号采集，获取用于表征其运行状态的数据，并存储于电池数据存储平台；
步骤二、针对该电池i建立用于描述其内部反应、生热、散热、应力变化、容量衰退、内阻增长变化等过程的通用仿真模型；
步骤三、基于修正算法并利用由所述电池数据存储平台存储的历史运行状态数据，对通用仿真模型进行修正，建立与所述通用仿真模型对应的数字孪生体；
步骤四、通过实时获取的表征电池i运行状态的数据，对数字孪生体进行实时状态更新；
II.充电及热管理策略优化：
步骤五、选取适合的充电或者热管理策略，确定策略中的待优化参数，基于所述待优化参数的可行范围，生成待优化参数的参数空间；
步骤六、设定充电或热管理的目标以及限制条件；
步骤七、基于所选取的充电或者热管理策略及所述参数空间，利用由步骤三建立的数字孪生体对所述管理策略进行仿真，确定所述管理策略的短期及长期管理效果。
步骤八、基于管理效果的仿真结果，针对管理策略选取适合的优化算法，结合由步骤六中确定的目标及限制条件，在所述参数空间中选取得到最佳的参数；
步骤九、根据所选取的最佳的参数，生成充电电流执行充电、或执行相应热管理动作；
步骤十、实时更新用于表征电池i运行状态的数据，并重复执行前述步骤。
进一步地，所述步骤一中用于表征电池i运行状态的数据具体包括：电流、电压、表面及内部温度、应力等。
进一步地，所述步骤二中的通用仿真模型基于电化学、热力学、力学等角度的考虑来建立，并针对电池i的具体型号以及应用场景，确定其内部材料特性、机械结构以及工作环境。
进一步地，所述步骤三中对通用仿真模型进行修正，具体通过机器学习、深度学习、偏差补偿等的算法实现。
进一步地，所述步骤四对数字孪生体进行实时状态更新，具体通过递推参数辨识，状态估计器等方式实现。
进一步地，所述步骤五中的充电策略选择多阶恒流充电、恒流恒压充电、交流充电、脉冲充电等方式；热管理策略选择交流加热、短路加热、液体换热、空气换热等方式。
进一步地，所述步骤六所述的目标根据用户的预期的电池使用时间、电池寿命及安全性考虑，选取充入电量、充电速度、预期电池温度、预期电池加热或冷却速度等；所述的限制条件根据电池当前健康状态、环境温度的考虑，选取最大电流倍率、最大电压、最高或最低温度、最大温升或散热速度等。
进一步地，所述步骤七中通过仿真确定的管理效果，包括基于预期电池寿命、能量效率、电池温度分布，电池安全性等。
进一步地，所述步骤八中的优化算法，采用遗传算法、粒子群优化、最小二乘等算法。
上述本发明所提供的方法，通过建立电池的数字孪生体适应电池状态、工作环境的改变情况，并针对充电或热管理策略中参数变化的短期及长期影响进行预测。结合管理目标及限制条件，优化了充电及热管理方法，从而能够实现适用于不同电池类型、不同环境下的的全寿命周期充电及热管理优化。
附图说明
图1是本发明所提供方法的示意图；
图2是基于本发明的方法并采用多阶恒流充电及交流加热策略的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的一种锂离子电池充电及热管理方法，基于数字孪生技术实现，如图1所示，其具体包括以下步骤：
I.构建电池数字孪生体：
步骤一、针对特定实体电池i，进行信号采集，获取用于表征其运行状态的数据，并存储于电池数据存储平台；用于表征电池i运行状态的数据具体包括：电流、电压、表面及内部温度、应力等。
步骤二、针对该电池i建立用于描述其内部反应、生热、散热、应力变化、容量衰退、内阻增长变化等过程的通用仿真模型；通用仿真模型基于电化学、热力学、力学等角度的考虑来建立，并针对电池i的具体型号以及应用场景，确定其内部材料特性、机械结构以及工作环境。
步骤三、基于修正算法并利用由所述电池数据存储平台存储的历史运行状态数据，对通用仿真模型进行修正，建立与所述通用仿真模型对应的数字孪生体；修正过程可通过机器学习、深度学习、偏差补偿等的算法实现。
步骤四、通过实时获取的表征电池i运行状态的数据，对数字孪生体进行实时状态更新，比如通过递推参数辨识，状态估计器等方式实现；
II.充电及热管理策略优化：
步骤五、选取适合的充电或者热管理策略，确定策略中的待优化参数，基于所述待优化参数的可行范围，生成待优化参数的参数空间。如图2所示，充电策略选择多阶恒流充电方式，则可其充电方法参数可包括恒流阶数、每阶的充电电流值、每阶的时长等。选择交流加热策略，则可选择的加热方法可包括交流电周期、频率等。
步骤六、设定充电或热管理的目标以及限制条件充电及热管理的目标及限制条件由用户设定，考虑预计使用时间、充电或调温速度等。并考虑电池系统安全性要求，得到最终目标及限制条件。
步骤七、基于所选取的充电或者热管理策略及所述参数空间，利用由步骤三建立的数字孪生体对所述管理策略进行仿真，确定所述管理策略的短期及长期管理效果，如预期电池寿命、能量效率、电池温度分布，电池安全性等。
步骤八、基于管理效果的仿真结果，针对管理策略选取适合的优化算法，如遗传算法、粒子群优化、最小二乘等，结合由步骤六中确定的目标及限制条件，在所述参数空间中选取得到最佳的参数；
步骤九、根据所选取的最佳的参数，生成充电电流执行充电、或执行相应热管理动作。根据步骤八中的优化结果，得到最佳充电电流或者生热、散热策略，对电池进行充电或热管理操作。
步骤十、实时更新用于表征电池i运行状态的数据，并重复执行前述步骤。所考虑的电池工作环境如温度、湿度等随季节、地域因素发生变化的因素，所考虑的状态如电池在应用过程中逐步发生变化的健康状态，功率状态以及荷电状态等。
应理解，本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种应用数字孪生技术的锂离子电池充电及热管理方法，其特征在于：具体包括以下步骤：
I.构建电池充电过程数字孪生体：
步骤一、针对特定实体电池i，进行信号采集，获取用于表征其运行状态的数据，并存储于电池数据存储平台；
步骤二、针对该电池i建立用于描述其内部反应、生热、散热、应力变化、容量衰退、内阻增长变化过程的通用仿真模型；
步骤三、基于修正算法并利用由所述电池数据存储平台存储的历史运行状态数据，对通用仿真模型进行修正，建立与所述通用仿真模型对应的数字孪生体；
步骤四、通过实时获取的表征电池i运行状态的数据，对数字孪生体进行实时状态更新；
II.充电策略优化：
步骤五、选取适合的充电或者热管理策略，确定策略中的待优化参数，基于所述待优化参数的可行范围，生成待优化参数的参数空间；
步骤六、设定充电或热管理的目标以及限制条件；
步骤七、基于所选取的充电或者热管理策略及所述参数空间，利用由步骤三建立的数字孪生体对所述管理策略进行仿真，确定所述管理策略的短期及长期管理效果。
步骤八、基于管理效果的仿真结果，针对管理策略选取适合的优化算法，结合由步骤六中确定的目标及限制条件，在所述参数空间中选取得到最佳的参数；
步骤九、根据所选取的最佳的参数，生成充电电流执行充电、或执行相应热管理动作；
步骤十、实时更新用于表征电池i运行状态的数据，并重复执行前述步骤。
2.如权利要求1所述的方法，其特征在于：所述步骤一中用于表征电池i运行状态的数据具体包括：电流、电压、表面及内部温度、应力。
3.如权利要求1所述的方法，其特征在于：所述步骤二中的通用仿真模型基于电化学、热力学、力学角度的考虑来建立，并针对电池i的具体型号以及应用场景，确定其内部材料特性、机械结构以及工作环境。
4.如权利要求1所述的方法，其特征在于：所述步骤三中对通用仿真模型进行修正，具体通过机器学习、深度学习、偏差补偿算法实现。
5.如权利要求1所述的方法，其特征在于：所述步骤四对数字孪生体进行实时状态更新，具体通过递推参数辨识，状态估计器方式实现。
6.如权利要求1所述的方法，其特征在于：所述步骤五中的充电策略选择多阶恒流充电、恒流恒压充电、交流充电、脉冲充电方式；热管理策略选择交流加热、短路加热、液体换热、空气换热方式。
7.如权利要求1所述的方法，其特征在于：所述步骤六所述的目标根据用户的预期的电池使用时间、电池寿命及安全性考虑，选取充入电量、充电速度、预期电池温度、预期电池加热或冷却速度目标；所述的限制条件根据电池当前健康状态、环境温度的考虑，选取最大电流倍率、最大电压、最高或最低温度、最大温升或散热速度的条件。
8.如权利要求1所述的方法，其特征在于：所述步骤七中通过仿真确定的管理效果包括：基于预期电池寿命、能量效率、电池温度分布、电池安全性。
9.如权利要求1所述的方法，其特征在于：所述步骤八中的优化算法，采用遗传算法、粒子群优化、最小二乘算法。
CN202010465807.8A 2020-05-28 2020-05-28 一种应用数字孪生技术的锂离子电池充电及热管理方法 Active CN111611750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010465807.8A CN111611750B (zh) 2020-05-28 2020-05-28 一种应用数字孪生技术的锂离子电池充电及热管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010465807.8A CN111611750B (zh) 2020-05-28 2020-05-28 一种应用数字孪生技术的锂离子电池充电及热管理方法

Publications (2)

Publication Number Publication Date
CN111611750A true CN111611750A (zh) 2020-09-01
CN111611750B CN111611750B (zh) 2022-09-23

Family

ID=72205593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010465807.8A Active CN111611750B (zh) 2020-05-28 2020-05-28 一种应用数字孪生技术的锂离子电池充电及热管理方法

Country Status (1)

Country Link
CN (1) CN111611750B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113406508A (zh) * 2021-06-23 2021-09-17 苏州东吴智控科技有限公司 基于数字孪生的电池检测和维护方法及装置
CN113740747A (zh) * 2021-08-31 2021-12-03 北京航空航天大学 一种面向可靠性数字孪生的锂电池组充放电测试与数据采集系统
CN113771691A (zh) * 2021-11-09 2021-12-10 北京航空航天大学 基于赛博物理系统的全生命周期动力电池管理装置及方法
CN113794254A (zh) * 2021-09-13 2021-12-14 湖北亿纬动力有限公司 一种热管理策略配置方法、装置、计算机设备和存储介质
CN113884899A (zh) * 2021-09-28 2022-01-04 中汽创智科技有限公司 一种基于数字孪生的燃料电池仿真标定系统及方法
CN113895309A (zh) * 2021-10-09 2022-01-07 北京理工大学 一种应用数字孪生技术的电池热管理方法
CN114154429A (zh) * 2022-02-10 2022-03-08 中国长江三峡集团有限公司 一种储能系统的数字孪生体构建方法、装置及存储介质
WO2022258079A1 (zh) * 2021-06-09 2022-12-15 山东大学 基于深度学习的电传动推土机电池热管理控制方法及系统
CN118278192A (zh) * 2024-04-01 2024-07-02 安徽金鑫宏运新能源科技有限公司 基于孪生模拟的电池模组散热优化方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190173109A1 (en) * 2017-12-04 2019-06-06 General Electric Company Digital twin based management system and method and digital twin based fuel cell management system and method
CN110492186A (zh) * 2019-07-02 2019-11-22 北京航空航天大学 一种基于云端控制技术的动力电池模组的管理方法
CN110532600A (zh) * 2019-07-19 2019-12-03 北京航空航天大学 一种动力电池热管理系统及方法
CN111027165A (zh) * 2019-07-19 2020-04-17 北京航空航天大学 一种基于数字孪生的动力电池组管理系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190173109A1 (en) * 2017-12-04 2019-06-06 General Electric Company Digital twin based management system and method and digital twin based fuel cell management system and method
CN110492186A (zh) * 2019-07-02 2019-11-22 北京航空航天大学 一种基于云端控制技术的动力电池模组的管理方法
CN110532600A (zh) * 2019-07-19 2019-12-03 北京航空航天大学 一种动力电池热管理系统及方法
CN111027165A (zh) * 2019-07-19 2020-04-17 北京航空航天大学 一种基于数字孪生的动力电池组管理系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
熊瑞 等: "电池管理系统被动均衡电路的热仿真研究", 《2019中囯汽车工程学会年会论文集》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022258079A1 (zh) * 2021-06-09 2022-12-15 山东大学 基于深度学习的电传动推土机电池热管理控制方法及系统
CN113406508A (zh) * 2021-06-23 2021-09-17 苏州东吴智控科技有限公司 基于数字孪生的电池检测和维护方法及装置
CN113740747A (zh) * 2021-08-31 2021-12-03 北京航空航天大学 一种面向可靠性数字孪生的锂电池组充放电测试与数据采集系统
CN113794254A (zh) * 2021-09-13 2021-12-14 湖北亿纬动力有限公司 一种热管理策略配置方法、装置、计算机设备和存储介质
CN113794254B (zh) * 2021-09-13 2023-09-01 湖北亿纬动力有限公司 一种热管理策略配置方法、装置、计算机设备和存储介质
CN113884899A (zh) * 2021-09-28 2022-01-04 中汽创智科技有限公司 一种基于数字孪生的燃料电池仿真标定系统及方法
CN113895309A (zh) * 2021-10-09 2022-01-07 北京理工大学 一种应用数字孪生技术的电池热管理方法
CN113895309B (zh) * 2021-10-09 2023-09-29 北京理工大学 一种应用数字孪生技术的电池热管理方法
CN113771691A (zh) * 2021-11-09 2021-12-10 北京航空航天大学 基于赛博物理系统的全生命周期动力电池管理装置及方法
CN114154429A (zh) * 2022-02-10 2022-03-08 中国长江三峡集团有限公司 一种储能系统的数字孪生体构建方法、装置及存储介质
CN114154429B (zh) * 2022-02-10 2022-06-14 中国长江三峡集团有限公司 一种储能系统的数字孪生体构建方法、装置及存储介质
CN118278192A (zh) * 2024-04-01 2024-07-02 安徽金鑫宏运新能源科技有限公司 基于孪生模拟的电池模组散热优化方法及系统

Also Published As

Publication number Publication date
CN111611750B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN111611750B (zh) 一种应用数字孪生技术的锂离子电池充电及热管理方法
CN116826245B (zh) 一种储能电池热管理方法及系统
CN110247451B (zh) 一种锂离子动力电池组全寿命周期均衡控制方法
CN110492185B (zh) 一种锂电池组均衡方法及系统
CN108664734B (zh) 航天器电源系统多目标优化设计方法、系统和存储介质
CN114204547B (zh) 考虑源网荷储协同优化的配电网多措施组合降损优化方法
CN110661253B (zh) 建筑群内多类型电力弹性负荷联合调节方法
CN110707771B (zh) 基于中心漂移聚类分析的电池组主动均衡方法
CN109712019A (zh) 一种多能楼宇实时能量管理优化方法
CN106355511A (zh) 考虑新能源与电动汽车接入的主动配电网重构方法
CN109193800A (zh) 一种基于外点罚函数法的风电场储能容量的优化配置方法
CN115275978A (zh) 一种基于改进粒子群算法的微能源网优化运行方法
CN114595961A (zh) 一种生物质能多能源利用系统调度方法及装置
CN116368707A (zh) 智能电池管理系统和方法
CN116093995B (zh) 一种配电系统多目标网络重构方法及系统
CN117154736A (zh) 一种混合储能系统参与火电机组深度调峰优化方法及系统
CN115525979B (zh) 一种主动配电网可调度能力的多时间尺度评估方法及系统
CN116090250A (zh) 一种锂离子电池电化学-热耦合特性的快速计算方法
CN110796287A (zh) 基于多种群遗传算法的分段式综合能源系统运行优化方法
CN116258059A (zh) 一种基于多时空宽度学习模型的锂电池温度实时预测模型以及构建方法
Udeogu et al. Remaining useful life prediction for supercapacitors using an optimized end-to-end deep learning approach
CN113988578A (zh) 计及可靠性的微电网群源网荷储协同优化调度方法及系统
CN112084645A (zh) 一种基于混合迭代adp方法的锂离子电池储能系统能量管理方法
CN118472499B (zh) 一种飞行汽车动力电池热管理系统控制策略优化方法
Liu et al. Optimal scheduling of distribution network based on improved whale algorithm

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