CN114186437A - 一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法 - Google Patents
一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法 Download PDFInfo
- Publication number
- CN114186437A CN114186437A CN202111577606.8A CN202111577606A CN114186437A CN 114186437 A CN114186437 A CN 114186437A CN 202111577606 A CN202111577606 A CN 202111577606A CN 114186437 A CN114186437 A CN 114186437A
- Authority
- CN
- China
- Prior art keywords
- battery
- model
- simulation analysis
- degradation
- subsystem
- 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.)
- Pending
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,步骤包括:基于电、热、流多物理场耦合退化模型,通过开展电源系统流体仿真分析,计算各子系统及单体电池表面等效对流换热系数;确定电池温度、容量退化和内阻参数,通过串并联电路仿真计算各单体电池工作电流,利用产热模型计算电池产热率,并分别开展各子系统及电池单体的传热仿真,将获得的工作电流和温度作为输入,分析各子系统及电池单体的退化情况。该方法对能够在保证精度的前提下实现高效地多物理场耦合退化仿真分析与可靠性评估。
Description
所属技术领域
本发明涉及电源可靠性技术领域,特别是一种面向电源系统可靠性仿真分析的多 物理场耦合退化模型降阶方法。
背景技术
电源系统是由整流设备、直流配电设备、蓄电池组、直流变换器、机架电源设备等和相关的配电线路组成的总体,它为各种电机提供各种高、低频交、直流电源,维护电机系统的平稳运行。其各个子系统由于环境应力的作用,在使用过程中会出现退化现象,这将直接影响到电源系统的可靠性,进而影响着系统的任务可靠性。针对电源系统开展可靠性仿真分析,能够及时发现设计中存在的可靠性薄弱环节和设计缺陷,指明潜在故障发生的位置和原因,进而指导设计改进,从根本上提高电源系统的可靠性水平,具有重要意义。
电源系统可靠性仿真分析是在设计阶段,利用CAE等计算机仿真技术和手段,对影响锂电源系统可靠性的主要环境因素(温度、电流等)进行综合分析,同时结合退化机理模型等故障物理方法对电源系统的寿命及可靠性进行评价。例如,电源系统中蓄电池组是一个复杂的电化学系统,其可靠性受电、热、流等多物理场耦合作用影响。为了准确开展电源系统可靠性仿真分析,通常采用多物理场耦合仿真的方法。用于描述电源系统的多物理场特征的模型主要有等效电路模型、电化学模型、串并联电路、热模型、流体动力学模型等,这些模型与退化模型耦合形成的多物理场耦合退化模型可以充分量化各物理要素及其耦合影响,能够较为准确地描述电源系统运行过程中的物理化学与退化过程。可以为电源系统可靠性评估提供准确地载荷应力与响应的输入。在可靠性评估中,需要充分考虑电源系统中电池自身性能、连接条件、运行环境等内外因素的随机不确定性及其影响。现有可靠性仿真分析方法是通过不同的抽样方法对随机变量进行抽样确定多组仿真方案及参数,这将涉及大量次数的多物理场耦合仿真分析。然而,鉴于多物理场耦合退化仿真模型的复杂性,其计算成本较高,大量的仿真分析在时间和经济性上是无法接受的。
鉴于此,为了解决电源系统可靠性仿真分析的效率问题,有必要给出一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法。
发明内容
本发明的目的是为了解决电源系统可靠性仿真分析技术存在的问题,提出一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法。该方法基于电源系统电、热、流多物理场耦合退化模型,建立降阶模型,主要包含以下步骤:
步骤1:构建面向可靠性仿真分析的电源系统电、热、流多物理场耦合退化模型。通过测量和统计方法,对不同温度与不同退化状态下的电源系统中电池单体内阻进行测量,并获得与温度和容量退化相关的电池内阻模型参数。根据电源系统设计方案,构建3D几何模型,分析其电、热、流多物理场特征及其耦合退化机制,建立电源系统多物理场耦合退化模型,包括与温度相关的电池内阻模型、电池组串并联电路模型、电池产热模型、传热模型、流体动力学模型、与温度和电流相关的退化模型。
步骤2:输入电源系统工作载荷。确定电源系统的工作总电流与环境温度,并以此作为初始值输入模型。
步骤3:开展电源系统内部流体仿真分析。基于电源系统几何模型和各子系统(部件)的排列布局,考虑到气温条件下电源系统工作温升对于流场影响较小,开展步骤2输入的环境温度下的流体仿真分析,获得流场速度分布。
步骤4:子系统及单体电池表面等效对流换热系数计算。基于步骤2中的流场速度分布,获得各子系统及单体电池表面的平均流体速度,利用雷诺数、努塞尔数的工程经验公式计算表面等效对流换热系数。
步骤5:输入各电池单体参数。确定各电池单体的温度和容量退化情况,根据电池内阻模型计算获得各电池单体的内阻值,并输入到电池组的串并联电路模型中。
步骤6:基于串并联电路模型仿真计算获得各单体电池工作电流。电池组串并联电路模型是由多个电池单体的Rint模型组成。基于步骤2的内阻值和工作总电流,通过欧姆定律计算各支路电流,进而获得各电池单体的工作电流。
步骤7:基于电池产热模型计算各单体电池的产热率。电池产热模型采用Bernadi模型,基于步骤6中获得的电流值,计算各电池产热率。
步骤8:开展热仿真分析获得各子系统及单体电池的温度。基于步骤4和步骤7获得的各子系统及电池单体的对流换热系数和产热率分别开展各子系统及电池单体的热仿真分析,获得各子系统及电池单体的表面平均温度。
步骤9:重复步骤5至步骤8,直至表面平均温度值收敛。
步骤10:开展各子系统及电池单体的退化分析。基于步骤6和步骤8获得的表面平均温度和各电池单体的工作电流,分析获得各子系统及各电池单体的退化情况。
通过以上步骤,给出了一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法。
本发明的优异效果是:在电源系统可靠性仿真分析领域,提出了一种多物理场耦合退化模型的降阶方法。通过模型降阶能够在保证精度的前提下,实现高效地电源系统多物理场耦合退化仿真分析与可靠性评估。
附图说明
图1面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法流程图
图2典型3并5串锂电池组结构图
图3流体仿真分析结果示例图
图4 3并5串锂电池组构型图
具体实施方式
为使本发明的特征及优点得到更清楚的了解,以下结合附图,以由一种典型锂电池组组成的电源系统为例,作详细说明如下:
步骤1:构建面向可靠性仿真分析的电源系统电、热、流多物理场耦合退化模型。通过测量和统计方法,对不同温度与不同退化状态下的锂电池单体内阻进行测量,并获得与温度和容量退化相关的电池内阻模型参数,以一种1.4Ah的18650型号磷酸铁锂电池为例,如下所示:
其中,R、ξ、T分别为电池内阻(Ω)、容量退化量(Ah)和温度(K),Tref为参考温度273.15K。
根据锂电池组电源系统设计方案,构建3D几何模型,以一种3并5串的锂电池组为例,结构如图2所示。分析其电、热、流多物理场特征及其耦合退化机制,建立锂电池组电源系统多物理场耦合退化模型,包括电池组串并联电路模型、电池产热模型、传热模型、流体动力学模型、与温度和电流相关的退化模型。
步骤2:输入锂电池组电源系统工作载荷。确定锂电池组的工作总电流1C与环境温度 298.15K,并以此作为初始值输入模型。
步骤3:开展锂电池组电源系统流体仿真分析。基于锂电池组几何模型和单体的排列方式,考虑到锂电池组工作温升对于电源系统流场影响较小,开展步骤2输入的环境温度下的流体仿真分析,获得流场速度分布,图3为流体仿真分析结果示例图。
步骤4:单体电池表面等效对流换热系数计算。基于步骤2中的流场速度分布,获得各单体电池表面的平均流体速度,0.5m/s流速条件下各电池表面的平均流体速度如表1所示
表1电池组流速数据
圆柱绕流的雷诺数、努塞尔数的工程经验公式为:
Re=ρvd/μ,Nu=0.22Re0.6,h=Nu·k/d
根据上述获得的电池表面平均流体速度v、流体的密度ρ、电池特征尺寸参数d和导热系数 k,利用上述雷诺数、努塞尔数的工程经验公式计算各单体电池[(1,1),(1,2),(1,3),(1,4),(1,5), (2,1),(2,2),(2,3),(2,4),(2,5),(3,1),(3,2),(3,3),(3,4),(3,5)]表面等效对流换热系数h为[16.90, 13.08,11.89,11.45,11.52,15.82,11.15,9.95,9.31,9.00,16.98,13.11,12.02,11.49,11.69]。
步骤5:输入各电池单体参数。确定各电池单体的温度和容量退化情况,初始为环境温度,各电池单体的温度为均为环境温度298.15K,假设各电池单体的容量退化为[0,0,0,0,0.05,0,0, 0,0,0.05,0,0,0,0,0]Ah。
根据步骤1中建立的电池内阻模型计算获得各电池单体的内阻值R为[0.1142,0.1142, 0.1142.0.1142,0.12189,0.1142,0.1142,0.1142.0.1142,0.12189,0.1142,0.1142,0.1142.0.1142, 0.1142]Ω,并输入到电池组的串并联电路模型中。
步骤6:基于串并联电路模型仿真计算获得各单体电池工作电流。电池组串并联电路模型是由多个电池单体的Rint模型组成,构型如图4所示。电池组串并联电路模型如下所示:
在串联模型中,电池的工作电流处处相等,电压则是所有串联单元的总和,模型表达式如下:
在并联模型中,电池的工作电压处处相等,电流则是所有支路的总和,模型表达式如下:
其中Vtotal为电池组总电压;Itotal为电池组总电流;Vi为支路电压;Ii为支路电流。
基于步骤2的内阻值和工作总电流,通过欧姆定律计算各支路电流,进而获得各电池单体的工作电流为[1.40,1.40,1.40,1.40,1.37,1.40,1.40,1.40,1.40,1.37,1.40,1.40,1.40,1.40, 1.46]。
步骤7:基于电池产热模型计算各单体电池的产热率。锂电池产热模型采用Bernadi模型,如下所示:
其中q、I、V、U分别为各电池单体产热率、电流、体积、电压。基于步骤6中获得的电流值,计算各电池产热率。
步骤8:开展热仿真分析获得各单体电池的温度。基于步骤4和步骤7获得的各电池单体的对流换热系数和产热率开展电池单体的热仿真分析,获得各电池单体的表面平均温度。
步骤9:重复步骤5至步骤8,直至电池表面平均温度值收敛。获得此降阶模型的锂电池组内各电池单体表明平均温度,并与多物理场耦合仿真结果进行对比,如表2所示。
表2电池组内各电池单体表明平均温度仿真结果对比
从结果可以看出,降阶模型的误差较小,满足工程应用要求。
步骤10:开展各电池单体的容量退化分析。电流、温度等多因素影响的锂电池退化与健康状态(SOH)模型如下所示:
其中,C(t)、T(t)为与时间相关的电流倍率和温度,A、Ea分别为退化模型电流退化系数、激活能。基于步骤6和步骤8获得的各电池单体的工作电流和表面平均温度,分析获得各电池单体的容量退化情况及SOH。
以上所述为本发明的优选方案,对于本领域的技术人员而言,在不脱离本发明整体构思前提下,还可以对本发明的具体实施方式进行修改或者等同替换,这些也应视为本发明的保护范围。
Claims (10)
1.一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,其特征在于:包含以下步骤:
步骤1:构建面向可靠性仿真分析的电源系统电、热、流多物理场耦合退化模型;
步骤2:输入电源系统工作载荷;
步骤3:开展电源系统流体仿真分析;
步骤4:各子系统及单体电池表面等效对流换热系数计算;
步骤5:输入各电池单体参数;
步骤6:基于串并联电路模型仿真计算获得各单体电池工作电流;
步骤7:基于电池产热模型计算各单体电池的产热率;
步骤8:分别开展各子系统及电池单体热仿真分析获得各子系统及单体电池的平均温度;
步骤9:重复步骤5至步骤8,直至平均温度值收敛;
步骤10:开展各子系统及电池单体的退化分析。
通过以上步骤,给出了一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法。
2.根据权利要求1所述的一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,其特征在于:
所述步骤1中,通过测量和统计方法,对不同温度与不同退化状态下的电源系统中电池单体内阻进行测量,并获得与温度和容量退化相关的电池内阻模型参数。根据电源系统设计方案,构建3D几何模型,分析其电、热、流多物理场特征及其耦合退化机制,建立电源系统多物理场耦合退化模型,包括与温度相关的电池内阻模型、电池组串并联电路模型、电池产热模型、传热模型、流体动力学模型、与温度和电流相关的退化模型。
3.根据权利要求1所述的一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,其特征在于:
所述步骤2中,确定电源系统的工作总电流与环境温度,并以此作为初始值输入模型。
4.根据权利要求1所述的一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,其特征在于:
所述步骤3中,基于电源系统几何模型和各子系统的排列布局,考虑到气温条件下电源系统工作温升对于流场影响较小,开展步骤2输入的环境温度下的流体仿真分析,获得流场速度分布。
5.根据权利要求1所述的一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,其特征在于:
所述步骤4中,基于步骤2中的流场速度分布,获得各子系统及单体电池表面的平均流体速度,利用雷诺数、努塞尔数的工程经验公式计算表面等效对流换热系数。
6.根据权利要求1所述的一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,其特征在于:
所述步骤5中,确定各电池单体的温度和容量退化情况,根据电池内阻模型计算获得各电池单体的内阻值,并输入到电池组的串并联电路模型中。
7.根据权利要求1所述的一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,其特征在于:
所述步骤6中,电池组串并联电路模型是由多个电池单体的Rint模型组成。基于步骤2的内阻值和工作总电流,通过欧姆定律计算各支路电流,进而获得各电池单体的工作电流。
8.根据权利要求1所述的一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,其特征在于:
所述步骤7中,电池产热模型采用Bernadi模型,基于步骤6中获得的电流值,计算各电池产热率。
9.根据权利要求1所述的一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,其特征在于:
所述步骤8中,基于步骤4和步骤7获得的各子系统及电池单体的对流换热系数和产热率分别开展各子系统及电池单体的热仿真分析,获得各子系统及电池单体的表面平均温度。
10.根据权利要求1所述的一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法,其特征在于:
所述步骤10中,基于步骤6和步骤8获得的表面平均温度和各电池单体的工作电流,分析获得各子系统及各电池单体的退化情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111577606.8A CN114186437A (zh) | 2021-12-22 | 2021-12-22 | 一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111577606.8A CN114186437A (zh) | 2021-12-22 | 2021-12-22 | 一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114186437A true CN114186437A (zh) | 2022-03-15 |
Family
ID=80605829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111577606.8A Pending CN114186437A (zh) | 2021-12-22 | 2021-12-22 | 一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114186437A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114692542A (zh) * | 2022-04-25 | 2022-07-01 | 西安电子科技大学 | 基于动态步长的模拟电路可靠性仿真方法 |
CN115032556A (zh) * | 2022-06-27 | 2022-09-09 | 国网湖北省电力有限公司电力科学研究院 | 储能电池系统状态评估方法、装置、存储介质及电子设备 |
-
2021
- 2021-12-22 CN CN202111577606.8A patent/CN114186437A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114692542A (zh) * | 2022-04-25 | 2022-07-01 | 西安电子科技大学 | 基于动态步长的模拟电路可靠性仿真方法 |
CN114692542B (zh) * | 2022-04-25 | 2024-05-14 | 西安电子科技大学 | 基于动态步长的模拟电路可靠性仿真方法 |
CN115032556A (zh) * | 2022-06-27 | 2022-09-09 | 国网湖北省电力有限公司电力科学研究院 | 储能电池系统状态评估方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Extreme learning machine-based thermal model for lithium-ion batteries of electric vehicles under external short circuit | |
Liu et al. | Electrochemical modeling and parameterization towards control-oriented management of lithium-ion batteries | |
Yang et al. | Electrothermal modeling of lithium-ion batteries for electric vehicles | |
Hijazi et al. | Thermal network model of supercapacitors stack | |
Xia et al. | Multiphysical modeling for life analysis of lithium-ion battery pack in electric vehicles | |
CN108627766B (zh) | 电池模组中电芯内部温度的实时测量方法及电池包 | |
CN114186437A (zh) | 一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法 | |
Tian et al. | Feature fusion-based inconsistency evaluation for battery pack: Improved Gaussian mixture model | |
CN110427639A (zh) | 基于双尺度流形学习的锂离子电池热过程时空建模方法 | |
CN114692244A (zh) | 一种基于多物理场仿真的锂电池组热滥用安全风险评估方法 | |
Xie et al. | Improving the air-cooling performance for battery packs via electrothermal modeling and particle swarm optimization | |
Ceylan et al. | A novel Lithium-Ion-Polymer battery model for hybrid/electric vehicles | |
Zhang et al. | State-of-charge estimation of the lithium-ion battery using neural network based on an improved thevenin circuit model | |
Garg et al. | Reconfigurable battery systems: Challenges and safety solutions using intelligent system framework based on digital twins | |
Kumar et al. | Lithium-ion ferrous phosphate prismatic cell aging analysis and assessment for the development of battery management systems | |
Kleiner et al. | Modelling of 3d temperature behavior of prismatic lithium-ion cell with focus on experimental validation under battery electric vehicle conditions | |
CN111274539B (zh) | 一种基于交替最小二乘法的锂电池soh估计方法 | |
Zhu et al. | An improved reliability assessment method for lithium-ion battery system considering imbalanced current and uneven cooling | |
Sarıkurt et al. | A hybrid battery model and state of health estimation method for lithium-ion batteries | |
CN116165547A (zh) | 锂电池的电压计算与修正方法及系统、装置、存储介质 | |
Nissing et al. | Thermal model parameter identification of a lithium battery | |
CN112926186B (zh) | 一种超级电容器单体内部温度在线估计方法 | |
CN108875191B (zh) | 一种可变放电倍率和边界条件的锂电池单体热通量测试仿真方法 | |
Cao et al. | A neural network based method for real-time measurement of capacity and SOC of vanadium redox flow battery | |
CN115128465A (zh) | 电池热仿真系统、方法及电子设备 |
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 |