CN112092676B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112092676B CN112092676B CN202011021366.9A CN202011021366A CN112092676B CN 112092676 B CN112092676 B CN 112092676B CN 202011021366 A CN202011021366 A CN 202011021366A CN 112092676 B CN112092676 B CN 112092676B
- Authority
- CN
- China
- Prior art keywords
- temperature
- battery
- current
- voltage
- sensor
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012937 correction Methods 0.000 title abstract description 10
- 239000011159 matrix material Substances 0.000 claims abstract description 77
- 238000012544 monitoring process Methods 0.000 claims abstract description 72
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims abstract description 44
- 229910001416 lithium ion Inorganic materials 0.000 claims abstract description 44
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000003062 neural network model Methods 0.000 claims abstract description 4
- 210000004027 cell Anatomy 0.000 claims description 40
- 230000020169 heat generation Effects 0.000 claims description 12
- 210000002569 neuron Anatomy 0.000 claims description 10
- 230000009194 climbing Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 description 24
- 238000013528 artificial neural network Methods 0.000 description 20
- 238000001816 cooling Methods 0.000 description 12
- 239000007788 liquid Substances 0.000 description 12
- 230000017525 heat dissipation Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000007599 discharging Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000010287 polarization Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000000741 silica gel Substances 0.000 description 3
- 229910002027 silica gel Inorganic materials 0.000 description 3
- 239000000110 cooling liquid Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000034964 establishment of cell polarity Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了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,包括:步骤一、获取历史试验的单体锂离子电池的单体电池温度,存储为历史温度;步骤二、建立深度神经网络模型,所述输入参数为真实温度传感器测量的温度、真实温度传感器位置和所述历史温度;所述温度变量存储为初步估算的温度矩阵;步骤三、采集所有单体电池电流和电压的信号,监测到某行的单体电池的电流/电压超过设定的电流阈值/电压阈值,电流传感器/电压传感器要增加对该行单体电池监测的频率;步骤四、计算所述某行单体电池的温度:用所述计算得到的某行单体电池的温度对所述初步估算的温度矩阵中的所述某行温度进行修正。
Description
技术领域
本发明涉及汽车动力电池监测领域,更具体的是,本发明涉及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。
背景技术
锂离子电池具有很多优点,目前电动汽车和混合动力汽车上大部分应用的是锂离子电池,其特性参数对电池能量管理系统和安全性能十分重要。尤其是锂离子电池的温度,它对电池的容量、电压、内阻、充放电效率、使用寿命和安全性等方面具有重要影响。
电池在充放电过程当中,电池内部化学反应产生的热量集聚起来必然会导致温度升高,当外界环境温度较高并且电池处在大倍率放电工况时,电池产热加剧且散热不及时,会导致电解液泄漏、产生气泡、冒烟等现象,严重时电池会发生自燃和爆炸。当电池处于极低的温度环境下,电池充放电能力均大幅降低。因此,合适的充放电温度是保证电池性能发挥的关键所在,为了确保锂离子电池循环寿命,良好的电化学性能和能量效率,准确地测量每一节单体电池的温度是十分重要的。准确的单体电池的温度对电池的热管理系统以及电池SOC估算都是十分重要的,这可以让单体电池工作在高效的温度范围内,还可以避免危险状况的发生。
锂电池的温度场可以通过传感器测量直接获得,由于现在的电池包都是由多节单体电池组成的,不同单体电池之间会有一些差异,因此希望能够测量每一节单体电池的参数。但是,由于空间布置或者成本太高等问题,很难测量每节单体电池的特性参数,尤其是温度。现有的测量方法多是测量电池包局部几个点的方法,用来代表整个电池包的温度场,这样的测量方法不能测得每节单体电池的温度,导致一些单体电池处在低温或高温状态时并不能及时被发现,严重影响电池的一致性和安全性,容易使某几节单体电池先达到使用寿命,不仅缩短整个电池包的使用寿命,还不利于以后的梯次利用。因此,能够测量出每一节单体电池的温度是很有必要的。
相对于电流和电压来说,单体电池温度的测量是比较困难的,涉及到温度传感器的布置和成本问题,如何在保证一定测量精度下降低温度传感器的数量是很有必要的。
发明内容
本发明设计开发了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,利用神经网络算法对整个电池包的温度场进行初步估算,然后用电压和电流传感器对单体电池的电流和电压信号进行监测,对电流或电压信号异常的单体电池的温度数据进行修正;既可以降低成本,减少布置上带来的麻烦,又能保证一定的精度。
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,包括:
步骤一、获取历史试验的单体锂离子电池的单体电池温度,存储为历史温度;
步骤二、建立深度神经网络模型,输入参数有3个,输入层有3个神经元;采用两层隐藏层,每个隐藏层的神经元个数为6个;输出参数为温度变量,输出层为一个神经元;所述输入参数为真实温度传感器测量的温度、真实温度传感器位置和所述历史温度;所述温度变量存储为初步估算的温度矩阵;
步骤三、采集所有单体电池电流和电压的信号,监测到某行的单体电池的电流/电压超过设定的电流阈值/电压阈值,电流传感器/电压传感器要增加对该行单体电池监测的频率;
步骤四、当所述某行的单体电池电流/电压超过设定的电流阈值/电压阈值一定时间时,计算所述某行单体电池的温度:
其中,表示微元体在单位时间内的热力学增量;ρ表示电池平均密度;CP表示电池加权平均比热容;T表示的是温度;t表示的是时间;λx,λy,λz表示锂离子电池微元体的导热系数,其中λx,λy是径向2个垂直方向导热系数,λz是轴向导热系数;q表示单位时间内锂离子电池内部的生热速率;
用所述计算得到的某行单体电池的温度对所述初步估算的温度矩阵中的所述某行温度进行修正。
作为一种优选,所述步骤三还包括:
监测到某行的单体电池的电流/电压超过设定的电流阈值/电压阈值,对电流传感器/电压传感器的监测频率进行修改,剩余行的单体电池每监测一行后,就对所述某行监测一次。
作为一种优选,所述步骤三还包括:
当某类单体电池既在串联线路又在并联线路上时,对其监测的频率既受电流阈值的影响,又受电压阈值的影响;该类单体电池的监测按照以下规则进行:
若电流先超过电流阈值,则电流传感器按照修改的频率对其进行监测,同时限制电压传感器按照原频率进行监测,直到电流传感器变为原频率,解除对电压传感器监测频率的限制;
若电压先超过电压阈值,则电压传感器按照修改的频率对其进行监测,同时限制电流传感器按照原频率进行监测,直到电压传感器变为原频率,解除对电流传感器监测频率的限制。
作为一种优选,所述步骤四还包括:
计算所述生热速率:
其中,V表示电池的体积;E表示电池开路电压;U表示电池工作电压;T表示电池的温度;表示电池开路电压的温度影响系数,R表示电阻;I表示电流。
作为一种优选,还包括:
计算电池加权平均比热容:
其中,ρi为锂离子电池各个组成部分的密度;Ci为各个组成部分的比热容;Vi为各个组成部分的体积。
作为一种优选,还包括:
计算径向导热系数的:
计算轴向和周向的导热系数求解:
式中,λi为为锂离子电池各个组成部分的导热系数;Li为锂离子电池各个组成部分的厚度;kr为径向导热系数,kh为周向和轴向导热系数。
作为一种优选,电流阈值Δi和电压阈值Δv由下式确定:
其中,Imean为电池组单体电池平均电流,Vmean为电池组单体电池平均电压,a,b为阈值系数。
作为一种优选,所述一定时间为:
轻负荷工况:低速匀速行驶(车速为0~10%Vmax,含10%Vmax),减速行驶;
正常工况:中速匀速行驶(车速为10%~40%Vmax,含40%Vmax),缓慢加速行驶;
重负荷工况:起步,爬坡,急加速行驶,高速匀速行驶(车速高于40%Vmax);Vmax为额定最高车速。
x为电流I的归一化系数,其关系如下式所示:
式中,Imax为电池工作时的最大电流,Imin为电池工作时的最小电流,Inormal为电池正常工作时的电流。
作为一种优选,所述步骤二中,真实传感器的位置根据下列原则确定:将每个电池组视为一个平面,根据真实温度传感器的数量对其面积进行均分,然后找出每块面积的几何中心,作为真实温度传感器的布置点。
作为一种优选,轻负荷工况时,a,b为5%,正常负荷工况时,a,b为4%,重负荷工况时,a,b为3%。
本发明所述的有益效果:
通过神经网络算法对整个电池包的温度场进行初步估算,考虑经济性和准确率两个方面的因素,减少的温度传感器数量。
对电流和电压传感器采用分时复用的方法,可以降低传感器的使用数量。采用频率更改的方法,可以保证在较短的时间内多次监测异常的电流电压信号,避免因监测时间过长而损害单体电池。
利用电流和电压信号对异常单体电池的温度信息进行修正,将修正后的单体电池温度发送给初步估算的温度矩阵,形成最终估算的温度矩阵。建立锂离子单体电池的热模型,通过锂离子单体电池的热模型,可以求出充放电过程中任意时刻锂离子单体电池温度的变化,进而可以求出锂离子单体电池的温度。
通过获取锂离子单体电池的温度,作为电池冷却系统进行调节的参考量,保证锂离子单体电池始终工作在高效的温度范围内,提高锂离子电池的使用性能。
附图说明
图1为本发明中的温度矩阵估算深度神经网络结构图。
图2a为本发明中的偶行偶列矩形电池包传感器(1个)布置示意图。
图2b为本发明中的偶行奇列矩形电池包传感器(1个)布置示意图。
图2c为本发明中的奇行偶列矩形电池包传感器(1个)布置示意图。
图2d为本发明中的奇行奇列矩形电池包传感器(1个)布置示意图。
图3为本发明中的T形电池包传感器(2个)布置示意图。
图4为本发明中的真实温度传感器对应的温度点示意图。
图5为本发明中的内阻求解实验过程中电压变化示意图。
图6为本发明中的内阻求解实验过程中放电电流变化示意图。
图7为本发明中的监测持续时间τ与电流归一化系数x的关系图。
图8为本发明中的电流归一化系数x与电流I的关系图。
图9为本发明中的温度矩阵初步估算流程图。
图10为本发明中的电流传感器工作流程图。
图11为本发明中的电压传感器工作流程图。
图12为本发明中的温度修正流程图。
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。
作为一种优选,本发明可以由四个模块组成:第零模块到第三模块。
第零模块为历史数据获取模块,它主要是获取锂离子电池全生命周期充放电试验的一些数据,包括单体电池的电流、电压和温度,为第一模块提供初步估算温度矩阵所需要的训练样本数据。这些训练样本数据用于训练神经网络。
对同种类型的单体电池做全生命周期的温度采集试验,需要在每节单体电池上装备温度传感器,测量到每一节单体电池的温度。然后记录实验过程中需要的数据,包括单体电池电流、电压和温度。将以上信息用矩阵的方式存储下来。
第一模块是温度矩阵初步估算模块,它利用深度神经网络算法对电池包温度场进行初步估算,并找出最佳真实温度传感器的数量。神经网络的输入是真实温度传感器测量的温度、位置和历史温度,神经网络输出为初步估算的温度矩阵。
第二模块是单体电池电流和电压信号采集监测模块。电流和电压传感器按照分时复用的方式采集和监测单体电池的电流和电压信号,将采集到的电流和电压信号发送给第三模块。
第三模块是温度修正模块,它根据第二模块发送来的电流和电压信号判断某节或某几节单体电池是否超过设定阈值,若超过设定阈值,则更改第二模块传感器的监测频率,并对其监测一定时间。正常工况时监测时间为每10s监测一次,轻负荷工况的监测时间为15s,重负荷工况的监测时间为5s。若电流或电压信号的变化超过设定的持续时间,则根据单体电池热模型估算新的温度并修正初步估算的温度矩阵;若没有超过设定的持续时间,则不需要修正初步估算的温度矩阵。第三模块的输入为单体电池的电流和电压信号,输出为修正后的单体电池温度。
第一模块(温度矩阵初步估算模块)。确定计划安装真实传感器的数量;作为一种优选,该模块也可以用于找出准确率和经济性都较高时的真实温度传感器的数量。将这些真实温度传感器测得的温度、位置和第零模块提供的历史数据作为输入,利用深度神经网络算法初步估算电池包温度矩阵。
神经网络是一种数据驱动算法,利用深度神经网络来预测电池包的温度可以不用考虑电池的热特性,并且十分准确。因此,本发明中电池包温度场的估算采用基于深度神经网络的方法,将采集的历史温度数据作为训练样本供深度神经网络训练,通过训练得到合适的映射权值和节点值。将真实温度传感器测得的温度、温度传感器位置和历史温度作为输入,初步估算的温度矩阵作为输出。真实温度传感器测得的温度用矩阵记录,布置温度传感器的点的温度为传感器测量的温度,未布置温度传感器的点的温度用0表示;位置也用矩阵表示,温度传感器布置点记为1,未布置点记为0。初步估算温度矩阵的深度神经网络结构图如图1所示。
温度传感器的分布,采用几何均匀分布的方法,锂电池包是由多个锂电池组组成的,将每个电池组视为一个平面,计算其投影面积(从正上方向下进行投影),首先计划安装真实传感器的数量(作为一种优选,计划安装真实传感器数量为3),然后根据真实温度传感器的数量对其面积进行均分,然后找出每块面积的几何中心,作为真实温度传感器的布置点。目前电池包主要有圆柱形、方形和软包三种形式,圆柱形和方形电池最终都以四边形的形式安装在车身正下方,可以直接对其面积进行均分。软包电池可以安装成T形,要先将其切割成的两个矩形,然后对其进行面积均分。得到用均匀布置的真实传感器测量距离其最近的单体电池的温度。布置真实温度传感器时考虑风冷和液冷两种电池包散热方式。针对风冷散热方式,要在进风口和出风口单独布置温度传感器。同理,针对液冷散热方式,要在进液口和出液口单独布置温度传感器。记录单独布置的温度传感器的位置,并在传感器位置矩阵中标记为1。
建立估算电池包温度场的深度神经网络模型,输入的特征参数有3个,故输入层有3个神经元;隐藏层的神经元个数选取6个,采用两层隐藏层,每层神经元数均相同;输出只有温度一个变量,故输出层只有一个神经元。
神经网络输入参数为真实温度传感器测量的温度、位置和历史温度。对输入参数进行归一化处理,作为一种优选,可以采用最大最小法进行输入参数进行归一化处理。
参数初始化,不要将所有参数初始化为0,可以用较小的数对参数进行初始化,作为一种优选,在(-0.1,0.1)内对参数进行随机初始化。
按照9:1的比例划分训练集和测试集。设置训练参数:最大迭代次数为5000次;目标误差为0.05;学习率为0.1。当发现学习率过大时,可以每次将其缩减为原来的一半。激活函数采用sigmod函数。进行误差前向传播计算;
计算损失函数:
式中,z为样本总数,y(i)为真实值,hθ(x(i))为估算值。
进行后向传播计算;更新神经网络的权重。
神经网络输出为初步估算电池包温度场。进风口、进液口和出风口、出液口的单体电池的温度经传感器测量后发送给初步估算的温度矩阵,替代该位置由深度神经网络估算的温度。
作为进一步的优选,还可以将估算的的温度场数据与试验组的数据进行比对,利用最小均方根值法来判断其准确率:
式中,te为估算的单体电池温度,tt为试验组的单体电池温度,i为单体电池的位置,i∈[1,s],s为单体电池的数量。在设定误差或准确率时,要考虑传感器的数量对经济性的影响。当准确率随着传感器的数量增加而快速上升,可以适当地增加传感器的数量来提高准确率。当随着传感器的数量大量增加,而准确率提高很少时,考虑到经济性的影响,在准确率满足使用要求的情况下,不再增加传感器的数量。
作为进一步的优选,还可以通过详细的精确的传感器数量和布置的计算。具体如下:
如图2和图3所示(图2为布置1个传感器时的示意图)。最后,将均匀分布的点作为已知点,通过深度神经网络建立真实温度传感器布置点对应附近温度点的关系,即每个真实的温度传感器所处的温度点对应其均分面积内的所有温度点,如图4所示。
对单体电池位置进行排序,假设单体电池为m*n分布。对矩形电池包按如下顺序进行编号:
T形电池包可划分为两个矩形包后再按上述方式进行排序。
真实传感器的数量从1个开始循环,直到达到总单体电池数的一半(总单体数为偶数)或一半加一(总单体数为奇数)。真实传感器要均匀分布在电池单体之间,并且真实传感器要尽可能分散,故采取均匀布置的方法。
布置真实温度传感器时考虑风冷和液冷两种电池包散热方式。其中,风冷散热方式是指在电池包的一端装上散热风扇,另一端留出通风孔,使空气在电芯的缝隙间加速流动,带走电芯工作时产生的高热量。在电极端顶部和底部加上导热硅胶片,让顶部、底部不易散发的热量通过导热硅胶片传到金属外壳上散热。液冷散热方式是指电芯的热量通过导热硅胶片传递至液冷管,由冷却液热胀冷缩自由循环流动将热量带走,使整个电池包的温度统一,冷却液强大的比热容吸收电芯工作时产生的热量,使整个电池包在安全温度内运作。针对风冷散热方式,要在进风口和出风口单独布置温度传感器。同理,针对液冷散热方式,要在进液口和出液口单独布置温度传感器。记录单独布置的温度传感器的位置,并在传感器位置矩阵中标记为1。
1.当温度传感器布置数量为1个时:
a.当m、n均为偶数时,单体电池的位置用矩阵表示为传感器的可布置点矩阵在单体电池位置矩阵的基础上进行修改,每两排单体电池之间增加一排传感器布置点,每两列单体电池之间增加一列传感器布置点,除增加的布置点之外,其余的点与单体电池的位置点一一对应,传感器的可布置点用矩阵表示为其中为传感器的布置位置;
b.当m为偶数,n为奇数时,单体电池的位置用矩阵表示为传感器的可布置点用矩阵表示为其中为传感器的布置位置;
c.当m为奇数,n为偶数时,单体电池的位置用矩阵表示为传感器的可布置点用矩阵表示为其中为传感器的布置位置;
d.当m、n均为奇数时,单体电池的位置用矩阵表示为传感器的可布置点用矩阵表示为其中为传感器的布置位置。
2.当传感器的布置数量为2个时:
(1)m、n均为偶数:当(行数大于列数或接近列数)时,将矩阵按行进行二等分,当为偶数时,每部分传感器的位置按照只有一个传感器时的a方案布置;当为奇数时,每部分传感器的位置按照只有一个传感器时的c方案布置。当(列数大于行数)时,将矩阵按列进行二等分,当为偶数时,每部分传感器的位置按照只有一个传感器时的a方案布置;当为奇数时,每部分传感器的位置按照只有一个传感器时的b方案布置。
(2)m为奇数,n为偶数:当(行数大于列数或接近列数)时,将矩阵按行进行划分,第一个矩阵为的矩阵,第二个矩阵为的矩阵,当为奇数时,对第一个矩阵按照只有一个传感器时的c方案布置,对第二个矩阵按照只有一个传感器时的a方案布置;当为偶数时,对第一个矩阵按照只有一个传感器时的a方案布置,对第二个矩阵按照只有一个传感器时的c方案布置。当(列数大于行数)时,将矩阵按列进行二等分,当为偶数时,对每部分按照只有一个传感器时的c方案布置;当为奇数时,对每部分按照只有一个传感器时的d方案布置。
(3)m为偶数,n为奇数:当(行数大于列数或接近列数)时,将矩阵按行进行二等分,当为偶数时,对每部分按照只有一个传感器时的b方案布置;当为奇数时,对每部分按照只有一个传感器时的d方案布置。当(列数大于行数)时,将矩阵按列进行划分,第一个矩阵为的矩阵,第二个矩阵为的矩阵,当为偶数时,对第一个矩阵按照只有一个传感器时的a方案布置,对第二个矩阵按照只有一个传感器时的b方案布置;当为奇数时,对第一个矩阵按照只有一个传感器时的b方案布置,对第二个矩阵按照只有一个传感器时的a方案布置。
(4)m、n均为奇数:当(行数大于列数或接近列数)时,将矩阵按行进行划分,第一个矩阵为的矩阵,第二个矩阵为的矩阵,当为奇数时,对第一个矩阵按照只有一个传感器时的d方案布置,对第二个矩阵按照只有一个传感器时的b方案布置;当为偶数时,对第一个矩阵按照只有一个传感器时的b方案布置,对第二个矩阵按照只有一个传感器时的d方案布置。当(列数大于行数)时,将矩阵按列进行划分,第一个矩阵为的矩阵,第二个矩阵为的矩阵,当为偶数时,对第一个矩阵按照只有一个传感器时的c方案布置,对第二个矩阵按照只有一个传感器时的d方案布置;当为奇数时,对第一个矩阵按照只有一个传感器时的d方案布置,对第二个矩阵按照只有一个传感器时的c方案布置。
当温度传感器布置数量为3个及3个以上时,可以将上述两种方法结合,进行各种数量的传感器布置。
第二模块(单体电池电流和电压信号采集监测模块)。该模块主要是采集单体电池的电流和电压信号,能够将电流和电压信号发送给第三模块,作为进一步的优选,也能够发送给处理器并报警。处理器可以根据电流信号判断电池所处工况,第三模块可以根据工况设定相应的监测持续时间,监测持续时间是指传感器变化频率后对单体电池监测的时间。
电流传感器采用多通道监测可编程传感器,针对并联的单体电池,对每一行并联单体电池利用多通道监测,即每节单体电池上装有一个监测通道,将所有监测通道连接至一个电流传感器。然后对不同行的单体电池监测采用传感器分时复用的方法,让其每次监测一行并联单体电池的电流,并且能够将异常电流信号发送给第三模块,同时也能够发送报警信号。
监测某一行的频率根据该行单体电池的电流是否超过设定的电流阈值而改变,阈值设置见第三模块。当监测到某一行有单体电池的电流变化超过设定的阈值时,电流传感器要增加对该行单体电池监测的频率,可以每监测一次其它行的并联单体电池,就对该行并联单体电池进行一次监测。当监测到单体电池的电流变化超过设定的监测持续时间后,要发送当前单体电池的电流和电压给第三模块,供第三模块修正温度使用。
电流传感器初始监测频率及变化后频率的设定:
1.设定一个期望时间T,T表示完整监测一次电池包所有单体电池电流和电压的时间(T的单位为s)。
2.假设有m行并联单体电池,则监测一行的时间T/m,传感器的监测每行频率设置为fi,fi=1/T。频率不能超过传感器的最大频率,当频率较大时可增加T。
3.当有一行的单体电池电流变化超过设定阈值时,对传感器的监测频率进行修改,剩余(m-1)行每监测一行,就对该行监测一次,监测一次电池包总共需要(2m-2)次。在一次监测周期T内,监测该行的次数为(m-1)次,监测该行1次的时间为T/(m-1),频率监测其他行的次数为每周期监测1次,频率
4.当第p行(1<p<m)单体电池电流变化超过设定阈值时,剩余(m-p)行每监测一次,就对第p行监测一次,监测一次电池包总共需要(m-p)(p+1)次。在一次监测周期T内,监测这p行的次数为p(m-p)次,频率监测剩余(m-p)行的次数为每周期T监测1次,频率
电压传感器也采用多通道监测可编程传感器,针对串联的单体电池,对每一列串联单体电池利用多通道监测,即每节单体电池上装有一个监测通道,将所有监测通道连接至一个电压传感器。然后对不同列的单体电池监测采用传感器分时复用的方法,让其每次监测一列串联单体电池的电压,并且能够将电压信号发送给第三模块,通知能够发送报警信号。
监测某一列的频率根据该列单体电池的电压是否超过设定的电压阈值而改变,阈值设置见第三模块。当监测到某一列有单体电池的电压变化超过设定的阈值时,电压传感器要增加对该列监测的频率,可以每监测一次其它列的串联单体电池,就对该列串联单体电池进行一次监测。当监测到单体电池的电压变化超过设定的监测持续时间后,要发送当前的电流和电压给第三模块,供第三模块修正温度使用。
电压传感器初始监测频率及变化后频率的设定:
1.设定一个期望时间T,T表示完整监测一次电池包所有单体电池电流和电压的时间(T的单位为s)。
2.假设有n列串联电池,则监测一列的时间T/n,传感器监测每列的频率设置为fv,fv=1/T。频率不能超过传感器的最大频率,当频率较大时可增加T。
3.当有一列的单体电池电压变化超过设定阈值时,对传感器的监测频率进行修改,剩余(n-1)列每监测一列,就对该列监测一次,监测一次电池包总共需要(2n-2)次。在一次监测周期T内,监测该列的次数为(n-1)次,监测该列1次的时间为T/(n-1),频率监测其他列的次数为每周期监测1次,频率
4.当有q列(1<q<n)单体电池电压变化超过设定阈值时,剩余(n-q)列每监测一次,就对这q列监测一次,监测一次电池包总共需要(n-q)(q+1)次。在一次监测周期T内,监测这q列的次数为q(n-q)次,频率监测剩余(n-q)列的次数为每周期T监测1次,频率
当某些单体电池既在串联线路又在并联线路上时,仅在串联线路上的单体电池只监测电压,仅在并联线路上的单体电池只监测电流,对其监测的频率既受电流阈值的影响,又受电压阈值的影响。该类单体电池的监测按照以下规则进行:若电流先达到阈值,则电流传感器按照设定的频率对其进行监测,同时限制电压传感器按照原频率进行监测,直到电流传感器变为原频率,解除对电压传感器监测频率的限制;若电压先达到阈值,则电压传感器按照设定的频率对其进行监测,同时限制电流传感器按照原频率进行监测,直到电压传感器变为原频率,解除对电流传感器监测频率的限制。采用这种方法可以及时将单体电池异常的电流和电压信号传送给第三模块并报警,还可以降低一种传感器的监测频率。
对电流和电压传感器采用分时复用的方法,可以降低传感器的使用数量。采用频率更改的方法,可以保证在较短的时间内多次监测异常的电流电压信号,避免因监测时间过长而损害单体电池。
第三模块(温度修正模块)。该模块利用虚拟温度传感器对第一模块估算的温度矩阵进行修正,虚拟温度传感器是指利用电流、电压信号和单体电池热模型来估算温度的传感器。
首先,建立单体电池热模型。然后利用第二模块发送的的电流和电压信号对异常单体电池的温度信息进行修正,将修正后的单体电池温度发送给初步估算的温度矩阵进行修正,形成最终估算的温度矩阵。
建立锂离子单体电池的热模型,通过锂离子电池的热模型,可以求出充放电过程中任意时刻锂离子电池温度的变化,进而可以求出锂离子电池的温度。
本发明以目前应用最广的圆柱形单体电池为例(其他类型单体电池同理),其内部为卷绕式结构。将其简化为长度为h,半径为r的圆柱体,并对其做以下假设:
1.将电池内部各部件材料密度和比热容看做是均一的,不随电池的温度和SOC的变化而变化。
2.根据电池的结构特点,将导热系数看做是各向异性参数,分为轴向、径向和周向导热系数,其中轴向和周向导热系数一致。导热系数也不随电池内部温度和SOC的变化而变化。
3.单体电池内部产热均匀,不会出现局部产热过高或过低现象。
根据上述假设和传热学能量守恒定律,锂离子电池的三维非稳态传热问题在直角坐标系下可以描述为:
式中,表示微元体在单位时间内的热力学增量;ρ表示电池平均密度,单位kg/m3;CP表示电池加权平均比热容,单位J/(kgK);T表示的是温度,单位K;t表示的是时间,单位s;λx,λy,λz表示锂离子电池微元体的导热系数,作为一种优选,可以通过稳态法测得,稳态法包括:保护热流计法、护热板法和恒定热流法,单位W/mK;q表示单位时间内锂离子电池内部的生热速率,单位W/m3。x,y为两个垂直方向的径向坐标,z为轴向坐标。
锂离子电池内部的生热速率可根据其生热速率模型来求解,该生热速率模型包括多种热:相变热,化学反应热,可逆熵变热,混合热和不可逆欧姆热。在锂离子电池中,反应热、相变热所占比值非常小,故不考虑这两种热。由于在电池设计时可以尽量减小电池极化浓度差,当其减到非常小的时候,混合热也可以忽略不计。故生热速率模型可用下式表示:
将上式除以电池的体积可以获得单位体积的电池生热速率,得到下式:
式中,V表示电池的体积,单位m3;E表示电池开路电压;U表示电池工作电压;T表示电池的温度,单位K;表示电池开路电压的温度影响系数,其数量级非常小,在20~50℃范围内,通常取0.469mV/℃,当温度低于20℃时,取0.001V/℃。I表示电流。R表示电阻,包括欧姆内阻Ro和极化内阻Rp。
欧姆内阻和极化内阻可以根据HPPC实验方法求出,它的实验原理为:在电池某特定温度和SOC下,加载10s电流脉冲,在脉冲初始阶段,电压也会产生阶跃变化(U1-U2),这部分压降是由欧姆内阻引起的。随后压降呈缓慢下降趋势(U2-U3),这部分压降是由于极化内阻引起的,如图5所示。因此欧姆内阻极化内阻重复多次实验,记录不同温度下和不同SOC下的欧姆内阻和极化内阻与电压的关系,并以矩阵的形式存储。矩阵中包括电流、电压、温度和内阻等信息。
设计实验求解不同温度下锂离子电池的欧姆内阻和极化内阻:
1.采用锂离子电池经典的充电方式:先以1C恒流充电至截止电压4.2V,然后以4.2V恒压充电至截止电流0.1C;
2.将电池放入恒温箱中,将恒温箱调至L℃,静置1小时,用1C电流加载10s脉冲电流;
3.静置1小时,以1C恒流放电直至电池的SOC为0.8,静置1小时,以1C电流加载10s脉冲电流,测试该温度下,SOC为0.8时的内阻;
4.重复步骤3,分别测量电池SOC为0.7,0.6,0.5,0.4,0.3,0.2和0时的电池内阻;
5.分别在不同的温度下重复步骤1-4,测试温度L可选取锂电池能够工作的温度范围:-20℃到60℃,在常用的工作温度范围内温度间隔可以选取的小一些。
内阻求解实验过程中放电电流如图6所示,图中t2-t1等于10s,(t3-t2)=(t5-t4)等于3600s。
然后,再对电池热特性参数的求解,包括ρ,CP,λ。
1.密度ρ的求解
锂离子单体电池的密度采用平均密度法:
式中,m为锂离子单体电池的质量,单位kg;V为各个组成部分的体积,单位m3。质量通过电子秤进行测量,体积通过单体电池的长度和直径计算,V=πr2h。
2.比热容CP的求解
锂离子电池的比热容采用其各组成部分的比热容按照质量加权平均求得,如下式所示:
式中,ρi为锂离子电池各个组成部分的密度,单位kg/m3;Ci为各个组成部分的比热容,单位J/(kgK);Vi为各个组成部分的体积,单位m3。
3.导热系数λ的计算
锂离子电池的导热系数采用串并联热阻法。径向导热系数的求解使用串联热阻法,导热系数计算公式为:
轴向和周向的导热系数求解使用并联等效热阻法,其计算公式为:
式中,λi为为锂离子电池各个组成部分的导热系数,单位W/mK;Li为锂离子电池各个组成部分的厚度,单位m。
对于串联单体电池,对其电压数值在某个瞬时的变化设定一个阈值Δv,当某节单体电池的电压数值变化在某一瞬时超过设定的阈值Δv,并且持续超过一定时间τ时,电压传感器将该单体电池当前的电压信号和电流信号发送给单体电池热模型,单体电池热模型根据该单体电池当前的电压和电流更新该单体电池的温度,并对深度神经网络估算的温度矩阵进行修正。对于并联单体电池,对其电流数值在某个瞬时的变化设定一个阈值Δi,当某节单体电池的电流数值变化在某一瞬时超过设定的阈值瞬Δi,并且持续超过一定时间τ时,电压传感器将该单体电池当前的电压信号和电流信号发送给单体电池热模型,单体电池热模型根据该单体电池当前的电压和电流更新其温度信息。阈值Δ由下式确定:
式中,Imean为电池组平均电流,Vmean为电池组单体电池平均电压,a,b为阈值系数;轻负荷工况时,a,b为5%,正常负荷工况时,a,b为4%,重负荷工况时,a,b为3%。阈值系数设定的主要影响因素为温度。当电池处在高温时,阈值系数可设置得小一些,防止其升温加快;当电池处在低温时,阈值系数可设置的大一些,让其尽快进入最佳工作温度范围。
当电池工作在正常工况时,设置一个定值时间长度t,随着负荷加大,变化时间应该越来越短,故采用凸函数对持续时间τ进行设置,当放电电流增长为正常放电电流的两倍时,变化的监测持续时间应该设置得非常小,可以设置为0.1。同理,随着负荷变小,监测持续时间可以延长,故采用凹函数对持续时间τ进行设置,最大可延长为正常工况监测持续时间的两倍。
监测持续时间τ为分段函数,如下式所示:
τ与x的关系如图7所示。x为电流I的归一化系数,其关系如下式所示:
式中,Imax为电池工作时的最大电流,Imin为电池工作时的最小电流,Inormal为电池正常工作时的电流;作为一种优选,电池包参数为604V100AH的动力电池,电机最大功率为160KW,在以60km/h的速度行驶时,放电电流为0.15~0.25C,即15~25A。归一化系数x与电流I的关系如图8所示。
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)
1.一种利用虚拟温度传感器对电池包温度场的估算修正方法,其特征在于,包括:
步骤一、获取历史试验的单体锂离子电池的单体电池温度,存储为历史温度;
步骤二、建立深度神经网络模型,输入参数有3个,输入层有3个神经元;采用两层隐藏层,每个隐藏层的神经元个数为6个;输出参数为温度变量,输出层为一个神经元;所述输入参数为真实温度传感器测量的温度、真实温度传感器位置和所述历史温度;所述温度变量存储为初步估算的温度矩阵;
步骤三、采集所有单体电池电流和电压的信号,监测到某行/列的单体电池的电流/电压超过设定的电流阈值/电压阈值,电流传感器/电压传感器要增加对该行/列单体电池监测的频率;
步骤四、当所述某行/列的单体电池电流/电压超过设定的电流阈值/电压阈值一定时间时,计算所述某行/列单体电池的温度:
其中,表示微元体在单位时间内的热力学增量;ρ表示电池平均密度;CP表示电池加权平均比热容;T表示的是温度;t表示的是时间;λx,λy,λz表示锂离子电池微元体的导热系数,其中λx,λy是径向2个垂直方向导热系数,λz是轴向导热系数;q表示单位时间内锂离子电池内部的生热速率;
用所述计算得到的某行/列单体电池的温度对所述初步估算的温度矩阵中的所述某行温度进行修正。
2.如权利要求1所述的利用虚拟温度传感器对电池包温度场的估算修正方法,其特征在于,所述步骤三还包括:
监测到某行/列的单体电池的电流/电压超过设定的电流阈值/电压阈值,对电流传感器/电压传感器的监测频率进行修改,剩余行/列的单体电池每监测一行/列后,就对所述某行/列监测一次。
3.如权利要求2所述的利用虚拟温度传感器对电池包温度场的估算修正方法,其特征在于,所述步骤三还包括:
当某类单体电池既在串联线路又在并联线路上时,对其监测的频率既受电流阈值的影响,又受电压阈值的影响;该类单体电池的监测按照以下规则进行:
若电流先超过电流阈值,则电流传感器按照修改的频率对其进行监测,同时限制电压传感器按照原频率进行监测,直到电流传感器变为原频率,解除对电压传感器监测频率的限制;
若电压先超过电压阈值,则电压传感器按照修改的频率对其进行监测,同时限制电流传感器按照原频率进行监测,直到电压传感器变为原频率,解除对电流传感器监测频率的限制。
4.如权利要求1或3所述的利用虚拟温度传感器对电池包温度场的估算修正方法,其特征在于,所述步骤四还包括:
计算所述生热速率:
其中,V表示电池的体积;E表示电池开路电压;U表示电池工作电压;T表示电池的温度;表示电池开路电压的温度影响系数,R表示电阻;I表示电流。
5.如权利要求4所述的利用虚拟温度传感器对电池包温度场的估算修正方法,其特征在于,还包括:
计算电池加权平均比热容:
其中,ρi为锂离子电池各个组成部分的密度;Ci为各个组成部分的比热容;Vi为各个组成部分的体积。
6.如权利要求5所述的利用虚拟温度传感器对电池包温度场的估算修正方法,其特征在于,还包括:
计算径向导热系数的:
计算轴向和周向的导热系数求解:
式中,λi为为锂离子电池各个组成部分的导热系数;Li为锂离子电池各个组成部分的厚度;kr为径向导热系数,kh为周向和轴向导热系数。
7.如权利要求1或3所述的利用虚拟温度传感器对电池包温度场的估算修正方法,其特征在于,
电流阈值Δi和电压阈值Δv由下式确定:
其中,Imean为电池组单体电池平均电流,Vmean为电池组单体电池平均电压,a,b为阈值系数。
8.如权利要求1或3所述的利用虚拟温度传感器对电池包温度场的估算修正方法,其特征在于,
所述一定时间为:
轻负荷工况:低速匀速行驶,减速行驶;
正常工况:中速匀速行驶,缓慢加速行驶;
重负荷工况:起步,爬坡,急加速行驶,高速匀速行驶;
x为电流I的归一化系数,其关系如下式所示:
式中,Imax为电池工作时的最大电流,Imin为电池工作时的最小电流,Inormal为电池正常工作时的电流。
9.如权利要求1或8所述的利用虚拟温度传感器对电池包温度场的估算修正方法,其特征在于,所述步骤二中,真实传感器的位置根据下列原则确定:将每个电池组视为一个平面,根据真实温度传感器的数量对其面积进行均分,然后找出每块面积的几何中心,作为真实温度传感器的布置点。
10.如权利要求7所述的利用虚拟温度传感器对电池包温度场的估算修正方法,其特征在于,轻负荷工况时,a,b为5%,正常负荷工况时,a,b为4%,重负荷工况时,a,b为3%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011021366.9A CN112092676B (zh) | 2020-09-25 | 2020-09-25 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011021366.9A CN112092676B (zh) | 2020-09-25 | 2020-09-25 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112092676A CN112092676A (zh) | 2020-12-18 |
CN112092676B true CN112092676B (zh) | 2024-08-02 |
Family
ID=73756181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011021366.9A Active CN112092676B (zh) | 2020-09-25 | 2020-09-25 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112092676B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255205B (zh) * | 2021-04-02 | 2023-11-21 | 南京工程学院 | 基于电动汽车电池的生命周期成本和电池温度优化方法 |
CN113139338B (zh) * | 2021-04-15 | 2023-04-07 | 广州小鹏汽车科技有限公司 | 温度预测方法、温度预测装置和车辆 |
CN113255181A (zh) * | 2021-04-27 | 2021-08-13 | 北京航空航天大学 | 基于深度学习的传热学反问题识别方法及装置 |
CN113978311B (zh) * | 2021-10-15 | 2024-05-17 | 潍柴动力股份有限公司 | 一种电池温度修正方法、装置及电子设备 |
CN114624603A (zh) * | 2022-03-15 | 2022-06-14 | 哈尔滨工业大学(威海) | 一种基于机器学习的电池系统支路电流估计方法 |
CN115659790B (zh) * | 2022-10-13 | 2024-02-06 | 厦门宇电自动化科技有限公司 | 一种动力电池包的温度实时检测方法 |
CN116562184B (zh) * | 2023-04-18 | 2024-02-13 | 中南大学 | 一种热压罐成型工艺中模具温度场快速预测计算方法 |
CN117968889B (zh) * | 2024-04-01 | 2024-06-11 | 杭州高特电子设备股份有限公司 | 一种基于温度场分析的电池故障识别系统与方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106918787A (zh) * | 2017-03-20 | 2017-07-04 | 国网重庆市电力公司电力科学研究院 | 一种电动汽车锂电池剩余电荷估算方法及装置 |
CN107037366A (zh) * | 2016-12-02 | 2017-08-11 | 江苏富威能源有限公司 | 一种电力动车锂离子电池控制系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064180A (en) * | 1996-10-29 | 2000-05-16 | General Motors Corporation | Method and apparatus for determining battery state-of-charge using neural network architecture |
CN108128302B (zh) * | 2017-11-22 | 2019-10-29 | 吉林大学 | 用于混合动力汽车全局能量管理的电池荷电状态规划方法 |
CN108519556A (zh) * | 2018-04-13 | 2018-09-11 | 重庆邮电大学 | 一种基于循环神经网络的锂离子电池soc预测方法 |
-
2020
- 2020-09-25 CN CN202011021366.9A patent/CN112092676B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037366A (zh) * | 2016-12-02 | 2017-08-11 | 江苏富威能源有限公司 | 一种电力动车锂离子电池控制系统 |
CN106918787A (zh) * | 2017-03-20 | 2017-07-04 | 国网重庆市电力公司电力科学研究院 | 一种电动汽车锂电池剩余电荷估算方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112092676A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112092676B (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 | |
CN109987000B (zh) | 一种动力电池温度预测系统及方法 | |
CN108172930B (zh) | 电池包冷却控制方法、装置和电池包 | |
US9770997B2 (en) | Detection of imbalance across multiple battery cells measured by the same voltage sensor | |
CN100440614C (zh) | 一种实时估计镍氢动力电池内外温差的方法 | |
Lin et al. | Online parameterization of lumped thermal dynamics in cylindrical lithium ion batteries for core temperature estimation and health monitoring | |
CN111191366A (zh) | 一种基于液冷散热方式的动力电池温度预测模型及建模方法 | |
Soltani et al. | Three dimensional thermal model development and validation for lithium-ion capacitor module including air-cooling system | |
CN115032542A (zh) | 一种基于混合模型的储能系统电池热失控预判方法 | |
CN110501653B (zh) | 一种电芯温度获取方法、装置及车辆控制单元 | |
CN110764004A (zh) | 电池包热仿真的分析方法 | |
CN111600084A (zh) | 电池组发热量等效测试系统及测试方法 | |
CN113325327A (zh) | 基于内阻测试的动力电池瞬态产热率的测算方法 | |
CN114091404B (zh) | 一种锂离子电池的电-热模型 | |
CN114927803A (zh) | 电池温度的调节方法、装置、存储介质和车辆 | |
Lin et al. | Temperature estimation in a battery string under frugal sensor allocation | |
Liu et al. | Experimental study on lithium-ion cell characteristics at different discharge rates | |
CN118033426A (zh) | 一种温度预测方法 | |
Wang et al. | High-power charging strategy within key SOC ranges based on heat generation of lithium-ion traction battery | |
CN113971332A (zh) | 考虑电芯老化程度的电动汽车电池包温度场模型和方法 | |
CN113820603B (zh) | 一种预测锂电池组可输出能量的方法 | |
Tripathy et al. | Internal temperature prediction of Lithium-ion cell using differential voltage technique | |
CN114696005A (zh) | 一种动力电池的液冷系统的温差测试方法、系统及装置 | |
Sun et al. | Research on thermal equilibrium performance of liquid-cooled lithium-ion power battery system at low temperature | |
CN111211366A (zh) | 适用于超快速充电的锂离子电池组的热均衡方法 |
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 |