CN113928182A - 基于全局交通信息的混合动力汽车电池热管理优化系统 - Google Patents
基于全局交通信息的混合动力汽车电池热管理优化系统 Download PDFInfo
- Publication number
- CN113928182A CN113928182A CN202111459210.3A CN202111459210A CN113928182A CN 113928182 A CN113928182 A CN 113928182A CN 202111459210 A CN202111459210 A CN 202111459210A CN 113928182 A CN113928182 A CN 113928182A
- Authority
- CN
- China
- Prior art keywords
- battery
- bat
- soc
- control
- temperature
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 72
- 238000001816 cooling Methods 0.000 claims abstract description 106
- 230000000694 effects Effects 0.000 claims abstract description 17
- 238000005265 energy consumption Methods 0.000 claims abstract description 14
- 230000009471 action Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 9
- 239000007789 gas Substances 0.000 claims description 41
- 239000007788 liquid Substances 0.000 claims description 40
- 238000012546 transfer Methods 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 11
- 239000000110 cooling liquid Substances 0.000 claims description 10
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 239000002826 coolant Substances 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000012809 cooling fluid Substances 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 13
- 230000008878 coupling Effects 0.000 abstract description 10
- 238000010168 coupling process Methods 0.000 abstract description 10
- 238000005859 coupling reaction Methods 0.000 abstract description 10
- 238000011217 control strategy Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010048669 Terminal state Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000000112 cooling gas Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
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
- B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
- B60L58/26—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries by cooling
-
- 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
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
一种基于全局交通信息的混合动力汽车电池热管理优化系统，属于混合动力汽车电池优化控制领域。本发明的目的是设计一个利用全局车速信息，得到全局的动力电池需求功率，通过控制不同冷却方式的作用效果，既保证了电池温度可以降低至合理范围内，又使电池冷却耗能减少的基于全局交通信息的混合动力汽车电池热管理优化系统。本发明首先获得电池需提供的全局驱动功率信息，然后建立面向控制的混合动力汽车电池热管理系统模型，再建立混合动力汽车电池热管理优化。本发明解决了电池模型能量与热量耦合建模难的问题，并且可以同时满足两者需求，更深一步挖掘了混合动力汽车电池热管理系统的节能空间，温度控制策略提升了45.96%的电池热管理系统经济性，进一步挖掘了混合动力汽车电池热管理系统的节能空间。
Description
技术领域
本发明属于混合动力汽车电池优化控制领域。
背景技术
随着全球机动车的保有量持续增加，化石资源开采的有限性和环境污染问题的严重性逐渐显露，资源节约和环境保护成为当今汽车研发的主题。混合动力汽车作为一种具有汽油发动机和电池协同供能系统的新型汽车，相比于传统内燃机汽车，能源利用率更高，更加环保，因此，混合动力汽车已经成为当今汽车产业的研发重点。
由于混合动力汽车由发动机和电池协同供能，因此混合动力汽车的一大优势在于驾驶模式的切换。汽车在起步阶段或低速行驶工况时，仅利用电池驱动电机，以纯电动汽车模式行驶，在该阶段不会排放污染环境的尾气。而汽车速度较高时，才会启动汽车发动机。在车辆制动时，一部分动能还会由电机反馈给电池，给电池充电。
混合动力汽车的动力电池虽然作为混合动力汽车的动力源之一，但针对混合动力汽车上动力电池的能量热量耦合研究目前处于一种缺失的状态。
由于电池受温度影响较大，电池在低温环境下难以产生足够的功率，因为低温时电池可用能量会减少。而夏季外界气温较高时，电池一直处于高温状态会严重降低电池寿命，严重则可能会引起爆炸严重事故。因此，电池温度一般维持在20℃～35℃，以此提高电池的健康状态(State of Health,SOH)以确保电池的安全，寿命以及持续供电。维持温度时的冷却系统节能问题成为必要，我们倾向于将电池更多的能量用于驱动电机对车辆进行能量供给，用于冷却电池的能量更少。
专利CN109228963A公开了一种基于规则的电池包控温策略，该策略针对北方冬季温度较低时电池效率低的问题，在电池包温度低于设定温度，开启加热装置；反之，则关闭。但是，该发明仅考虑了电池的温度，并未考虑节能，未对冷却系统能量进行优化管理。另外，该发明难以克服电池热惯性大的问题，若将加热系统开启阈值调高，则会增大热管理功耗，降低电池效率。
专利CN111555001A公开了一种混合动力汽车的电池冷却系统及其控制系统。该发明通过控制进风口和出风口的温度，利用BP神经网络改变所设计系统的冷却控制等级，维持电池温度在合理的范围。该发明仅从结构上对电池冷却系统进行设计，一定程度提高了电池的冷却效率，但优化算法并未考虑到电池提供的牵引力功率与电池温度变化之间的关系，难以解决电池能量与热量系统存在强耦合的问题。
专利CN107230812A公开了一种混合动力汽车动力电池的冷却系统控制方法，该系统分为液体冷却模式，气体冷却模式以及压缩机制冷模式，通过不同模式的切换达到冷却的目的。该发明虽然考虑了节能设计，但并未采用优化算法对于能量进行合理优化。
综上所述，目前已公开的专利针对混合动力汽车动力电池的热管理系统的研究基本都处于结构优化设计层面，具体的热管理模式切换方式也大都集中在基于规则的优化设计。基于规则的优化策略仅仅是不同冷却方式“开”与“关”的简单策略，虽然可以使电池达到合理温度范围，但浪费了许多不必要的能量，难以使电池系统的经济性达到最优。因此，为了同时兼顾电池系统的温度需求和经济性需求，更深层次地挖掘混合动力汽车电池的节能潜力，克服电池能量热量存在强耦合的矛盾，如何设计一种针对满足电池温度需求的混合动力汽车电池热管理系统的能量优化策略成为目前亟待解决的难题。
主要的挑战和问题包括：1、电池热管理系统能量与热量存在较强的耦合关系，建模较为复杂，如何建立一个合适的状态方程可以同时控制能量与热量成为一个挑战；2、针对电池热惯性大的特点，如何选择一个合适的优化算法可以通过调节不同冷却方式的作用效果，使电池降温的同时，达到使电池节能的目的也是一个挑战。
发明内容
本发明的目的是设计一个利用全局车速信息，得到全局的动力电池需求功率，通过控制不同冷却方式的作用效果，既保证了电池温度可以降低至合理范围内，又使电池冷却耗能减少的基于全局交通信息的混合动力汽车电池热管理优化系统。
本发明的步骤是：
S1、将全局车速信息输入到混合动力汽车的高仿真模型中，得到电池需提供的全局驱动功率信息；
S2、建立面向控制的混合动力汽车电池热管理系统模型。建立液体冷却模型，气体冷却模型和电池模型，根据热量传递方程及电量方程输出电池温度和电池荷电状态；
S201、气体冷却系统模型
气体冷却管道流入电池的气体质量流量
由车速v与气体冷却控制系数λfan二者数值查表得出，由高仿真模型辨识得到MAP图
气体冷却所需风扇功率Pfan由式(2)得出
Pfan＝λfan·Pfam,max (2)
其中，Pfam,max为风扇的最大功率；
电池对外界空气传热率
为
其中，Cair为空气热容，Tbat为电池温度，Tcab为驾驶舱温度，hair为空气的传热系数，Aair为空气与电池的接触面积；
S202、液体冷却系统模型
液体冷却管道流经电池的冷却液的质量流量
由液体冷却控制系数λpump与冷却液最大质量流量
得出
液体冷却所需水泵功率Ppump由式(5)得出
Ppump＝λpump·Ppump,max (5)
其中，Ppump,max为水泵的最大功率；
电池对冷却液传热率
为
其中，Cliq为冷却液热容，Tliq为冷却液温度，hliq为冷却液的传热系数，Aliq为冷却液与电池的接触面积；
S203、电池模型
等效电路由开环电压UOC和内部电阻Rbat组成，其中充放电电流Ibat表示为
Ibat＝(Pbat+Pfan+Ppump)/Ubat (7)
外电压Ubat表示为
Ubat＝Uoc-IbatRbat (8)
其中，开路电压UOC和内阻Rbat受蓄电池温度和SOC的影响，它们的值可以通过离线测试获得，通过查表插值获得UOC和Rbat的实际值；
由式(7)与式(8)得出充放电电流Ibat
充放电状态SOC表示为
其中，Cnom为电池总电荷量；
电池模块周围流动的气体和液体产生的热量和发散的热量对电池温度的影响，该方程由热力平衡方程推得
其中，Cbat为电池热容量，mbat为电池质量；
S3、建立混合动力汽车电池热管理优化问题描述。选取合适的控制输入量，建立热管理优化问题描述，确定该优化问题的状态量及控制量约束；
S301、建立能量热量优化管理
选取混合动力汽车的动力电池的SOC和电池的温度Tbat作为状态变量，设置控制量为气冷回路与液冷回路的控制系数λfan和λpump，状态方程为：
满足系统终端约束的条件下最小化全局时间范围内[t0,tf]电池热管理的累计能耗：
其中,J是满足系统终端约束的条件下的混合动力汽车电池热管理累计能耗，t0是预测时域的起始时间，tf是预测时域的终止时间，λfan和λpump是控制输入变量。状态变量x＝[SOC Tbat]T，控制输入u＝[λfan λpump]T；
S302、确定优化问题的约束条件
1)需要满足电池温度的动态方程及安全约束：
其中，Tbat，max是保证电池安全的最高温度，Tbat，min是保证电池安全的最低温度，Tbat(k)是混合动力汽车电池在k时刻的温度，Tbat_init为电池的初始温度，Tbat_aim为电池目标温度；
2)需要满足电池的SOC的动态方程及状态约束：
其中，SOC(k)为k时刻的电池SOC值，SOCmin是电池SOC的最小值，SOCmax是电池SOC的最大值，SOCinit是电池在初始时刻的SOC值；
3)需要满足气体冷却控制系数λfan和液体冷却控制系数λpump约束：
其中，作为控制量输入的气体冷却控制系数λfan和液体冷却控制系数λpump取值为0～1之间；
S303、划分系统状态变量及控制变量的网格
对状态量和控制量进行网格的划分，将状态量混合动力汽车电池SOC从0.2开始以每格0.01的增幅递增至0.9；状态量电池温度Tbat从15℃开始，每格1℃的增幅递增至35℃，共划分出71×21个网格；控制变量λfan从0开始，每格0.1的增幅递增至1；控制变量λpump从0开始，每格0.5的增幅递增至1，共划分出3×3个网格；
S304、计算代价函数
在控制变量u(k)的作用下，状态变量x(k)会经状态转移方程计算后得到新的状态变量x(k+1)，从初始时刻开始，每个控制变量网格均作用在状态变量网格上，得到下一时刻的状态变量值，根据这些状态变量值及控制变量值，得到每一时刻的对应不同控制变量值的代价函数J(k)，同时新的控制变量再次作用在状态变量网格上得到下一时刻对应的代价成本J(k+1)，如此循环，直到整个驾驶循环工况计算结束，具体的代价J(k)＝Pfan(λfan(k))+Ppump(λpump(k))得到，随后将每一次从前向后的循环迭代计算得到的代价存储在网格中；
S305、确定每一时刻的最小代价
确定终端时刻k＝N+1状态变量的值，其中状态量电池温度Tbat，取值为Tbat_aim，状态量电池的SOC的终端约束设为一个较大的范围量，上述两个状态量即x(N+1)，对应终端目标函数J(N+1)＝0，则由终端开始的上一时刻开始有如下的迭代关系：
其中，J*(k)表示第k时刻，状态量为x(k+1)时的电池冷却总功率最小值。L(x(k),u(k))表示在第k时刻，状态变量为x(k)在控制输入为u(k)作用后得到的电池冷却所需总功率，即状态转移成本，J*(k+1)为上一时刻系统状态变量为x(k+1)时的电池冷却总功率最小值，从每一时刻选取使得代价成本函数最小值时对应的控制量的值；
S306、确定最优决策
确定最优控制序列则是从前到后进行迭代，首先在k＝1时刻给状态变量一个初始值x*(1)(SOC(1)＝SOC(t0)＝SOCinit，Tbat(1)＝Tbat(t0)＝Tbat_init)，该状态量初始值与状态量网格插值得出该时刻对应代价函数最小的系统控制输入值u*(1)，再将该控制输入作用于状态初值x*(1)，得到下一时刻最优状态量x*(2)，再次进行插值可以得出u*(2)，不断进行迭代，便可以得到最优控制序列{u*(1),u*(2),...,u*(k)}，以及最优的状态量序列{x*(1),x*(2),...,x*(k)}，即最优的电池温度轨迹
以及最优的电池SOC轨迹SOC*。
本发明利用已知的全局车速信息，提出了一种混合动力汽车全局能量热量优化策略，解决了电池模型能量与热量耦合建模难的问题，并且可以同时满足两者需求，更深一步挖掘了混合动力汽车电池热管理系统的节能空间。设计了基于全局交通信息的混合动力汽车电池热管理优化系统及系统的工作流程，相比于基于规则的温度控制策略提升了45.96％的电池热管理系统经济性，进一步挖掘了混合动力汽车电池热管理系统的节能空间；通过设计基于动态规划算法的控制器调节气体冷却和液体冷却的作用效果，利用电池能量与热量耦合的特性，可以同时满足电池的温度需求和节能需求。相比于基于规则的控制策略，利用动态规划算法的控制器更加灵活有效。
附图说明
图1为混合动力汽车电池热管理系统示意图；
图2为混合动力汽车电池热管理全局优化控制框图；
图3为基于全局交通信息的混合动力汽车电池热管理优化系统实现流程图；
图4为气体冷却动力电池的冷却气体质量流量
辨识MAP图；
图5为混合动力汽车动力电池的等效电路图；
图6为混合动力汽车电池开环电压UOC的辨识MAP图；
图7为混合动力汽车电池内阻Rbat的辨识MAP图；
图8为选取的城市车辆频繁启停工况驾驶循环(UDDS)的车速曲线图；
图9为经过混合动力汽车动力分配后的电池所需功率曲线；
图10为混合动力汽车电池热管理全局优化的电池温度Tbat和电池SOC轨迹；
图11为混合动力汽车电池热管理全局优化控制器与基于规则控制器的终态SOC对比；
图12为混合动力汽车电池热管理全局优化控制器与基于规则控制器的终态电池温度对比；
图13为混合动力汽车电池热管理全局优化控制器与基于规则控制器的电池冷却总能耗对比。
具体实施方式
本发明面向混合动力汽车电池热管理问题，提出了面向节能的混合动力汽车电池热管理优化系统。本发明利用已知的全局车速信息，提出了一种混合动力汽车全局能量热量优化策略，解决了电池模型能量与热量耦合建模难的问题，并且可以同时满足两者需求，更深一步挖掘了混合动力汽车电池热管理系统的节能空间。
当外界气温较高时，需要通过混合动力汽车电池热管理系统，将过高的电池温度降低至合理范围，而热管理系统冷却时电池必然会耗费一部分能量，使电池能效降低。为了使混合动力汽车较高的电池温度降低至合理范围内的同时，减少电池热管理耗能，达到节能的效果，本发明设计了一种面向节能的混合动力汽车动力电池热管理全局优化系统。本发明利用全局车速信息，得到全局的动力电池需求功率，通过控制不同冷却方式的作用效果，既保证了电池温度可以降低至合理范围内，又使电池冷却耗能减少，达到节能的目的。
本发明通过以下技术方案实现：混合动力汽车电池热管理优化系统设计，包括以下步骤：
步骤一：将全局车速信息输入到混合动力汽车的高仿真模型中，得到电池需提供的全局驱动功率信息；
步骤二：建立面向控制的混合动力汽车电池热管理系统模型。建立液体冷却模型，气体冷却模型和电池模型，根据热量传递方程及电量方程输出电池温度和电池荷电状态(State of Charge,SOC)；
步骤三：建立混合动力汽车电池热管理优化问题描述。选取合适的控制输入量，建立热管理优化问题描述，确定该优化问题的状态量及控制量约束；利用步骤一得到的全局车速信息以及步骤一得到的全局驱动功率信息，在保证电池满足合理工作范围约束的前提下，降低电池温度至适宜温度范围20℃～35℃，以热管理所需的水泵功率与风扇功率累计和最小为目标，提出了基于动态规划算法(Dynamic Programming,DP)的全局最优求解策略，求出电池的SOC轨迹与电池温度轨迹；
步骤四：进行实验仿真，确定设计的电池热管理优化策略的节能效果。
本发明面向混合动力汽车电池热管理系统，采用全局优化策略对混合动力汽车电池热管理系统进行节能控制。本发明将利用全局车速信息，根据混合动力汽车动力电池的能量与热量耦合特性，更好的规划电池冷却方案，使动力电池冷却至合理温度范围的同时，用于电池热管理的能耗更低，电池系统的经济型更高。
本发明主要聚焦于混合动力汽车电池的热管理系统，该部分结构如图1所示，分为气体冷却与液体冷却两个部分。气体冷却是将受空调热辐射影响的驾驶舱空气通过风扇，利用空气热辐射给电池降温；液体冷却则是利用经过空调系统冷凝器的冷却液通过水泵，使流动的冷却液流经电池包四周，从而达到给电池降温的目的。而电池除了要满足动力需求，还要为冷却的执行机构——风扇与水泵供给能量。
本发明混合动力汽车电池热管理优化系统如图2所示。具体实施方式为：网络终端获取历史交通流信息，并将历史交通流信息上传到云计算数据处理中心。完成对历史交通流信息的采集后，生成全局车速信息发送给目标车辆。目标车辆根据动力传动系统模型得到电池所需提供的动力，建立气体冷却系统模型、液体冷却系统模型和电池模型和全局多目标优化管理系统，并建立全局温度与能量多目标优化的问题描述，确定该优化问题的约束条件。在全局多目标优化管理系统中，利用云计算资源及混合动力汽车模型得到全局电池所需功率信息，根据该信息采用DP算法进行全局优化控制器设计，得到气体冷却控制量λair，液体冷却控制量λliq轨迹作为控制输入，输入给混合动力汽车电池高仿真模型，得到电池温度Tbat轨迹和电池SOC轨迹，验证所设计的优化系统对于混合动力汽车的温控效果和节能效果。
具体包括以下步骤：
1、设计全局车速信息获取模块
网络终端得到历史交通流信息，以此生成全局车速信息，将其传递给混合动力汽车，得到电池全局需提供的牵引力功率。
2、建立面向控制的混合动力汽车电池热管理系统模型
得到须由电池提供的牵引力功率后，针对热管理系统建立空气冷却模型和液体冷却模型。最后，建立电池模型，根据热量传递方程及电量方程输出电池温度和SOC。
2.1气体冷却系统模型
气体冷却管道流入电池的气体质量流量
由车速v与气体冷却控制系数λfan二者数值查表得出，由高仿真模型辨识得到MAP图，如图4所示
气体冷却所需风扇功率Pfan可由式(2)得出
Pfan＝λfan·Pfam,max (2)
其中，Pfam,max为风扇的最大功率。
而通过气体冷却方式，电池对外界空气传热率
为
其中，Cair为空气热容，Tbat为电池温度，Tcab为驾驶舱温度，在该模型中假设驾驶舱为恒定温度。hair为空气的传热系数，Aair为空气与电池的接触面积。
2.2液体冷却系统模型
液体冷却管道流经电池的冷却液的质量流量
可由液体冷却控制系数λpump与冷却液最大质量流量
得出
液体冷却所需水泵功率Ppump可由式(5)得出
Ppump＝λpump·Ppump,max (5)
其中，Ppump,max为水泵的最大功率。
而通过液体冷却方式，电池对冷却液传热率
为
其中，Cliq为冷却液热容，Tliq为冷却液温度，在该模型中假设冷却液为恒定温度。hliq为冷却液的传热系数，Aliq为冷却液与电池的接触面积。
2.3、电池模型
蓄电池的等效电路如图5所示，该等效电路由开环电压UOC和内部电阻Rbat组成。其中充放电电流Ibat可表示为
Ibat＝(Pbat+Pfan+Ppump)/Ubat (7)
外电压Ubat可以表示为
Ubat＝Uoc-IbatRbat (8)
其中，开路电压UOC和内阻Rbat受蓄电池温度和SOC的影响，如图6和图7所示。它们的值可以通过离线测试获得，通过查表插值获得UOC和Rbat的实际值。
由式(7)与式(8)可以得出充放电电流Ibat
而充放电状态SOC可表示为
其中，Cnom为电池总电荷量。
采用电池温度动态方程来描述电池模块周围流动的气体和液体产生的热量和发散的热量对电池温度的影响，该方程可由热力平衡方程推得
其中，Cbat为电池热容量，mbat为电池质量。
3、建立能量热量优化管理问题
选取控制输入变量，建立能量热量优化管理问题描述，确定优化问题的约束条件。
3.1建立能量热量优化管理问题描述由于电池剩余电量由电池荷电状态SOC体现，而节能在电池电量层面的体现就是SOC的变化量。而电池产热的体现便是电池的温度Tbat。结合上述信息，该优化问题需对电池的温度范围和电池电量进行严格的限制。本发明中选取混合动力汽车的动力电池的SOC和Tbat作为状态变量，设置控制量为气冷回路与液冷回路的控制系数λfan和λpump。状态方程为：
优化目标是满足系统终端约束的条件下最小化全局时间范围内[t0,tf]电池热管理的累计能耗：
其中,J是满足系统终端约束的条件下的混合动力汽车电池热管理累计能耗，t0是预测时域的起始时间，tf是预测时域的终止时间，λfan和λpump是控制输入变量。状态变量x＝[SOC Tbat]T，控制输入u＝[λfan λpump]T。
3.2确定优化问题的约束条件
混合动力汽车电池热管理优化系统需要满足的约束条件如下：
1)需要满足电池温度的动态方程及安全约束：
其中，Tbat，max是保证电池安全的最高温度，Tbat，min是保证电池安全的最低温度，Tbat(k)是混合动力汽车电池在k时刻的温度，Tbat_init为电池的初始温度，Tbat_aim为电池目标温度。
2)需要满足电池的SOC的动态方程及状态约束：
其中，SOC(k)为k时刻的电池SOC值，SOCmin是电池SOC的最小值，SOCmax是电池SOC的最大值，SOCinit是电池在初始时刻的SOC值。
3)需要满足气体冷却控制系数λfan和液体冷却控制系数λpump约束：
其中，作为控制量输入的气体冷却控制系数λfan和液体冷却控制系数λpump取值为0～1之间。
结合以上确定的优化问题及约束条件，可以对系统的控制量进行求解。全局车速信息如图8所示，需电池提供的牵引力功率也可以由混合动力汽车动力模型的得到，如图9所示。针对该全局优化问题，本发明设计了全局动态规划控制器用于优化混合动力汽车电池热管理系统。具体算法阐述如下：
3.3划分系统状态变量及控制变量的网格
为了应用DP算法，首先需要对状态量和控制量进行网格的划分，将状态量混合动力汽车电池SOC从0.2开始以每格0.01的增幅递增至0.9；状态量电池温度Tbat从15℃开始，每格1℃的增幅递增至35℃，共划分出71×21个网格。控制变量λfan从0开始，每格0.1的增幅递增至1；控制变量λpump从0开始，每格0.5的增幅递增至1，共划分出3×3个网格。
3.4计算代价函数
在控制变量u(k)的作用下，状态变量x(k)会经状态转移方程计算后得到新的状态变量x(k+1)。从初始时刻开始，每个控制变量网格均作用在状态变量网格上，可以得到下一时刻的状态变量值，根据这些状态变量值及控制变量值，得到每一时刻的对应不同控制变量值的代价函数J(k)。同时新的控制变量再次作用在状态变量网格上得到下一时刻对应的代价成本J(k+1)，如此循环，直到整个驾驶循环工况计算结束。具体的代价J(k)＝Pfan(λfan(k))+Ppump(λpump(k))得到，随后将每一次从前向后的循环迭代计算得到的代价存储在网格中。
3.5确定每一时刻的最小代价
确定每一时刻的最小代价需从后向前迭代计算。具体优化问题的优化目标为在满足终端约束时，电池冷却所需的总功率最小。首先确定终端时刻k＝N+1状态变量的值，其中状态量电池温度Tbat(取值为Tbat_aim)，状态量电池的SOC的终端约束设为一个较大的范围量，上述两个状态量即x(N+1)，对应终端目标函数J(N+1)＝0，则由终端开始的上一时刻开始有如下的迭代关系：
其中，J*(k)表示第k时刻，状态量为x(k+1)时的电池冷却总功率最小值。L(x(k),u(k))表示在第k时刻，状态变量为x(k)在控制输入为u(k)作用后得到的电池冷却所需总功率，即状态转移成本。J*(k+1)为上一时刻系统状态变量为x(k+1)时的电池冷却总功率最小值，从每一时刻选取使得代价成本函数最小值时对应的控制量的值。
3.6确定最优决策
确定最优控制序列则是从前到后进行迭代计算，首先在k＝1时刻给状态变量一个初始值x*(1)(SOC(1)＝SOC(t0)＝SOCinit，Tbat(1)＝Tbat(t0)＝Tbat_init)，该状态量初始值与状态量网格插值得出该时刻对应代价函数最小的系统控制输入值u*(1)，再将该控制输入作用于状态初值x*(1)，得到下一时刻最优状态量x*(2)。再次进行插值可以得出u*(2)，不断进行迭代，便可以得到最优控制序列{u*(1),u*(2),...,u*(k)}，以及最优的状态量序列{x*(1),x*(2),...,x*(k)}，即最优的电池温度轨迹
以及最优的电池SOC轨迹SOC*。
4、进行实验仿真，评估所设计的混合动力汽车电池热管理全局优化系统的节能效果。选取美国城市道路循环驾驶工况(UDDS)的车速曲线验证所设计的全局优化管理系统的节能和温控有效性。UDDS工况驾驶循环长达1370秒，包含了频繁的停车状况。最高车速是91.2km/h，平均车速是31.5km/h。
根据仿真结果，可以看出本发明所提出的混合动力汽车电池热管理优化系统具有如下优越性：
设计的电池热管理优化系统，充分利用了全局的车速信息，得到全局最优热管理系统电池冷却功耗所对应的电池SOC轨迹和电池温度轨迹，可以通过调节气体冷却和液体冷却的作用效果，进一步挖掘了热管理系统的节能效果。
图8为选取的城市工况(UDDS)的车速曲线图。全局车速输入至混合动力汽车仿真模型，得到蓄电池提供的牵引功率如图9所示。图10为全局优化的SOC轨迹和电池温度曲线。图11为全局优化，基于气体冷却的规则冷却策略(规则1)以及基于气体冷却和液体冷却结合的规则冷却策略(规则2)的终态SOC的对比图。图12为全局优化，规则1以及规则2的终态电池温度的对比图。图13为全局优化，规则1以及规则2的电池冷却总能耗的对比图。从上述图中可以看出，虽然规则1的能耗较低，但终态电池温度为38.57℃，并未到达安全的电池温度范围，故仅靠气体冷却难以将电池温度降至安全范围(20℃～35℃)，而全局优化策略可有效地将电池温度降至35℃以下。规则2的温度虽然可以降至33.1℃，满足要求，但全程气体冷却和液体冷却阀门全开，电池热管理所需能量过高，达不到节能的效果。而全局优化的策略相比于规则2的策略节省了高达45.96％的电池能耗。
通过对比可以看出，混合动力汽车电池热管理全局优化系统无论是针对电池温度的控制性能还是节能效果，均优于基于规则的电池热管理策略。全局优化系统能够在保证电池温度维持在合理范围的基础上，显著提升汽车的燃油经济性。
本发明所涉及的参数符号及含义
Claims (1)
1.一种基于全局交通信息的混合动力汽车电池热管理优化系统，
S1、将全局车速信息输入到混合动力汽车的高仿真模型中，得到电池需提供的全局驱动功率信息；
其特征在于：
S2、建立面向控制的混合动力汽车电池热管理系统模型。建立液体冷却模型，气体冷却模型和电池模型，根据热量传递方程及电量方程输出电池温度和电池荷电状态SOC；
S201、气体冷却系统模型
气体冷却管道流入电池的气体质量流量
由车速v与气体冷却控制系数λfan二者数值查表得出，由高仿真模型辨识得到MAP图
气体冷却所需风扇功率Pfan由式(2)得出
Pfan＝λfan·Pfam,max (2)
其中，Pfam,max为风扇的最大功率；
电池对外界空气传热率
为
其中，Cair为空气热容，Tbat为电池温度，Tcab为驾驶舱温度，hair为空气的传热系数，Aair为空气与电池的接触面积；
S202、液体冷却系统模型
液体冷却管道流经电池的冷却液的质量流量
由液体冷却控制系数λpump与冷却液最大质量流量
得出
液体冷却所需水泵功率Ppump由式(5)得出
Ppump＝λpump·Ppump,max (5)
其中，Ppump,max为水泵的最大功率；
电池对冷却液传热率
为
其中，Cliq为冷却液热容，Tliq为冷却液温度，hliq为冷却液的传热系数，Aliq为冷却液与电池的接触面积；
S203、电池模型
等效电路由开环电压UOC和内部电阻Rbat组成，其中充放电电流Ibat表示为
Ibat＝(Pbat+Pfan+Ppump)/Ubat (7)
外电压Ubat表示为
Ubat＝Uoc-IbatRbat (8)
其中，开路电压UOC和内阻Rbat受蓄电池温度和SOC的影响，它们的值可以通过离线测试获得，通过查表插值获得UOC和Rbat的实际值；
由式(7)与式(8)得出充放电电流Ibat
充放电状态SOC表示为
其中，Cnom为电池总电荷量；
电池模块周围流动的气体和液体产生的热量和发散的热量对电池温度的影响，该方程由热力平衡方程推得
其中，Cbat为电池热容量，mbat为电池质量；
S3、建立混合动力汽车电池热管理优化问题描述。选取合适的控制输入量，建立热管理优化问题描述，确定该优化问题的状态量及控制量约束；
S301、建立能量热量优化管理
选取混合动力汽车的动力电池的SOC和电池的温度Tbat作为状态变量，设置控制量为气冷回路与液冷回路的控制系数λfan和λpump，状态方程为：
满足系统终端约束的条件下最小化全局时间范围内[t0,tf]电池热管理的累计能耗：
其中,J是满足系统终端约束的条件下的混合动力汽车电池热管理累计能耗，t0是预测时域的起始时间，tf是预测时域的终止时间，λfan和λpump是控制输入变量。状态变量x＝[SOCTbat]T，控制输入u＝[λfan λpump]T；
S302、确定优化问题的约束条件
1)需要满足电池温度的动态方程及安全约束：
其中，Tbat，max是保证电池安全的最高温度，Tbat，min是保证电池安全的最低温度，Tbat(k)是混合动力汽车电池在k时刻的温度，Tbat_init为电池的初始温度，Tbat_aim为电池目标温度；
2)需要满足电池的SOC的动态方程及状态约束：
其中，SOC(k)为k时刻的电池SOC值，SOCmin是电池SOC的最小值，SOCmax是电池SOC的最大值，SOCinit是电池在初始时刻的SOC值；
3)需要满足气体冷却控制系数λfan和液体冷却控制系数λpump约束：
其中，作为控制量输入的气体冷却控制系数λfan和液体冷却控制系数λpump取值为0～1之间；
S303、划分系统状态变量及控制变量的网格
对状态量和控制量进行网格的划分，将状态量混合动力汽车电池SOC从0.2开始以每格0.01的增幅递增至0.9；状态量电池温度Tbat从15℃开始，每格1℃的增幅递增至35℃，共划分出71×21个网格；控制变量λfan从0开始，每格0.1的增幅递增至1；控制变量λpump从0开始，每格0.5的增幅递增至1，共划分出3×3个网格；
S304、计算代价函数
在控制变量u(k)的作用下，状态变量x(k)会经状态转移方程计算后得到新的状态变量x(k+1)，从初始时刻开始，每个控制变量网格均作用在状态变量网格上，得到下一时刻的状态变量值，根据这些状态变量值及控制变量值，得到每一时刻的对应不同控制变量值的代价函数J(k)，同时新的控制变量再次作用在状态变量网格上得到下一时刻对应的代价成本J(k+1)，如此循环，直到整个驾驶循环工况计算结束，具体的代价J(k)＝Pfan(λfan(k))+Ppump(λpump(k))得到，随后将每一次从前向后的循环迭代计算得到的代价存储在网格中；
S305、确定每一时刻的最小代价
确定终端时刻k＝N+1状态变量的值，其中状态量电池温度Tbat，取值为Tbat_aim，状态量电池的SOC的终端约束设为一个较大的范围量，上述两个状态量即x(N+1)，对应终端目标函数J(N+1)＝0，则由终端开始的上一时刻开始有如下的迭代关系：
其中，J*(k)表示第k时刻，状态量为x(k+1)时的电池冷却总功率最小值。L(x(k),u(k))表示在第k时刻，状态变量为x(k)在控制输入为u(k)作用后得到的电池冷却所需总功率，即状态转移成本，J*(k+1)为上一时刻系统状态变量为x(k+1)时的电池冷却总功率最小值，从每一时刻选取使得代价成本函数最小值时对应的控制量的值；
S306、确定最优决策
确定最优控制序列则是从前到后进行迭代，首先在k＝1时刻给状态变量一个初始值x*(1)(SOC(1)＝SOC(t0)＝SOCinit，Tbat(1)＝Tbat(t0)＝Tbat_init)，该状态量初始值与状态量网格插值得出该时刻对应代价函数最小的系统控制输入值u*(1)，再将该控制输入作用于状态初值x*(1)，得到下一时刻最优状态量x*(2)，再次进行插值可以得出u*(2)，不断进行迭代，便可以得到最优控制序列{u*(1),u*(2),...,u*(k)}，以及最优的状态量序列{x*(1),x*(2),...,x*(k)}，即最优的电池温度轨迹
以及最优的电池SOC轨迹SOC*。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111459210.3A CN113928182B (zh) | 2021-12-02 | 2021-12-02 | 基于全局交通信息的混合动力汽车电池热管理优化系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111459210.3A CN113928182B (zh) | 2021-12-02 | 2021-12-02 | 基于全局交通信息的混合动力汽车电池热管理优化系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113928182A true CN113928182A (zh) | 2022-01-14 |
| CN113928182B CN113928182B (zh) | 2023-10-27 |
Family
ID=79288585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111459210.3A Active CN113928182B (zh) | 2021-12-02 | 2021-12-02 | 基于全局交通信息的混合动力汽车电池热管理优化系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113928182B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115071367A (zh) * | 2022-06-23 | 2022-09-20 | 中国第一汽车股份有限公司 | 一种基于能耗优化的纯电动车集成热管理控制方法 |
| CN116256181A (zh) * | 2023-03-07 | 2023-06-13 | 苏州跃动汽车技术服务有限公司 | 一种混合动力汽车热管理系统的测试方法及装置 |
| CN116339151A (zh) * | 2023-05-12 | 2023-06-27 | 西北工业大学 | 一种针对电动飞机电推进器热管理系统、控制方法及终端 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016146911A1 (fr) * | 2015-03-17 | 2016-09-22 | Renault S.A.S | Procédé et dispositif de gestion de l'énergie d'un véhicule automobile hybride |
| CN110696815A (zh) * | 2019-11-21 | 2020-01-17 | 北京理工大学 | 一种网联式混合动力汽车的预测能量管理方法 |
| CN111891110A (zh) * | 2020-05-15 | 2020-11-06 | 吉林大学 | 智能网联混合动力汽车能量-热量一体化实时管理系统 |
| CN112477844A (zh) * | 2020-12-14 | 2021-03-12 | 吉林大学 | 计及热特性的混合动力汽车能量管理方法 |
| CN113300027A (zh) * | 2021-04-19 | 2021-08-24 | 江苏大学 | 一种基于预测控制的动力电池热管理系统及其控制方法 |
| US20210318691A1 (en) * | 2020-04-09 | 2021-10-14 | The Regents Of The University Of Michigan | Multi-range vehicle speed prediction using vehicle connectivity for enhanced energy efficiency of vehicles |
-
2021
- 2021-12-02 CN CN202111459210.3A patent/CN113928182B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016146911A1 (fr) * | 2015-03-17 | 2016-09-22 | Renault S.A.S | Procédé et dispositif de gestion de l'énergie d'un véhicule automobile hybride |
| CN110696815A (zh) * | 2019-11-21 | 2020-01-17 | 北京理工大学 | 一种网联式混合动力汽车的预测能量管理方法 |
| US20210318691A1 (en) * | 2020-04-09 | 2021-10-14 | The Regents Of The University Of Michigan | Multi-range vehicle speed prediction using vehicle connectivity for enhanced energy efficiency of vehicles |
| CN111891110A (zh) * | 2020-05-15 | 2020-11-06 | 吉林大学 | 智能网联混合动力汽车能量-热量一体化实时管理系统 |
| CN112477844A (zh) * | 2020-12-14 | 2021-03-12 | 吉林大学 | 计及热特性的混合动力汽车能量管理方法 |
| CN113300027A (zh) * | 2021-04-19 | 2021-08-24 | 江苏大学 | 一种基于预测控制的动力电池热管理系统及其控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 唐建鹏;秦高林;段俊法;: "混合动力汽车动力系统和策略研究发展现状", 河南科技, no. 09 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115071367A (zh) * | 2022-06-23 | 2022-09-20 | 中国第一汽车股份有限公司 | 一种基于能耗优化的纯电动车集成热管理控制方法 |
| CN115071367B (zh) * | 2022-06-23 | 2024-10-01 | 中国第一汽车股份有限公司 | 一种基于能耗优化的纯电动车集成热管理控制方法 |
| CN116256181A (zh) * | 2023-03-07 | 2023-06-13 | 苏州跃动汽车技术服务有限公司 | 一种混合动力汽车热管理系统的测试方法及装置 |
| CN116256181B (zh) * | 2023-03-07 | 2023-11-07 | 苏州跃动汽车技术服务有限公司 | 一种混合动力汽车热管理系统的测试方法及装置 |
| CN116339151A (zh) * | 2023-05-12 | 2023-06-27 | 西北工业大学 | 一种针对电动飞机电推进器热管理系统、控制方法及终端 |
| CN116339151B (zh) * | 2023-05-12 | 2023-08-04 | 西北工业大学 | 一种针对电动飞机电推进器热管理系统、控制方法及终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113928182B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113928182B (zh) | 基于全局交通信息的混合动力汽车电池热管理优化系统 | |
| Li et al. | Energy management and economic analysis for a fuel cell supercapacitor excavator | |
| CN112776673B (zh) | 智能网联燃料电池汽车实时能量优化管理系统 | |
| Park et al. | Computationally efficient stochastic model predictive controller for battery thermal management of electric vehicle | |
| CN115416503B (zh) | 基于智能网联的燃料电池混合动力汽车能量管理方法 | |
| Guo et al. | An integrated thermal management strategy for cabin and battery heating in range-extended electric vehicles under low-temperature conditions | |
| CN113071506A (zh) | 考虑座舱温度的燃料电池汽车能耗优化系统 | |
| Bartolucci et al. | Digital twin of a hydrogen Fuel Cell Hybrid Electric Vehicle: Effect of the control strategy on energy efficiency | |
| Jia et al. | Health-aware energy management strategy for fuel cell hybrid bus considering air-conditioning control based on TD3 algorithm | |
| CN110667565B (zh) | 一种智能网联插电式混合动力汽车协同优化能量管理方法 | |
| Ferrara et al. | Energy management of heavy-duty fuel cell electric vehicles: Model predictive control for fuel consumption and lifetime optimization | |
| CN113147321A (zh) | 一种车载空调与可再生制动协调控制方法 | |
| Pan et al. | Optimal rule extraction-based real-time energy management strategy for series-parallel hybrid electric vehicles | |
| Weustenfeld et al. | Heat flow rate based thermal management for electric vehicles using a secondary loop heating and cooling system | |
| Song et al. | Energy management strategy of plug-in hybrid electric vehicles considering thermal characteristics | |
| Yang et al. | Optimization of the energy management system in hybrid electric vehicles considering cabin temperature | |
| He et al. | Experiment and simulation study of waste heat recovery of REEV based on different structures and control strategies | |
| Zhang et al. | Half-Power Prediction and Its Application on the Energy Management Strategy for Fuel Cell City Bus | |
| Quan et al. | Performance evaluation and energy management of an automobile exhaust thermoelectric generator for ISG mild HEV application | |
| Rong et al. | Model predictive climate control of electric vehicles for improved battery lifetime | |
| Sadek et al. | Power sources sizing for a fuel cell hybrid vehicle | |
| Hamednia et al. | Optimal thermal management and charging of battery electric vehicles over long trips | |
| Wang et al. | Application of dynamic programming algorithm based on model predictive control in hybrid electric vehicle control strategy | |
| Zhang et al. | Predictive equivalent consumption minimization strategy for hybrid electric vehicles | |
| Hou et al. | Reinforcement learning-based energy optimization for a fuel cell electric vehicle |
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 |