CN114563104A - 一种基于非线性电热模型的动力电池双温度估计方法 - Google Patents

一种基于非线性电热模型的动力电池双温度估计方法 Download PDF

Info

Publication number
CN114563104A
CN114563104A CN202210150651.3A CN202210150651A CN114563104A CN 114563104 A CN114563104 A CN 114563104A CN 202210150651 A CN202210150651 A CN 202210150651A CN 114563104 A CN114563104 A CN 114563104A
Authority
CN
China
Prior art keywords
power battery
temperature
battery
multicellular
state variable
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
CN202210150651.3A
Other languages
English (en)
Other versions
CN114563104B (zh
Inventor
王子赟
占雅聪
王艳
陈宇乾
纪志成
霍雷霆
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.)
Jiangnan University
Original Assignee
Jiangnan University
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 Jiangnan University filed Critical Jiangnan University
Priority to CN202210150651.3A priority Critical patent/CN114563104B/zh
Publication of CN114563104A publication Critical patent/CN114563104A/zh
Application granted granted Critical
Publication of CN114563104B publication Critical patent/CN114563104B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种基于非线性电热模型的动力电池双温度估计方法，属于动力电池状态估计技术领域。所述方法包括建立动力电池的非线性电热模型，利用Stirling插值将非线性模型展开，构建线性电热模型，确定温度约束条件，建立带温度约束条件的线性电热模型，利用全对称多胞体卡尔曼滤波方法实现动力电池的温度估计；本申请通过建立贴近于真实动力电池系统的非线性电热模型，而且添加了温度约束条件，充分利用系统的约束条件，进一步提高了对动力电池温度估计的精度。

Description

一种基于非线性电热模型的动力电池双温度估计方法
技术领域
本发明涉及一种基于非线性电热模型的动力电池双温度估计方法，属于动力电池状态估计技术领域。
背景技术
动力电池因其寿命长、自放率低、能量密度高等优势成为最具有发展前景的储能电源，被广泛应用于储能领域的各个方面。动力电池应用领域的不断拓展对电池的性能提出了较高的要求，安全性和可靠性问题是电池储能系统最关键的问题，而动力电池的工作温度很大程度上反应了电池储能系统的工作情况。因此为了使其时刻工作在正常的工作状态下，需要对动力电池的工作温度(通常包括电池表面温度和核心温度)进行实时的检测。
动力电池工作环境复杂，在工作时容易受到各种噪声干扰的影响，当前大部分针对动力电池温度的状态估计方法都是假设噪声和干扰符合一定的概率分布，然而实际动力电池系统中的噪声和干扰统计特性很难获得，因此这类状态估计方法所得到的结果准确度不高。同时动力电池系统为非线性系统，而在现有针对动力电池温度的估计方案中，为了降低计算复杂度，通常采用建立线性电热模型的处理方法，因此估计结果与实际值存在一定的误差，估计精度有待于进一步提高。
发明内容
为了进一步提高对动力电池温度的估计精度，确保动力电池系统的安全性和可靠性，本发明提供了一种基于非线性电热模型的动力电池双温度估计方法，所述方法包括：
Step1：建立动力电池的非线性电热模型；
Figure BDA0003503280680000011
其中，xk＝[x1,k,x2,k]T＝[Tc,k,Ts,k]T为状态变量，Tc,k和Ts,k分别表示k时刻的电池核心温度和表面温度，uk＝[Qgen,k,Te,k]T为k时刻的输入矩阵，Qgen表示电池核心的发热功率；Te,k表示k时刻的环境温度，
Figure BDA0003503280680000012
表示未知但有界的扰动噪声；
Figure BDA0003503280680000013
表示未知但有界的测量噪声；A、B为系统的参数矩阵；yk+1为输出变量，函数h(xk+1)为非线性电热模型的测量函数；
Step2：利用Stirling插值将动力电池的非线性电热模型中的测量函数展开，构建动力电池的线性电热模型；
Step3：获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的温度状态约束条件；
Step4：根据Step2构建的线性电热模型和Step3确定的温度状态约束条件，确定带温度状态约束条件的动力电池线性电热模型，并根据带温度状态约束条件的动力电池线性电热模型获取k时刻状态变量xk；
Step5：根据k时刻状态变量xk得到对应的全对称多胞体集合Zk，根据k时刻状态变量xk对应的全对称多胞体集合Zk构建k+1时刻状态变量预测集对应的全对称多胞体集合
Figure BDA0003503280680000021
Step6：根据k+1时刻的输出变量构建k+1时刻的带状空间Sk+1，根据k+1时刻线性化后的测量方程，将测量过程线性化误差融入带状空间Sk+1；
Step7：对k+1时刻状态变量预测集的全对称多胞体集合
Figure BDA0003503280680000022
与带状空间Sk+1求交集得到k+1时刻包含状态变量xk+1的全对称多胞体集合Zk+1，根据k+1时刻包含状态变量xk+1的全对称多胞体集合Zk+1得到电池核心温度和表面温度的估计区间，完成对动力电池双温度的估计。
可选的，所述非线性电热模型的测量函数h(xk+1)为：
Figure BDA0003503280680000023
其中，x1,k+1表示k+1时刻的电池核心温度；x2,k+1表示k+1时刻的电池表面温度。
可选的，所述Step2包括：
利用Stirling插值将非线性电热模型中的测量方程展开为：
Figure BDA0003503280680000024
其中，
Figure BDA0003503280680000025
H.O.T2是Stirling插值展开的高阶误差项，用区间进行包裹表示为H.O.T2＝[Δhmin(xk+1),Δhmax(xk+1)]，即为测量过程线性化误差；l为步长，
Figure BDA0003503280680000026
n为状态变量xk的维数，
Figure BDA0003503280680000027
是k+1时刻的状态预测估计值；
构建动力电池的线性电热模型为：
Figure BDA0003503280680000031
可选的，所述Step3获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的温度状态约束条件，包括：
动力电池工作在正常工况下，核心温度Tc满足M1℃≤Tc≤M2℃；核心温度和表面温度之间存在差值，差值稳定在m℃±ε℃范围内，即m-ε℃≤Tc-Ts≤m+ε℃；
确定系统的状态约束：
Figure BDA0003503280680000032
将系统的状态约束写成式(7)的形式：
||f(xk)||≤ζ,f(xk)＝Dk-Fkxk (7)
其中，
Figure BDA0003503280680000033
可选的，所述Step4包括：
确定带温度约束条件的动力电池线性电热模型：
Figure BDA0003503280680000034
其中，
Figure BDA0003503280680000035
ζk+1∈<0,ζ·Ip×d>，p为输出变量的维数，d为Dk+1的维数；
根据带温度状态约束条件的动力电池线性电热模型获取k时刻电池核心温度和表面温度，确定k时刻的状态变量xk。
可选的，所述Step5包括：
构建k时刻状态变量xk对应的全对称多胞体集合Zk；
设置初始化状态变量x0对应的全对称多胞体
Figure BDA0003503280680000036
代表初始时刻对应全对称多胞体的中心点，
Figure BDA0003503280680000041
代表初始时刻对应全对称多胞体的形状矩阵，Bm为m个单位区间[-1,1]构成的单位盒子；假设k时刻的状态变量xk对应的全对称多胞体
Figure BDA0003503280680000042
构建k+1时刻状态变量预测集对应的全对称多胞体集合
Figure BDA0003503280680000043
Figure BDA0003503280680000044
Figure BDA0003503280680000045
Figure BDA0003503280680000046
其中，W为扰动噪声对应的全对称多胞体的生成矩阵。
可选的，所述Step6包括：
利用DC规划，测量函数h(xk+1)可由两个凸函数之差近似表示：
h(xk+1)＝g1(xk+1)-g2(xk+1) (12)
其中，
Figure BDA0003503280680000047
根据凸函数特点构建函数：
Figure BDA0003503280680000048
其中，
Figure BDA0003503280680000049
u1和u2分别为g1(xk+1)和g2(xk+1)在
Figure BDA00035032806800000410
的次梯度，表达式如下：
Figure BDA00035032806800000411
根据上述表达式，代入到h(xk+1)＝g1(xk+1)-g2(xk+1)中得到：
Figure BDA00035032806800000412
其中，
Figure BDA00035032806800000413
为h(xk+1)的第i个函数的线性化部分，i＝1,2,3…,p表示可能的维度；用区间表示为：
Figure BDA00035032806800000414
根据k+1时刻的输出变量构建k+1时刻的带状空间Sk+1：
Figure BDA0003503280680000051
将测量过程线性化误差融入带状空间Sk+1，得到：
Figure BDA0003503280680000052
其中，
Figure BDA0003503280680000053
可选的，所述Step7包括：
将k+1时刻状态变量预测集的全对称多胞体集合
Figure BDA0003503280680000054
拆分成n个带状空间Sj′的交集，结结合带状空间Sk+1，得到n+1个带状空间Sj,j＝1,2,…,n+1：
Figure BDA0003503280680000055
k+1时刻状态变量预测集的全对称多胞体集合
Figure BDA0003503280680000056
与带状空间Sk+1的交集可以表示为：
Figure BDA0003503280680000057
其中，Sj为第j个带状空间，Z′j为其余n个带状空间构成的全对称多胞体；
采用全对称多胞体Zk+1包裹Sj与Z′j的交集，选取体积最小的全对称多胞体作为k+1时刻包含状态变量xk+1的全对称多胞体集合Zk+1，即
Figure BDA0003503280680000058
其中
Figure BDA0003503280680000059
可选的，所述Step1包括：
根据动力电池放电过程的电化学机理，建立动力电池等效电路模型，根据电池等效电路模型得到如下方程：
Figure BDA00035032806800000510
其中，R1和Cp1分别为动力电池的电化学极化内阻和电容，R1和Cp1二者并联后两端的电压是U1；R2和Cp2分别为动力电池的浓差极化电阻和电容，R2和Cp2二者并联后两端的电压是U2；I为放电电流；
根据动力电池产热原理，建立动力电池的热模型：
Figure BDA0003503280680000061
其中，Ts与Tc分别表示电池表面温度和电池核心温度，Te表示环境温度；Cs与Cc分别表示电池内部材料的热容系数和电池表面的热容系数；Rc表示电池核心与表面之间的热阻；Ru表示电池表面与冷却空气之间的对流电阻；Qgen＝I(Uoc-U)＝I(RoI+U1+U2)表示电池核心的发热功率，Ro为动力电池内阻，Uoc为电池内部电源，U为电池两端电压；
以发热功率Qgen和环境温度Te为输入，电池核心温度Tc和表面温度Ts为状态，经离散化处理后，建立动力电池的非线性电热模型。
可选的，根据动力电池热模型得到参数矩阵A、B分别的表达式：
Figure BDA0003503280680000062
本发明有益效果是：
通过获取动力电池的等效电路模型和热模型以建立动力电池的非线性电热模型，基于所建立的非线性电热模型进行后续处理以实现对于动力电池双温度的估计，大大提高了估计精度；本申请在建立动力电池的非线性电热模型后，利用Stirling插值将非线性模型展开，构建线性电热模型，确定温度约束条件，建立带温度约束条件的线性电热模型，利用全对称多胞体卡尔曼滤波方法实现动力电池的温度估计，充分利用系统的约束条件，进一步提高了对动力电池温度估计的精度。另外，本申请在利用状态变量预测集对应的全对称多胞体集合与融合了测量过程线性误差的带状空间的交集确定包裹动力电池温度的最小体积多胞体时，还提出了一种新的求解方式，即将状态变量预测集对应的全对称多胞体集合拆分成n个带状空间的交集，与融合了测量过程线性误差的带状空间得到n+1个带状空间，然后采用遍历的方式分别将任意一个带状空间与其他n个带状空间构成的全对称多胞体相交，所得到的体积最小的交集即为包裹动力电池温度的最小体积多胞体。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例中公开的一种基于非线性电热模型的动力电池双温度估计方法的流程图。
图2是一种动力电池等效电路模型图。
图3是本发明一个实施例中公开的动力电池正常工作运行状态下，本发明估计动力电池核心温度上下界、现有方法估计上下界和核心温度真值的对比图。
图4是本发明一个实施例中公开的动力电池正常工作运行状态下，本发明估计动力电池表面温度上下界、现有方法估计上下界和表面真值的对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一：
本实施例提供一种基于非线性电热模型的动力电池双温度估计方法，参见图1，所述方法包括：
Step1：建立动力电池的非线性电热模型；
Figure BDA0003503280680000071
其中，xk＝[x1,k,x2,k]T＝[Tc,k,Ts,k]T为状态变量，Tc,k和Ts,k分别表示k时刻的电池核心温度和表面温度，uk＝[Qgen,k,Te,k]T为k时刻的输入矩阵，Qgen表示电池核心的发热功率；Te,k表示k时刻的环境温度，
Figure BDA0003503280680000072
表示未知但有界的扰动噪声；
Figure BDA0003503280680000073
表示未知但有界的测量噪声；A、B为系统的参数矩阵；yk+1为输出变量，函数h(xk+1)为非线性电热模型的测量函数；
Step2：利用Stirling插值将动力电池的非线性电热模型中的测量函数展开，构建动力电池的线性电热模型；
Step3：获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的温度状态约束条件；
Step4：根据Step2构建的线性电热模型和Step3确定的温度状态约束条件，确定带温度状态约束条件的动力电池线性电热模型，并根据带温度状态约束条件的动力电池线性电热模型获取k时刻状态变量xk；
Step5：根据k时刻状态变量xk得到对应的全对称多胞体集合Zk，根据k时刻状态变量xk对应的全对称多胞体集合Zk构建k+1时刻状态变量预测集对应的全对称多胞体集合
Figure BDA0003503280680000081
Step6：根据k+1时刻的输出变量构建k+1时刻的带状空间Sk+1，根据k+1时刻线性化后的测量方程，将测量过程线性化误差融入带状空间Sk+1；
Step7：对k+1时刻状态变量预测集的全对称多胞体集合
Figure BDA0003503280680000082
与带状空间Sk+1求交集得到k+1时刻包含状态变量xk+1的全对称多胞体集合Zk+1，根据k+1时刻包含状态变量xk+1的全对称多胞体集合Zk+1得到电池核心温度和表面温度的估计区间，完成对动力电池双温度的估计。
实施例二
本实施例提供一种基于非线性电热模型的动力电池双温度估计方法，参见图1，所述方法包括：
步骤一：根据动力电池的电化学机理，建立动力电池等效电路模型；
根据动力电池的电化学机理，建立图2所示的动力电池等效电路，根据该动力电池等效电路，得到如下方程：
Figure BDA0003503280680000083
其中，R1和Cp1分别为动力电池的电化学极化内阻和电容，R1和Cp1二者并联后两端的电压是U1；R2和Cp2分别为动力电池的浓差极化电阻和电容，R2和Cp2二者并联后两端的电压是U2；I为放电电流。
步骤二，根据动力电池的热模型，建立动力电池的非线性电热模型；
根据动力电池产热原理，建立动力电池的热模型：
Figure BDA0003503280680000084
其中，Ts与Tc分别表示电池表面温度和电池核心温度，Te表示环境温度；Cs与Cc分别表示电池内部材料的热容系数和电池表面的热容系数；Rc表示电池核心与表面之间的热阻；Ru表示电池表面与冷却空气之间的对流电阻；Qgen＝I(Uoc-U)＝I(RoI+U1+U2)表示电池核心的发热功率，Ro为动力电池内阻，Uoc为电池内部电源，U为电池两端电压。
以发热功率Qgen和环境温度Te为输入，电池核心温度Tc和表面温度Ts为状态，经离散化处理后，建立动力电池的非线性电热模型为：
Figure BDA0003503280680000091
其中，xk＝[x1,k,x2,k]T＝[Tc,k,Ts,k]T为状态变量，Tc,k和Ts,k分别表示k时刻的电池核心温度和表面温度，uk＝[Qgen,k,Te,k]T为k时刻的输入矩阵，
Figure BDA0003503280680000092
表示未知但有界的扰动噪声，即
Figure BDA0003503280680000093
表示未知但有界的测量噪声，即
Figure BDA0003503280680000094
Figure BDA0003503280680000095
为系统的参数矩阵，k为离散时间，yk+1为输出变量，函数h(xk+1)为非线性电热模型的测量函数，
Figure BDA0003503280680000096
步骤三，利用Stirling插值将动力电池的非线性电热模型中的测量函数展开，构建动力电池的线性电热模型；
利用Stirling插值将非线性电热模型中的测量方程展开为：
Figure BDA0003503280680000097
其中，
Figure BDA0003503280680000098
H.O.T2是Stirling插值展开的高阶误差项，用区间进行包裹表示为H.O.T2＝[Δhmin(xk+1),Δhmax(xk+1)]，即为测量过程线性化误差，l为步长，
Figure BDA0003503280680000099
n为状态变量xk的维数，
Figure BDA00035032806800000910
是k+1时刻的状态预测估计值。
构建动力电池的线性电热模型为：
Figure BDA0003503280680000101
步骤四，获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的温度状态约束；
动力电池工作在正常工况下，核心温度Tc满足M1℃≤Tc≤M2℃；核心温度和表面温度之间存在差值，差值稳定在m℃±ε℃范围内，即m-ε℃≤Tc-Ts≤m+ε℃；
确定系统的状态约束：
Figure BDA0003503280680000102
将系统的状态约束写成式(7)的形式：
||f(xk)||≤ζ,f(xk)＝Dk-Fkxk (7)
其中，
Figure BDA0003503280680000103
步骤五，根据步骤三建立的线性电热模型和步骤四确定的温度约束条件，确定带温度约束条件的动力电池线性电热模型；
确定带温度约束条件的动力电池线性电热模型：
Figure BDA0003503280680000104
其中，
Figure BDA0003503280680000105
ζk+1∈<0,ζ·Ip×d>，p为输出变量的维数，d为Dk+1的维数。
步骤六，根据k时刻状态变量xk得到对应的全对称多胞体集合Zk，根据k时刻状态变量xk对应的全对称多胞体集合Zk构建k+1时刻状态变量预测集对应的全对称多胞体集合
Figure BDA0003503280680000106
构建k时刻状态变量xk对应的全对称多胞体集合Zk；
设置初始化状态变量x0对应的全对称多胞体
Figure BDA0003503280680000107
代表初始时刻对应全对称多胞体的中心点，
Figure BDA0003503280680000108
代表初始时刻对应全对称多胞体的形状矩阵，Bm为m个单位区间[-1,1]构成的单位盒子；假设k时刻的状态变量xk对应的全对称多胞体
Figure BDA0003503280680000111
构建k+1时刻状态变量预测集对应的全对称多胞体集合
Figure BDA0003503280680000112
Figure BDA0003503280680000113
Figure BDA0003503280680000114
Figure BDA0003503280680000115
其中，W为扰动噪声对应的全对称多胞体的生成矩阵。
步骤七，根据k+1时刻的输出变量构建k+1时刻的带状空间Sk+1，根据k+1时刻线性化后的测量方程，将测量过程线性化误差融入带状空间Sk+1；
利用DC规划，测量函数h(xk+1)可由两个凸函数之差近似表示：
h(xk+1)＝g1(xk+1)-g2(xk+1) (12)
其中，
Figure BDA0003503280680000116
根据凸函数特点构建函数：
Figure BDA0003503280680000117
其中，
Figure BDA0003503280680000118
u1和u2分别为g1(xk+1)和g2(xk+1)在
Figure BDA0003503280680000119
的次梯度，表达式如下：
Figure BDA00035032806800001110
根据上述表达式，代入到h(xk+1)＝g1(xk+1)-g2(xk+1)中得到：
Figure BDA00035032806800001111
其中，
Figure BDA00035032806800001112
的第i个函数的线性化部分，i＝1,2,3…,p表示可能的维度。用区间表示为：
Figure BDA00035032806800001113
根据k+1时刻的输出变量构建k+1时刻的带状空间Sk+1：
Figure BDA0003503280680000121
将测量过程线性化误差融入带状空间Sk+1，得到：
Figure BDA0003503280680000122
其中，
Figure BDA0003503280680000123
步骤八，对k+1时刻状态变量预测集的全对称多胞体集合
Figure BDA0003503280680000124
与带状空间Sk+1求交集得到k+1时刻包含状态变量xk+1的全对称多胞体集合Zk+1，包括：
将k+1时刻状态变量预测集的全对称多胞体集合
Figure BDA0003503280680000125
拆分成n个带状空间Sj′的交集，结结合带状空间Sk+1，得到n+1个带状空间Sj,j＝1,2,…,n+1：
Figure BDA0003503280680000126
k+1时刻状态变量预测集的全对称多胞体集合
Figure BDA0003503280680000127
与带状空间Sk+1的交集可以表示为：
Figure BDA0003503280680000128
其中，Sj为第j个带状空间，Z′j为其余n个带状空间构成的全对称多胞体。
采用全对称多胞体Zk+1包裹Sj与Z′j的交集，选取体积最小的全对称多胞体作为k+1时刻包含状态变量xk+1的全对称多胞体集合Zk+1，即
Figure BDA0003503280680000129
其中
Figure BDA00035032806800001210
在本实例中，在预定时间范围内，执行步骤一至步骤八后，得到状态变量的全对称多胞体集合，实现动力电池双温度的估计。
图3和图4分别为采用本申请提供的方法和现有的一种未添加温度约束的方法对动力电池核心温度状态变量估计区间变化图和表面温度状态变量的估计区间变化图。现有的一种未添加温度约束的方法的介绍可参考“Cheng,R.,&Huang,J.(2018,July).CenterDifference Set Membership Filter by Zonotopes for Nonlinear System.In 201810th International Conference on Modelling,Identification and Control(ICMIC)(pp.1-6).IEEE.中的介绍。其中，图3为对动力电池核心温度的估计结果的对比；图4为对动力电池表面温度的估计结果的对比。
从图3和图4可以看出，现有的估计方法和本申请所提出的估计方法都能实现对动力电池核心温度和表面温度的状态估计，状态真值位于估计区间范围内，但是在系统稳定时，本申请所提出的方法估计的温度值区间更小，有着更好的保守性，更加准确。
本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于非线性电热模型的动力电池双温度估计方法，其特征在于，所述方法包括：
Step1：建立动力电池的非线性电热模型；
Figure FDA0003503280670000011
其中，xk＝[x1,k,x2,k]T＝[Tc,k,Ts,k]T为状态变量，Tc,k和Ts,k分别表示k时刻的电池核心温度和表面温度，uk＝[Qgen,k,Te,k]T为k时刻的输入矩阵，Qgen表示电池核心的发热功率；Te,k表示k时刻的环境温度，
Figure FDA0003503280670000012
表示未知但有界的扰动噪声；
Figure FDA0003503280670000013
表示未知但有界的测量噪声；A、B为系统的参数矩阵；yk+1为输出变量，函数h(xk+1)为非线性电热模型的测量函数；
Step2：利用Stirling插值将动力电池的非线性电热模型中的测量函数展开，构建动力电池的线性电热模型；
Step3：获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的温度状态约束条件；
Step4：根据Step2构建的线性电热模型和Step3确定的温度状态约束条件，确定带温度状态约束条件的动力电池线性电热模型，并根据带温度状态约束条件的动力电池线性电热模型获取k时刻状态变量xk；
Step5：根据k时刻状态变量xk得到对应的全对称多胞体集合Zk，根据k时刻状态变量xk对应的全对称多胞体集合Zk构建k+1时刻状态变量预测集对应的全对称多胞体集合
Figure FDA0003503280670000014
Step6：根据k+1时刻的输出变量构建k+1时刻的带状空间Sk+1，根据k+1时刻线性化后的测量方程，将测量过程线性化误差融入带状空间Sk+1；
Step7：对k+1时刻状态变量预测集的全对称多胞体集合
Figure FDA0003503280670000015
与带状空间Sk+1求交集得到k+1时刻包含状态变量xk+1的全对称多胞体集合Zk+1，根据k+1时刻包含状态变量xk+1的全对称多胞体集合Zk+1得到电池核心温度和表面温度的估计区间，完成对动力电池双温度的估计。
2.根据权利要求1所述的方法，其特征在于，所述非线性电热模型的测量函数h(xk+1)为：
Figure FDA0003503280670000016
其中，x1,k+1表示k+1时刻的电池核心温度；x2,k+1表示k+1时刻的电池表面温度。
3.根据权利要求2所述的方法，其特征在于，所述Step2包括：
利用Stirling插值将非线性电热模型中的测量方程展开为：
Figure FDA0003503280670000021
其中，
Figure FDA0003503280670000022
H.O.T2是Stirling插值展开的高阶误差项，用区间进行包裹表示为H.O.T2＝[Δhmin(xk+1),Δhmax(xk+1)]，即为测量过程线性化误差；l为步长，
Figure FDA0003503280670000023
n为状态变量xk的维数，
Figure FDA0003503280670000024
是k+1时刻的状态预测估计值；
构建动力电池的线性电热模型为：
Figure FDA0003503280670000025
4.根据权利要求3所述的方法，其特征在于，所述Step3获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的温度状态约束条件，包括：
动力电池工作在正常工况下，核心温度Tc满足M1℃≤Tc≤M2℃；核心温度和表面温度之间存在差值，差值稳定在m℃±ε℃范围内，即m-ε℃≤Tc-Ts≤m+ε℃；
确定系统的状态约束：
Figure FDA0003503280670000026
将系统的状态约束写成式(7)的形式：
||f(xk)||≤ζ,f(xk)＝Dk-Fkxk (7)
其中，
Figure FDA0003503280670000027
5.根据权利要求4所述的方法，其特征在于，所述Step4包括：
确定带温度约束条件的动力电池线性电热模型：
Figure FDA0003503280670000031
其中,
Figure FDA0003503280670000032
ζk+1∈<0,ζ·Ip×d>，p为输出变量的维数，d为Dk+1的维数；
根据带温度状态约束条件的动力电池线性电热模型获取k时刻电池核心温度和表面温度，确定k时刻的状态变量xk。
6.根据权利要求5所述的方法，其特征在于，所述Step5包括：
构建k时刻状态变量xk对应的全对称多胞体集合Zk；
设置初始化状态变量x0对应的全对称多胞体
Figure FDA0003503280670000033
Figure FDA0003503280670000034
代表初始时刻对应全对称多胞体的中心点，
Figure FDA0003503280670000035
代表初始时刻对应全对称多胞体的形状矩阵，Bm为m个单位区间[-1,1]构成的单位盒子；假设k时刻的状态变量xk对应的全对称多胞体
Figure FDA0003503280670000036
构建k+1时刻状态变量预测集对应的全对称多胞体集合
Figure FDA0003503280670000037
Figure FDA0003503280670000038
Figure FDA0003503280670000039
Figure FDA00035032806700000310
其中，W为扰动噪声对应的全对称多胞体的生成矩阵。
7.根据权利要求6所述的方法，其特征在于，所述Step6包括：
利用DC规划，测量函数h(xk+1)可由两个凸函数之差近似表示：
h(xk+1)＝g1(xk+1)-g2(xk+1) (12)
其中，
Figure FDA00035032806700000311
根据凸函数特点构建函数：
Figure FDA0003503280670000041
其中，
Figure FDA0003503280670000042
u1和u2分别为g1(xk+1)和g2(xk+1)在
Figure FDA0003503280670000043
的次梯度，表达式如下：
Figure FDA0003503280670000044
根据上述表达式，代入到h(xk+1)＝g1(xk+1)-g2(xk+1)中得到：
Figure FDA0003503280670000045
其中，
Figure FDA0003503280670000046
为h(xk+1)的第i个函数的线性化部分，i＝1,2,3…,p表示可能的维度；用区间表示为：
Figure FDA0003503280670000047
根据k+1时刻的输出变量构建k+1时刻的带状空间Sk+1：
Figure FDA0003503280670000048
将测量过程线性化误差融入带状空间Sk+1，得到：
Figure FDA0003503280670000049
其中，
Figure FDA00035032806700000410
8.根据权利要求7所述的方法，其特征在于，所述Step7包括：
将k+1时刻状态变量预测集的全对称多胞体集合
Figure FDA00035032806700000411
拆分成n个带状空间Sj′的交集，结结合带状空间Sk+1，得到n+1个带状空间Sj,j＝1,2,…,n+1：
Figure FDA00035032806700000412
k+1时刻状态变量预测集的全对称多胞体集合
Figure FDA00035032806700000413
与带状空间Sk+1的交集可以表示为：
Figure FDA0003503280670000051
其中，Sj为第j个带状空间，Z′j为其余n个带状空间构成的全对称多胞体；
采用全对称多胞体Zk+1包裹Sj与Z′j的交集，选取体积最小的全对称多胞体作为k+1时刻包含状态变量xk+1的全对称多胞体集合Zk+1，即
Figure FDA0003503280670000052
其中
Figure FDA0003503280670000053
9.根据权利要求8所述的方法，其特征在于，所述Step1包括：
根据动力电池放电过程的电化学机理，建立动力电池等效电路，根据电池等效电路得到如下方程：
Figure FDA0003503280670000054
其中，R1和Cp1分别为动力电池的电化学极化内阻和电容，R1和Cp1二者并联后两端的电压是U1；R2和Cp2分别为动力电池的浓差极化电阻和电容，R2和Cp2二者并联后两端的电压是U2；I为放电电流；
根据动力电池产热原理，建立动力电池的热模型：
Figure FDA0003503280670000055
其中，Ts与Tc分别表示电池表面温度和电池核心温度，Te表示环境温度；Cs与Cc分别表示电池内部材料的热容系数和电池表面的热容系数；Rc表示电池核心与表面之间的热阻；Ru表示电池表面与冷却空气之间的对流电阻；Qgen＝I(Uoc-U)＝I(RoI+U1+U2)表示电池核心的发热功率，Ro为动力电池内阻，Uoc为电池内部电源，U为电池两端电压；
以发热功率Qgen和环境温度Te为输入，电池核心温度Tc和表面温度Ts为状态，经离散化处理后，建立动力电池的非线性电热模型。
10.根据权利要求9所述的方法，其特征在于，根据动力电池热模型得到参数矩阵A、B分别的表达式：
Figure FDA0003503280670000061
CN202210150651.3A 2022-02-14 2022-02-14 一种基于非线性电热模型的动力电池双温度估计方法 Active CN114563104B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210150651.3A CN114563104B (zh) 2022-02-14 2022-02-14 一种基于非线性电热模型的动力电池双温度估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210150651.3A CN114563104B (zh) 2022-02-14 2022-02-14 一种基于非线性电热模型的动力电池双温度估计方法

Publications (2)

Publication Number Publication Date
CN114563104A true CN114563104A (zh) 2022-05-31
CN114563104B CN114563104B (zh) 2022-11-08

Family

ID=81714118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210150651.3A Active CN114563104B (zh) 2022-02-14 2022-02-14 一种基于非线性电热模型的动力电池双温度估计方法

Country Status (1)

Country Link
CN (1) CN114563104B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076964A (en) * 1998-11-11 2000-06-20 Chrysler Corporation Prediction of internal temperature of a battery using a non-linear dynamic model
CN110823410A (zh) * 2019-11-21 2020-02-21 北京理工大学 一种确定电池核心温度的方法和系统
CN111595485A (zh) * 2020-05-07 2020-08-28 广东工业大学 一种基于降阶模型的锂离子电池在线温度分布观测器设计方法
CN112038671A (zh) * 2020-08-21 2020-12-04 华中科技大学 一种固体氧化物燃料电池温度分布估计方法与系统
CN112989569A (zh) * 2021-02-05 2021-06-18 江南大学 一种带温度约束条件的锂电池传感器故障滤波诊断方法
CN113076681A (zh) * 2021-03-01 2021-07-06 江南大学 一种基于滤波的锂电池核心与表面温度估计方法
CN113093016A (zh) * 2021-04-01 2021-07-09 江南大学 基于不确定噪声滤波的动力电池管理系统故障诊断方法
CN113591020A (zh) * 2021-07-23 2021-11-02 江南大学 一种基于轴对称盒空间滤波的非线性系统状态估计方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076964A (en) * 1998-11-11 2000-06-20 Chrysler Corporation Prediction of internal temperature of a battery using a non-linear dynamic model
CN110823410A (zh) * 2019-11-21 2020-02-21 北京理工大学 一种确定电池核心温度的方法和系统
CN111595485A (zh) * 2020-05-07 2020-08-28 广东工业大学 一种基于降阶模型的锂离子电池在线温度分布观测器设计方法
CN112038671A (zh) * 2020-08-21 2020-12-04 华中科技大学 一种固体氧化物燃料电池温度分布估计方法与系统
CN112989569A (zh) * 2021-02-05 2021-06-18 江南大学 一种带温度约束条件的锂电池传感器故障滤波诊断方法
CN113076681A (zh) * 2021-03-01 2021-07-06 江南大学 一种基于滤波的锂电池核心与表面温度估计方法
CN113093016A (zh) * 2021-04-01 2021-07-09 江南大学 基于不确定噪声滤波的动力电池管理系统故障诊断方法
CN113591020A (zh) * 2021-07-23 2021-11-02 江南大学 一种基于轴对称盒空间滤波的非线性系统状态估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙金磊等: "电动汽车动力电池温度在线估计方法", 《电工技术学报》 *
熊瑞等: "基于双卡尔曼滤波算法的动力电池内部温度估计", 《机械工程学报》 *

Also Published As

Publication number Publication date
CN114563104B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
WO2022105104A1 (zh) 一种基于多新息递推贝叶斯算法的电池模型参数辨识方法
CN113011007B (zh) 一种锂离子动力电池热模型参数快速辨识方法及系统
CN113656931B (zh) 一种锂离子电池内部反应离子通量和电势的估计方法
Rodríguez et al. Improved transfer functions modeling linearized lithium-ion battery-cell internal electrochemical variables
Li et al. Thermal-physical modeling and parameter identification method for dynamic model with unmeasurable state in 10-kW scale proton exchange membrane fuel cell system
Muñoz et al. Parameter optimization of an electrochemical and thermal model for a lithium-ion commercial battery
Zhang et al. Internal temperature prediction model of the cylindrical lithium-ion battery under different cooling modes
CN113093016B (zh) 基于不确定噪声滤波的动力电池管理系统故障诊断方法
Gu et al. The analysis on the battery thermal management system with composite phase change materials coupled air cooling and fins
CN115221798A (zh) 一种电池热过程时空建模预测方法、系统、设备及介质
Shi et al. Discretization methods for battery systems modeling
Lin et al. Temperature estimation in a battery string under frugal sensor allocation
CN114563104B (zh) 一种基于非线性电热模型的动力电池双温度估计方法
Kocsis Szürke et al. Numerical Optimization of Battery Heat Management of Electric Vehicles
Kong et al. Assessment of simplifications to a pseudo–2D electrochemical model of Li-ion batteries
Huang et al. Thermal circuit model of prismatic lithium cell considering dynamic non-uniform characteristics during charging-discharging in energy storage
Mehta et al. Mathematical modelling of electrochemical, thermal and degradation processes in lithium-ion cells—A comprehensive review
van de Ven et al. Combined cell-level estimation of state-of-charge and temperature in battery packs
Romero et al. Fast charge of Li-ion batteries using a two-layer distributed MPC with electro-chemical and thermal constraints
Ng et al. Boundary control synthesis for a lithium‐ion battery thermal regulation problem
Wang et al. Fast cycle life evaluation method for ternary lithium-ion batteries based on divided SOC intervals
CN114374010B (zh) 一种圆柱形锂离子电池产热量测量方法
Abdul Samad Improved Battery State Estimation Using Novel Sensing Techniques.
Liu et al. Control Co-Design of Battery Packs With Immersion Cooling
CN115130293A (zh) 一种双重扰动下基于多胞滤波的动力电池温度估计方法

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