CN113659246B - 适应于极地超低温环境的电池系统及其控温方法 - Google Patents
适应于极地超低温环境的电池系统及其控温方法 Download PDFInfo
- Publication number
- CN113659246B CN113659246B CN202111218583.1A CN202111218583A CN113659246B CN 113659246 B CN113659246 B CN 113659246B CN 202111218583 A CN202111218583 A CN 202111218583A CN 113659246 B CN113659246 B CN 113659246B
- Authority
- CN
- China
- Prior art keywords
- temperature
- battery pack
- inner container
- heating device
- heat
- 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
- 238000010438 heat treatment Methods 0.000 claims abstract description 77
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000011478 gradient descent method Methods 0.000 claims abstract description 15
- 238000005265 energy consumption Methods 0.000 claims abstract description 8
- 238000009413 insulation Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 21
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 3
- 229910001220 stainless steel Inorganic materials 0.000 claims description 3
- 239000010935 stainless steel Substances 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 101150036841 minJ gene Proteins 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 4
- 238000004321 preservation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000859 sublimation Methods 0.000 description 1
- 230000008022 sublimation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
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
- H01M10/615—Heating or keeping warm
-
- 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
-
- 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
- H01M10/635—Control systems based on ambient temperature
-
- 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
- H01M10/65—Means for temperature control structurally associated with the cells
- H01M10/657—Means for temperature control structurally associated with the cells by electric or electromagnetic means
-
- 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
- H01M10/65—Means for temperature control structurally associated with the cells
- H01M10/657—Means for temperature control structurally associated with the cells by electric or electromagnetic means
- H01M10/6571—Resistive heaters
-
- 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
- H01M10/65—Means for temperature control structurally associated with the cells
- H01M10/658—Means for temperature control structurally associated with the cells by thermal insulation or shielding
-
- 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)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种适应于极地超低温环境的电池系统及其控温方法。其中电池系统包括:具有内胆和外胆的外壳以及安装于内胆内部的电池组,内胆与外胆之间形成真空隔热层,并且内胆的胆壁上设置有加热装置,加热装置受控地对内胆进行加热,并且控温方法包括:利用电池组的热平衡模型预测未来温度;将未来温度输入控温系统的评价函数;采用梯度下降法对评价函数进行求解,得到最优控制量序列;将最优控制量序列中首个序列值作为加热装置的实际控制量,并根据实际控制量控制加热装置进行加热。本发明的方法,减小了温度波动,温控精度好,消耗电能少。
Description
技术领域
本发明涉及电池系统,特别是涉及一种适应于极地超低温环境的电池系统及其控温方法。
背景技术
电池的有效工作温度范围是-30ºC~60ºC,图1是现有技术中电池不同温度下的放电曲线,如图1所示,L1-L6分别为25℃、0℃、-10℃、-20℃、-30℃、-40℃温度下的电池电压随时间的衰减曲线,由此可以看出,随温度降低,电池会出现内阻增大,放电速度快等问题,严重影响电池组的寿命。
极地由于其独特的地理位置和环境,其气象直接关系到全球气候、生态环境及人类的未来等重大问题。因此,需要通过气象站来持续不断地对极地的气象环境进行监测。其中南极作为世界上唯一还没有开发的大陆,其重要程度不言而喻。
但是,在南极建设气象站有许多其他气象站所没有的困难。首先南极的低温环境:南极洲的整体环境温度非常低,平均气温都低于零下,尤其是南极冰盖最高点Dome A地区,其全年气温范围在-25ºC~-90ºC,平均气温-55ºC,在这样的低温环境下对设备的安全性、可靠性提出了挑战。其二,无人值守的操作模式:中国目前在南极只有中山站和长城站为有人值守的考察站,在其它考察站,都处于无人值守的操作模式,考察队员安装完成气象站之后,至少要等到下一年才能对气象站进行维护。其三,极夜环境的影响:由于南极大部分地区处于南极圈以内,因为每年有1~6个月处于极夜环境,此时,利用太阳提供能量来源的电池板无法工作,气象站供电只能通过电池组来提供。
因此开发适应于极地超低温环境的电池系统,解决电池在超低温环境下可靠工作的问题成为极地研究亟待解决的课题。
发明内容
本发明的一个目的是要提供一种适应于极地超低温环境的电池系统及其控温方法。
本发明一个进一步的目的是要解决温度控制的时滞问题,提高温度控制的稳定性。
本发明另一个进一步的目的是要减小电池因环境温度变化导致的温度波动。
特别地,本发明提供了一种适应于极地超低温环境的电池系统的控温方法,其中电池系统包括:具有内胆和外胆的外壳以及安装于内胆内部的电池组,内胆与外胆之间形成真空隔热层,并且内胆的胆壁上设置有加热装置,加热装置受控地对内胆进行加热,并且控温方法包括:
利用电池组的热平衡模型预测未来温度;
将未来温度输入控温系统的评价函数;
采用梯度下降法对评价函数进行求解,得到最优控制量序列;
将最优控制量序列中首个序列值作为加热装置的实际控制量,并根据实际控制量控制加热装置进行加热。
可选地,利用电池组的热平衡模型预测未来温度的步骤包括:
对热平衡模型计算得到未来温度。
可选地,热平衡模型的方程为:
可选地,评价函数为:
为电池组的温度控制目标;为利用热平衡模型预测得到的k+i时刻的未
来温度;为预设的温度误差抑制权系数;为预设的控制能量消耗的权系数;为加热装置在k+j-1时刻的输出控制量,和分别为预设值,为评价函
数;
可选地,在将最优控制量序列中首个序列值作为加热装置的实际控制量的步骤之后还包括:
对电池组的环境温度进行预测,以确定未来设定时长内的环境温度变化;
根据环境温度变化对实际控制量进行补偿;并且
根据实际控制量控制加热装置进行加热的步骤包括:使用补偿后的实际控制量控制加热装置进行加热。
可选地,对电池组的环境温度进行预测的步骤包括:
使用BP神经网络对环境温度进行预测,BP神经网络利用电池组工作环境的历史温度数据训练得到。
可选地,电池组工作环境的历史温度数据通过对工作环境的气象监测数据和遥感数据融合得到。
可选地,根据环境温度变化对实际控制量进行补偿的步骤包括:
计算环境温度变化导致的加热量;
根据加热量计算控制补偿值;
利用控制补偿值对实际控制量进行补偿。
根据本发明的另一个方面,提供了一种适应于极地超低温环境的电池系统,其包括:
外壳,具有内胆和外胆,内胆与外胆之间形成真空隔热层;
电池组,安装于内胆内部;
加热装置,设置于内胆的胆壁上,并配置成受控地对内胆进行加热;
控制器,控制器包括存储器和处理器,其中存储器存储有机器可执行程序,机器可执行程序被处理器执行时实现上述任一种控温方法。
可选地,内胆和外胆由不锈钢材质制成;
内胆内部由真空隔板分隔为第一内腔和第二内腔,第一内腔用于布置电池组以及仪器主板,并且供电电池组通过第一内腔上设置的真空插座向外供电;第二内腔用于布置防护电池组,防护电池组用于向加热装置供电;加热装置为贴附于内胆外壁上的加热膜。
本发明的适应于极地超低温环境的电池系统及其控温方法,通过热平衡模型预测未来温度,并采用梯度下降法对所述评价函数进行求解,得到最优控制量序列,从而可以针对电池组的热惯量控制加热装置进行加热,温控精度好,消耗电能少。
进一步地,本发明的适应于极地超低温环境的电池系统及其控温方法,还可以对电池组的环境温度变化进行预测,补偿环境温度波动对温度保持的影响,进一步提高了温度的稳定性。
更进一步地,本发明的适应于极地超低温环境的电池系统通过结构改进,减小了热量扩散,从而节省能量消耗。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是现有技术中电池不同温度下的放电曲线;
图2是根据本发明一个实施例的适应于极地超低温环境的电池系统的示意框图;
图3是现有常规的温控方案中温度期望曲线与温度预测曲线的对比图;
图4是根据本发明一个实施例的适应于极地超低温环境的电池系统的控温方法的示意图;
图5是根据本发明一个实施例的适应于极地超低温环境的电池系统的控温方法中对未来30分钟气温的预测结果示意图;
图6是根据本发明一个实施例的适应于极地超低温环境的电池系统的控制示意图;
图7是根据本发明另一实施例的适应于极地超低温环境的电池系统的控温方法的示意图;以及
图8是根据本发明一个实施例的适应于极地超低温环境的电池系统中控制器的示意图。
具体实施方式
图2是根据本发明一个实施例的适应于极地超低温环境的电池系统的示意框图。该电池系统10一般性地可包括:外壳110、电池组220、加热装置310。外壳具有内胆112和外胆111,内胆112与外胆111之间形成真空隔热层113。电池组220安装于内胆112内部。加热装置310设置于内胆112的胆壁上,并配置成受控地对内胆112进行加热。
内胆112和外胆111可以均由不锈钢材质制成。内胆112内部由真空隔板115分隔为第一内腔116和第二内腔117,第一内腔116用于布置电池组220以及仪器主板320,并且电池组220可以通过第一内腔116上设置的真空插座114向外供电;第二内腔117用于布置防护电池组210,防护电池组210用于向加热装置310供电。加热装置310可以为贴附于内胆112外壁上的加热膜。
本实施例的电池系统主要用于户外观测仪器供电,尤其是用于对于极地(南极)的超低温环境的气象观测设备供电。内胆112与外胆111之间的真空隔热层113,可以保证内胆与外界空气隔绝,减少热传导。第一内腔116和第二内腔117可以上下布置,下层的第一内腔116用于安装电池组220以及仪器主板320。仪器主板320可以为气象观测设备的主板。电池组220向气象观测一起以及数据采集存储设备等供电。内胆112与外界通过真空插座114连接,保证真空度。上层的第二内腔117用于布置防护电池组210,防护电池组210主要用于为加热装置310供电,实现温度控制。上述构造构成了被动温控系统,尽量减少了电池组220与外界热量交换。
电池系统10可以深埋入地下,例如埋入雪层1.5-2m。利用积雪的低导热性减少了电池组与周边环境的能量交换,有效地保持了电池组的温度。
电池系统10还利用加热装置310构成了主动温控系统,通过主动加热,保证电池组220的正常工作温度。加热装置310受控地对内胆112进行加热,其工作原理如下:
现有常规的温控方案是采用阈值控制的方式,预先设置下阈值以及上阈值。即当温度下降,并且低于下阈值时开始加热。加热后温度上升,当温度上升超过上阈值时停止加热,加热功率是恒定的。但是这种保温方式会造成电池组的温度波动大。图3是现有常规的温控方案中温度期望曲线与温度预测曲线的对比图。如图3所示,温度期望曲线L3-1与温度预测曲线L3-2均存在明显的波动。而电池组温度波动不但会影响电池的寿命,同时也增加了保温功率的消耗。另外一种现有的温控方案是采用PID(比例-积分-微分)控制,采用可调电源的保温方式。但是这种方案需要比较长时间的调试过程,而且电池组的热惯量也会导致温度的波动。
除了保温方式对电池组的温度控制有影响外,外部环境也会影响到电池组的温度保持。即使将电池组深埋在地下,雪层仍然存在能量传递,雪层中热量传递主要有三种方式:1、通过冰颗粒(晶格)的传导;2、通过孔隙间的空气进行传导;3、蒸气的冷凝和升华通过孔隙空间的潜热传导。而且环境温度是影响雪导热系数变化的因素之一。雪层的热传导会导致电池组外壳的温度变化,进而影响到电池组的温度稳定性。
为了抑制电池组热惯量和环境温度对电池组温度控制的影响,本实施例还提供了一种适应于极地超低温环境的电池系统的控温方法。针对电池组的热惯量控制加热装置进行加热,温控精度好,消耗电能少。图4是根据本发明一个实施例的适应于极地超低温环境的电池系统的控温方法的示意图,该控温方法包括:
步骤S402,利用电池组的热平衡模型预测未来温度;
步骤S404,将未来温度输入控温系统的评价函数;
步骤S406,采用梯度下降法对评价函数进行求解,得到最优控制量序列;
步骤S408,将最优控制量序列中首个序列值作为加热装置的实际控制量,并根据实际控制量控制加热装置进行加热。
步骤S402可以包括:获取电池组的热相关参数,热相关参数包括比热容、质量、以及热阻;持续检测电池组的温度以及环境温度,分别得到多个采样时刻的
数值;将电池组的热相关参数作为热平衡模型的参数,并将电池组的温度以及环境温度当前时刻值输入热平衡模型;对热平衡模型计算得到未来温度。
电池组在加热功率的作用下,温度上升过程由公式(1)所示:
式(1)中为比热容,指没有相变化和化学变化时,1kg均匀物质温度升高1K所需的
热量,单位是焦耳每千克开尔文J/(kg·K);为电池组重量,单位为kg;为加热过程中设
备吸收的热量,单位是J;为电池组温度,单位是ºC。当对加热装置开始加热时,加热功率
由公式(2)所示:
根据电池组的热平衡特性,结合公式(1)和公式(2)可以得到:
将式(3)离散化,可以得到热平衡模型的方程,如公式(4)所示:
在公式(5)中,为电池组的温度控制目标;为利用热平衡模型预测得到的
k+i时刻的未来温度;为预设的温度误差抑制权系数;为预设的控制能量消耗的权系
数;为加热装置在k+j-1时刻的输出控制量,和分别为预设值,为评价
函数。
进一步考虑到现场气温波动会对电池组温度产生影响,从控制系统设计的角度看,气温波动对电池组温度的影响可以看作是干扰因素。本实施例的控温方法还通过前馈控制补偿气温波动对温度控制的影响。因此还需预测未来一段时间内的气温变化,从而可以提前采取措施抑制气温波动的影响。
对气温进行预测的方法主要有回归预测,多元统计分析等方法。由于气温具有非平稳性和随机性的特点,传统的预测方法存在精度不足的问题。为了提高气温预测的精度,本实施例还提出了利用机器学习的方法来对气温进行预测,从而满足气温高动态变化,非平稳的特点。
一种可选的方式为:在将最优控制量序列中首个序列值作为加热装置的实际控制量的步骤之后还包括:对电池组的环境温度进行预测,以确定未来设定时长内的环境温度变化;根据环境温度变化对实际控制量进行补偿;并且根据实际控制量控制加热装置进行加热的步骤包括:使用补偿后的实际控制量控制加热装置进行加热。
对电池组的环境温度进行预测采用利用机器学习中的BP神经网络的方式进行,具体可以包括:使用BP神经网络对环境温度进行预测,BP神经网络利用电池组工作环境的历史温度数据训练得到。其中,电池组工作环境的历史温度数据通过对工作环境的气象监测数据和遥感数据融合得到。遥感数据可以弥补气象监测数据的不足,保证BP神经网络训练模型的完整性。利用机器学习中的BP神经网络对气温参数进行预测,主要目标是预测未来一段时间(30分钟)的气温变化,从而为控制系统提供参考。
BP神经网络对气温进行预测的第一步是利用对现场此前一定时长(例如一整年)的气温数据对BP神经网络进行训练,上述历史气温数据可以通过以前安装在南极现场的气象站完成的监测数据和遥感数据融合得到。最终选用BP神经网络的网络架构是输入层神经元为30,隐层14,输出层为6,此外,BP神经网络的激活函数为Sigmoid函数,目标函数是均方误差,优化算法用梯度下降法。本领域技术人员应该了解上述具体的参数均为例举,在实际使用时可以根据需要进行适当调整。
图5是根据本发明一个实施例的适应于极地超低温环境的电池系统的控温方法中对未来30分钟气温的预测结果示意图。通过对图5进行统计,气象预测误差为0.315℃,其准确程度符合预期,满足了预测气温波动的要求。
根据环境温度变化对实际控制量进行补偿的步骤可以包括:计算环境温度变化导致的加热量;根据加热量计算控制补偿值;利用控制补偿值对实际控制量进行补偿。环境温度变化导致的加热量的计算公式如公式(6)所示:
在公式(5)中,为各向同性的固体材料x轴方向的截面积,材料沿x轴方向的
温度变化率,在时间内沿x轴正方向传过截面上的热量,为热导率(或导热系数),
单位为W/(mK)。通过定义电池组的x轴方向,即可确定温度变化率导致热量,并进一步使用对确定计算控制补偿值,从而对实际控制量进行补偿。
上述适应于极地超低温环境的电池系统,采用真空手段,并且深埋地下,利用被动温控系统大幅减少了电池组的散热,减少了热量消耗。控温方法一方面利用模型预测控制解决了电池组大温度惯量带来的温度控制的时滞问题,提高了温度控制的稳定性;另一方面利用现场实测的整年气温数据训练模型;利用BP神经网络训练得到气温未来一定时间的预测模型,结合气象站得到的环境温度,利用前馈控制来补偿气温波动的影响,从而提升了电池的温度平稳性。
图6是根据本发明一个实施例的适应于极地超低温环境的电池系统的控制示意
图。电池组的温度作为控制器的反馈量,通过热平衡模型预测未来温度,采用梯度下降法对
评价函数进行求解,得到反馈控制输出的最优控制量序列。BP神经网络对环境温度进行预
测得到的温度波动作为控制器的前馈控制输入,对实际控制量进行补偿。最终得到向加热
装置提供的供电电压,由加热装置对电池组加热,实现了减小电池温度波动以及尽量
减少加热电能消耗。
图7是根据本发明另一实施例的适应于极地超低温环境的电池系统的控温方法的示意图,该实施例的控温方法为图6所示的控制过程的执行流程,并且具体包括:
步骤S702,利用电池组的热平衡预算模型预测未来温度;
步骤S704,将未来温度输入控温系统的优化评价函数;
步骤S706,采用梯度下降法对优化评价函数进行求解,得到最优控制量序列;
步骤S708,将最优控制量序列中首个序列值作为加热装置的实际控制量。
上述步骤S702至步骤S708与上述步骤S402至步骤S408中确定实际控制量的过程一致,并且在步骤S508之后进一步包括:
步骤S710,对电池组的环境温度进行预测,以确定未来设定时长内的环境温度变化;
步骤S712,根据环境温度变化对实际控制量进行补偿;
步骤S714,使用补偿后的实际控制量控制加热装置进行加热。
步骤S710至步骤S712的步骤使用上述介绍的机器学习中的BP神经网络对环境温度进行预测的方式进行。
图8是根据本发明一个实施例的适应于极地超低温环境的电池系统中控制器的示意图。控制器400包括存储器420和处理器410,其中存储器420存储有机器可执行程序421,机器可执行程序421被处理器410执行时实现上述任一种控温方法。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。
就本实施例的描述而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器420中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (7)
1.一种适应于极地超低温环境的电池系统的控温方法,其中所述电池系统包括:具有内胆和外胆的外壳以及安装于所述内胆内部的电池组,所述内胆与所述外胆之间形成真空隔热层,并且所述内胆的胆壁上设置有加热装置,所述加热装置受控地对所述内胆进行加热,并且所述控温方法包括:
利用所述电池组的热平衡模型预测未来温度;
将所述未来温度输入控温系统的评价函数;
采用梯度下降法对所述评价函数进行求解,得到最优控制量序列;
将所述最优控制量序列中首个序列值作为所述加热装置的实际控制量,并根据所述实际控制量控制所述加热装置进行加热,
所述利用所述电池组的热平衡模型预测未来温度的步骤包括:
对所述热平衡模型计算得到所述未来温度,热平衡模型的方程为:
r为电池组的温度控制目标;y(k+i)为利用所述热平衡模型预测得到的所述k+i时刻的
未来温度;为预设的温度误差抑制权系数;为预设的控制能量消耗的权系数;Δu(k+j-
1)为所述加热装置在k+j-1时刻的输出控制量,P和M分别为预设值,J(k)为评价函数;
所述采用梯度下降法对所述评价函数进行求解的步骤包括:采用梯度下降法求解J(k)的最小值minJ (k),得到minJ (k)对应的最优控制量序列u(k+i)。
2.根据权利要求1所述的适应于极地超低温环境的电池系统的控温方法,其中在所述将所述最优控制量序列中首个序列值作为所述加热装置的实际控制量的步骤之后还包括:
对所述电池组的环境温度进行预测,以确定未来设定时长内的环境温度变化;
根据所述环境温度变化对所述实际控制量进行补偿;并且
所述根据所述实际控制量控制所述加热装置进行加热的步骤包括:使用补偿后的所述实际控制量控制所述加热装置进行加热。
3.根据权利要求2所述的适应于极地超低温环境的电池系统的控温方法,其中,对所述电池组的环境温度进行预测的步骤包括:
使用BP神经网络对所述环境温度进行预测,所述BP神经网络利用所述电池组工作环境的历史温度数据训练得到。
4.根据权利要求3所述的适应于极地超低温环境的电池系统的控温方法,其中,
所述电池组工作环境的历史温度数据通过对所述工作环境的气象监测数据和遥感数据融合得到。
5.根据权利要求2所述的适应于极地超低温环境的电池系统的控温方法,其中,根据所述环境温度变化对所述实际控制量进行补偿的步骤包括:
计算所述环境温度变化导致的加热量;
根据所述加热量计算控制补偿值;
利用所述控制补偿值对所述实际控制量进行补偿。
6.一种适应于极地超低温环境的电池系统,包括:
外壳,具有内胆和外胆,所述内胆与所述外胆之间形成真空隔热层;
电池组,安装于所述内胆内部;
加热装置,设置于所述内胆的胆壁上,并配置成受控地对所述内胆进行加热;
控制器,所述控制器包括存储器和处理器,其中所述存储器存储有机器可执行程序,所述机器可执行程序被处理器执行时实现根据权利要求1至5中任意一项所述的控温方法。
7.根据权利要求6所述的适应于极地超低温环境的电池系统,其中
所述内胆和所述外胆由不锈钢材质制成;
所述内胆内部由真空隔板分隔为第一内腔和第二内腔,所述第一内腔用于布置所述电池组以及仪器主板,并且所述电池组通过所述第一内腔上设置的真空插座向外供电;所述第二内腔用于布置防护电池组,所述防护电池组用于向所述加热装置供电;
所述加热装置为贴附于所述内胆外壁上的加热膜。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111218583.1A CN113659246B (zh) | 2021-10-20 | 2021-10-20 | 适应于极地超低温环境的电池系统及其控温方法 |
PCT/CN2022/089330 WO2023065626A1 (zh) | 2021-10-20 | 2022-04-26 | 适应于极地超低温环境的电池系统及其控温方法 |
EP22882251.6A EP4287358A1 (en) | 2021-10-20 | 2022-04-26 | Battery system suitable for ultralow temperature environment of polar regions, and temperature control method therefor |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111218583.1A CN113659246B (zh) | 2021-10-20 | 2021-10-20 | 适应于极地超低温环境的电池系统及其控温方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113659246A CN113659246A (zh) | 2021-11-16 |
CN113659246B true CN113659246B (zh) | 2022-01-25 |
Family
ID=78484288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111218583.1A Active CN113659246B (zh) | 2021-10-20 | 2021-10-20 | 适应于极地超低温环境的电池系统及其控温方法 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4287358A1 (zh) |
CN (1) | CN113659246B (zh) |
WO (1) | WO2023065626A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113659246B (zh) * | 2021-10-20 | 2022-01-25 | 中国气象科学研究院 | 适应于极地超低温环境的电池系统及其控温方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462847A (zh) * | 2014-12-23 | 2015-03-25 | 哈尔滨工业大学 | 一种电池内部温度实时预测方法 |
CN113112077A (zh) * | 2021-04-14 | 2021-07-13 | 太原理工大学 | 基于多步预测深度强化学习算法的hvac控制系统 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012205928A1 (de) * | 2012-04-12 | 2013-10-17 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Lokalisieren eines Defekts in einem elektrochemischen Speicher und Defektlokalisierungssystem |
US10780786B2 (en) * | 2012-09-24 | 2020-09-22 | Robert Del Core | Adaptive thermal management of an electric energy storage method and system apparatus |
CN104409788B (zh) * | 2014-11-24 | 2016-06-29 | 哈尔滨工业大学 | 一种低温环境下预热充电损耗最优化电池组充电方法 |
CN104614677B (zh) * | 2015-01-12 | 2017-06-23 | 南京工业大学 | 一种锂离子电池热失控反应热的估算方法 |
US10224579B2 (en) * | 2015-12-31 | 2019-03-05 | Robert Bosch Gmbh | Evaluating capacity fade in dual insertion batteries using potential and temperature measurements |
CN106526493B (zh) * | 2016-11-01 | 2018-11-23 | 北京理工大学 | 动力电池外部短路故障诊断及温升预测方法和系统 |
CN106532187B (zh) * | 2016-11-08 | 2018-11-06 | 哈尔滨理工大学 | 一种基于电池健康状态的电池加热方法 |
KR20180057046A (ko) * | 2016-11-21 | 2018-05-30 | 삼성전자주식회사 | 배터리 온도 제어 방법 및 장치 |
CN106872904B (zh) * | 2017-02-23 | 2019-02-26 | 合肥工业大学 | 基于离散滑模观测器的锂电池内部温度估计方法 |
CN107842908B (zh) * | 2017-09-26 | 2020-01-03 | 国网浙江省电力公司杭州供电公司 | 一种基于环境参数补偿的实时供热负荷控制方法 |
CN108054466B (zh) * | 2017-11-28 | 2019-10-15 | 上海交通大学 | 极寒环境下锂离子动力电池组供电保障系统 |
CN108008314B (zh) * | 2017-11-30 | 2020-02-18 | 北京新能源汽车股份有限公司 | 动力电池系统的热平衡测试方法和装置 |
CN209447853U (zh) * | 2019-04-26 | 2019-09-27 | 杭州威宏能源科技有限公司 | 一种应急电源的超低温电池 |
CN110492026A (zh) * | 2019-06-28 | 2019-11-22 | 淄博火炬能源有限责任公司 | 锂离子电池模组热平衡管理系统及其使用方法 |
CN110456274A (zh) * | 2019-08-29 | 2019-11-15 | 清华大学 | 电池脉冲加热温升速率估计方法 |
CN111208437A (zh) * | 2020-03-02 | 2020-05-29 | 北京理工大学 | 一种动力电池融合建模方法 |
CN111624502A (zh) * | 2020-04-17 | 2020-09-04 | 北京航空航天大学 | 一种极端环境温度锂离子电池老化试验装置 |
CN111999651B (zh) * | 2020-07-20 | 2023-06-06 | 武汉数值仿真技术研究院有限公司 | 一种纯电动汽车用锂离子电池的功率性能测试方法 |
CN112083334A (zh) * | 2020-08-11 | 2020-12-15 | 昆明理工大学 | 一种基于数据驱动的锂离子电池荷电状态估计方法 |
CN112687986B (zh) * | 2021-01-29 | 2022-09-23 | 无锡奥润汽车技术有限公司 | 一种电动汽车的电池系统 |
CN112946484B (zh) * | 2021-02-07 | 2022-12-23 | 中南大学 | 一种基于bp神经网络的soc估计方法、系统、终端设备及可读存储介质 |
CN113178643B (zh) * | 2021-03-16 | 2022-05-03 | 中国科学院电工研究所 | 锂离子电池低温直流放电的混合加热方法、系统及设备 |
CN113224412B (zh) * | 2021-03-31 | 2023-01-06 | 联合汽车电子有限公司 | 动力电池的控温方法、ampc控制器、热管理系统及介质 |
CN113128110B (zh) * | 2021-04-12 | 2022-04-01 | 吉林大学 | 智能网联电动汽车高寒地区动力电池热管理优化方法 |
CN113281655B (zh) * | 2021-05-20 | 2022-03-04 | 中南大学 | 一种低温环境下动力电池内部加热预测控制方法及装置 |
CN113659246B (zh) * | 2021-10-20 | 2022-01-25 | 中国气象科学研究院 | 适应于极地超低温环境的电池系统及其控温方法 |
-
2021
- 2021-10-20 CN CN202111218583.1A patent/CN113659246B/zh active Active
-
2022
- 2022-04-26 EP EP22882251.6A patent/EP4287358A1/en active Pending
- 2022-04-26 WO PCT/CN2022/089330 patent/WO2023065626A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462847A (zh) * | 2014-12-23 | 2015-03-25 | 哈尔滨工业大学 | 一种电池内部温度实时预测方法 |
CN113112077A (zh) * | 2021-04-14 | 2021-07-13 | 太原理工大学 | 基于多步预测深度强化学习算法的hvac控制系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2023065626A1 (zh) | 2023-04-27 |
CN113659246A (zh) | 2021-11-16 |
EP4287358A1 (en) | 2023-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gholamibozanjani et al. | Model predictive control strategy applied to different types of building for space heating | |
JP5931281B2 (ja) | 空調システム制御装置 | |
KR100830095B1 (ko) | 냉방부하 예측방법 | |
JP5572799B2 (ja) | 空調システム制御装置 | |
CN107732897B (zh) | 融合虚拟储能系统的楼宇微网模型预测调控方法 | |
US10378805B2 (en) | Model predictive control for heat transfer to fluids | |
US11085892B2 (en) | Determination of the thermal resistance of a wall | |
CN113659246B (zh) | 适应于极地超低温环境的电池系统及其控温方法 | |
TW201507309A (zh) | 電力負載監控及預測系統及其方法 | |
CN110617671A (zh) | 制冷设备的控制方法及系统、制冷设备和可读存储介质 | |
US9453653B2 (en) | Air conditioning system using deep seawater | |
CN115129095A (zh) | 一种变电站错峰调温方法 | |
JP2017003192A (ja) | エネルギー管理装置、エネルギー管理方法及びエネルギー管理プログラム | |
CN114784811A (zh) | 电力需求响应方法和装置 | |
Xu et al. | Cooling performance of encapsulated ice plates used for the underground refuge chamber | |
CN207067820U (zh) | 一种光电倍增管温度控制装置 | |
CN112682834A (zh) | 基于相变储能围护结构隔热的碳纤维智慧供热方法及系统 | |
CN107462276A (zh) | 一种空间膜蒸发器性能测试系统 | |
CN113342099B (zh) | 用于混凝土分区网格化温湿度智能调控的系统和方法 | |
KR102329293B1 (ko) | 건물의 각 실별 실시간 냉방 및 난방 필요 열량 계산 알고리즘을 탑재한 자동제어 연동형 시설물 관리 시스템 | |
FI129397B (en) | Device, method and computer program product for regulating conditions in buildings | |
CN209857502U (zh) | 一种智能控温系统 | |
CN112701755A (zh) | 离网光伏系统剩余发电功率利用方法、离网光伏系统 | |
CN116914302B (zh) | 电池包防凝露方法和装置 | |
Gholamibozanjani et al. | 4.3 Model Predictive |
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 |