CN115587512A - 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法 - Google Patents
基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法 Download PDFInfo
- Publication number
- CN115587512A CN115587512A CN202211274936.4A CN202211274936A CN115587512A CN 115587512 A CN115587512 A CN 115587512A CN 202211274936 A CN202211274936 A CN 202211274936A CN 115587512 A CN115587512 A CN 115587512A
- Authority
- CN
- China
- Prior art keywords
- model
- lithium battery
- digital twin
- layer
- equivalent circuit
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法,该方法为:首先,构建锂电池数字孪生结构体系:所述锂电池数字孪生结构体系由物理设备层、数据感知层、数据传输层、数字孪生层和决策处理层组成;接着,在已建立的等效电路模型和热力学模型基础上,依托ANSYS Twinbuilder软件,实现锂电池热电耦合数字孪生模型的构建;最后,实现锂电池热电耦合数字孪生模型的参数辨识:考虑老化、温度因素影响,基于递推最小二乘算法实现等效电路模型参数的在线辨识;基于热力学模型原理,实现热力学模型参数辨识;即可得到锂电池热电耦合数字孪生模型。本发明方法在有效缩短大规模储能电站运行仿真时间的同时提高了仿真结果精度。
Description
技术领域
本发明涉及数字孪生技术,涉及电池模型领域,特别涉及一种基于ANSYSTwinBuilder的锂电池热电耦合数字孪生模型构建方法。
背景技术
传统电力系统正在逐步转变为以新能源为主体的新型电力系统,由于新能源具有随机性大、波动性强等特点,高比例新能源接入电网会对电网稳定性造成影响,大规模储能电站与新能源的协调发展成为推进新型电力系统建设的重要一环。近年来,锂电池由于具有较高的能量密度、较低的生产成本等优点,被广泛应用于储能电站中。然而全球范围内储能电站安全事故频发,热电工况是影响其安全运行的关键因素,因此研究储能电站内部锂电池热电耦合特性,实现对其运行状态的快速精确刻画,以减小事故发生的概率具有重要价值。
目前国内外许多学者对锂电池热电耦合模型进行了研究,对于等效电路模型,目前多采用离线参数辨识实现参数估计,但是运行过程中老化、温度等多种因素对电池参数有明显影响,导致仿真结果精度较低。对于热力学模型,多集中于通过计算流体力学(CFD)实现热力学模型仿真,但是存在仿真时间较长难以实现快速大规模在线仿真的缺点。
发明内容
针对上述背景技术中存在的技术问题,本发明提出一种基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法,有效缩短大规模储能电站运行仿真时间的同时提高仿真结果精度。该方法包括以下步骤:
步骤1:构建锂电池数字孪生结构体系。对该体系的组成部分物理设备层、数据感知层、数据传输层、数字孪生层和决策处理层的定义和机理依次进行分析。
步骤2:锂电池热电耦合模型构建。在已建立的等效电路模型和热力学模型基础上,依托ANSYS Twinbuilder平台,实现锂电池热电耦合模型构建。
步骤3:热电耦合模型参数辨识。基于最小二乘算法对等效电路模型参数进行了离线辨识。进而考虑老化、温度等因素影响,基于递推最小二乘算法实现等效电路模型参数在线辨识。并基于热力学模型原理,实现热力学模型参数辨识。
为此,本发明采取以下技术方案:
一种基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法,包括以下步骤:
1)锂电池数字孪生结构体系构建
数字孪生结构体系需要能够支撑物理实体、数字孪生模型以及双向的信息流动要素,因此本发明建立了由物理设备层、数据感知层、数据传输层、数字孪生层和决策处理层组成的锂电池数字孪生结构体系。
①物理设备层
物理设备层是预测系统数字孪生模型的实体基础,主要为储能电站内部的各个锂电池,是构建热电耦合模型的能量源和信息源。物理设备层同时是孪生数据的载体,为数据感知层提供电压、电流、SOC、温度等数据。
②数据感知层
数据感知层是数字孪生模型数据感知的媒介,主要为安装在储能电站内部的电压表、电流表、温度传感器等,用于收集锂电池工作过程中的实时运行数据,驱动数字孪生体系正常运作。
③数据传输层
数据传输层以交换机和以太网为核心,形成高效的网络传输及数据存储系统,实现锂电池工作过程中运行数据与锂电池工作状态的高效传输。
③数字孪生层
数字孪生层是该结构体系的核心,其中数字孪生模型是现实世界实体或系统的数字化表现,可用于理解、预测、优化和控制物理设备。
⑤决策处理层
决策处理层根据锂电池工作状态信息下达指令到电池管理系统,保证储能电站的正常运行。
2)锂电池热电耦合模型构建
首先,对锂电池等效电路模型构建原理进行分析;其次,对热力学模型构建原理进行分析;最后结合数字孪生结构体系,实现锂电池热电耦合数字孪生模型的构建。
①等效电路模型
等效电路模型是以具体的电路形式表示锂电池,各个电路元件有具体的表示含义,通过实验对元件参数进行辨识,进而对电池输出电压进行预测。目前常见的等效电路模型有Thevenin(一阶RC电路模型)和二阶RC模型等,考虑到二阶 RC模型对于电池动态特性的描述具有较高的准确性,本发明选择二阶RC模型进行研究。
根据二阶等效电路模型,结合基尔霍夫定律和基本电路原理可得到电池各状态参数之间的关系为:
式中:SOC表示电池荷电状态;SOC0表示初始荷电状态;CN表示电池额定容量;ηi表示库伦效率;t表示时间;Ue、Ud分别表示极化内阻Re、Rd上的电压;Δt表示采样周期;Ce、Cd表示极化电容;Re、Rd表示极化内阻;Ro表示欧姆内阻; Uo表示电池端电压;E表示理想电压源;I、Ie、Id分别表示流经欧姆内阻Ro、极化内阻Re、极化内阻Rd上的电流。
对上式离散化得到等效电路模型状态方程:
式中:k表示离散计算次数;SOCk+1表示第k+1次离散计算的电池荷电状态; Ue,k表示第k+1次离散计算的极化内阻Re上的电压;Ud,k表示第k+1次离散计算的极化内阻Rd上的电压;SOCk表示第k次离散计算的电池荷电状态;Ue表示第k次离散计算的极化内阻Re上的电压;Ud,k表示第k次离散计算的极化内阻Rd上的电压;Ik表示第k次离散计算的流经欧姆内阻Ro上的电流;τe、τd表示时间常数;τe=ReCe;τd=RdCd。
进而可得等效电路模型的输出方程为:
Uo,k=E-IkRo-Ue,k-Ud,k (3)
②热力学模型
锂电池工作过程中会产生和传递热量,温度不断变化。电池生热、散热是一个有时变内热源的非稳态传热过程,基于能量守恒方程可描述为:
式中:等式左侧表示单体电池增加的热量,等式右侧第一项为电池与外界环境热对流使电池单元体增加的热量,等式右侧第二项为电池内部的生热速率。ρi表示电池单体的密度;Ci表示比热容;T表示电池温度;t表示时间;λi表示在某方向上的导热系数;q表示生热速率;i表示单体电池编号。
将上式写为直角坐标形式:
式中:λx,i、λy,i、λz,i分别表示在x、y、z方向的导热系数。
电池生热速率一般采用Bernardi生热模型来计算,计算公式为:
③热电耦合模型
考虑到锂电池高度复杂的多物理场特性,等效电路模型参数是工作温度的函数,且电池产热速率取决于每一时刻电池的SOC、温度、充放电模式等,等效电路模型和热力学模型两者相互耦合。
考虑到储能系统规模快速增长,虽然传统的CFD仿真软件具有计算精度高、三维可视化等优点,但是计算耗时较长。对于瞬态热分析,尤其是分析很多种瞬态工况,需要多次重复运行模型。因此寻找兼具计算精度高、计算耗时短的仿真工具尤为重要。本发明利用ANSYS Twinbuider平台LTI ROM降阶模型实现热力学模型降阶,进而构建锂电池热电耦合数字孪生模型,实现对锂电池运行状态的精确刻画。结果和CFD仿真具有同样的精度,计算时间降低至秒级,大幅提升仿真效率。
3)参数辨识
首先,基于最小二乘算法对等效电路模型参数进行了离线辨识;其次,考虑老化、温度等因素影响,基于递推最小二乘算法实现等效电路模型参数在线辨识,实现数字孪生虚拟模型和物理实体之间的交互反馈;最后基于热力学模型原理,实现热力学模型参数辨识。
等效电路模型中需要辨识的参数包括开路电压与SOC对应关系和电阻、电容等参数,主要采用混合脉冲功率特性实验(HPPC)进行参数识别。通过最小二乘法拟合得到等效电路模型参数Ro、Re、Rd、Ce、Cd,实现对参数的离线辨识。
离线辨识采用的最小二乘算法可以一次性求出所有参数的估计值,估计精度高,但是算法中涉及矩阵求逆运算,在电池运行过程中,每得到一组新的测量数据,需要重新计算对处理器要求较高。本发明采用递推最小二乘算法,实现等效电路模型参数的在线辨识。算法原理可以描述为:
式中:θ(k)表示参数估计值;y(k)表示实际观测值;ψ(k)表示输入与输出矩阵;ψT(k)表示输入与输出矩阵转置;ψT(k)θ(k-1)表示预测值;y(k)-ψT(k)θ(k-1)表示预测误差;K(k)表示增益因子,增益因子与预测误差相乘即可得到修正项;最终由修正项与θ(k-1)相加得到参数估计值;P(k)表示协方差矩阵。
将上述递推最小二乘算法原理应用于锂电池等效电路模型中,递推最小二乘算法的输入为电流I,输出为y=E-Uo。由基尔霍夫定律和拉普拉斯变换得到等效电路模型的频域表达式为:
其中,s为复数频率;
进而可以得到模型的传递函数,对传递函数通分、双线性变换离散化后得到的差分方程为:
y(k)=-α1y(k-1)-α2y(k-2)+β0I(k)+β1I(k-1)+β2I(k-2) (9)
表达式中的系数α1、α2、β0、β1、β2通过递推最小二乘算法求出,进而可以通过求解方程组得到等效电路模型参数。当第k+1时刻获得一组新数据 {y(k+1),I(k+1)},按上述分析可得到k+1时刻新的模型参数,每获得一组新数据,进行一次递推,实现电池模型参数的在线估计。该方法充分利用了物理实体、传感器以及运行数据之间的交互仿真,实现数字虚拟空间与实际物理装备之间高保真虚实映射。
式(5)热力学模型参数ρ、Cp、λx、λy、λz、q,是由设备参数说明书和运行数据计算得到,从而得到电池随着运行时间温度的变化和各个位置的温度变化。
本发明的发明原理为:
本发明基于ANSYS Twinbuilder模型降阶技术,将CFD三维有限元分析结果降阶为可以用一维系统仿真的ROM模型,在保证三维仿真精度的前提下,以近乎实时的速度完成热电耦合仿真;数字孪生技术通过交互反馈实时感知物理实体状态,构建物理实体的数字化模型,进而提供更加实时、高效的分析与决策,因此本发明提出的基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法具有重要的意义。
本发明的有益效果为:
1)本发明提出了锂离子电池数字孪生结构体系,考虑锂电池等效电路模型和热力学模型之间的耦合,建立了锂电池热电耦合数字孪生模型,实现对实体电池运行状态更准确地刻画,有利于准确估计电池温度,减缓储能电池老化,减小储能电站事故发生的概率。
2)基于ANSYS Twinbuilder对热力学模型降阶处理,在保证仿真精度的同时减少仿真时间,为大规模储能电站CFD仿真、设计与优化管理提供了一种有效的方法。
附图说明
图1基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型的构建原理;
图2二阶RC等效电路模型;
图3热电耦合框架修改图;
图4算法流程图;
图5有无热电耦合结果对比图;
图6 25℃ 1C至4C放电实验与仿真温度结果对比。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。本发明所提供的方法具体流程如下:
本发明的一种基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建原理如附图1所示。首先,建立锂电池等效电路模型,通过传感器对储能电站中的锂电池运行数据进行采集,对电池运行原理进行分析,通过最小二乘算法实现对等效电路模型参数的离线辨识。其次,建立锂电池热力学模型。进而,ANSYS Twinbuilder软件的LTI ROM降阶模型具有计算耗时短、仿真精度高的特点,因此,基于ANSYS Twinbuilder构建热电耦合数字孪生模型,并采用递推最小二乘算法在线辨识修正等效电路模型参数,得到最终数字孪生模型。考虑电池老化、温度等对电池工作状态影响,利用传感量测数据与设备历史运行数据共同构建数字孪生体系,充分发挥数据的潜在价值,实现数字孪生模型和物理实体之间的数据交互。最后,数字孪生模型输出结果将实时反馈至电池管理系统,指导储能电站正常运行。
等效电路模型
等效电路模型是以具体的电路形式表示锂电池,各个电路元件有具体的表示含义,通过实验对元件参数进行辨识,进而对电池输出电压进行预测。目前常见的等效电路模型有Thevenin(一阶RC电路模型)和二阶RC模型等,考虑到二阶 RC模型对于电池动态特性的描述具有较高的准确性,本发明选择二阶RC模型进行研究,其等效电路模型如附图2所示。
附图2中,E表示理想电压源;Ro表示欧姆内阻;Re、Rd表示极化内阻;Ce、Cd表示极化电容;Uo表示电池端电压;I、Ie、Id分别表示流经欧姆内阻Ro、极化内阻Re、极化内阻Rd上的电流;I1、I2分别表示流经极化电容Ce、Cd上的电流。
根据附图2所示的等效电路模型,结合基尔霍夫定律和基本电路原理可得到电池各状态参数之间的关系为:
式中:SOC表示电池荷电状态;SOC0表示初始荷电状态;t表示时间;CN表示电池额定容量;ηi表示库伦效率;Ue、Ud分别表示极化内阻Re、Rd上的电压;Δt 表示采样周期;E表示理想电压源;I、Ie、Id分别表示流经欧姆内阻Ro、极化内阻Re、极化内阻Rd上的电流。
对上式离散化得到等效电路模型状态方程:
式中:k表示离散计算次数;SOCk+1表示第k+1次离散计算的电池荷电状态; Ue,k表示第k+1次离散计算的极化内阻Re上的电压;Ud,k表示第k+1次离散计算的极化内阻Rd上的电压;SOCk表示第k次离散计算的电池荷电状态;Ue表示第k次离散计算的极化内阻Re上的电压;Ud,k表示第k次离散计算的极化内阻Rd上的电压;Ik表示第k次离散计算的流经欧姆内阻Ro上的电流;τe、τd表示时间常数;τe=ReCe;τd=RdCd。
进而可得等效电路模型的输出方程为:
Uo,k=E-IkRo-Ue,k-Ud,k (3)
热力学模型
锂电池工作过程中会产生和传递热量,温度不断变化。电池生热、散热是一个有时变内热源的非稳态传热过程,基于能量守恒方程可描述为:
式中:等式左侧表示单体电池增加的热量,等式右侧第一项为电池与外界环境热对流使电池单元体增加的热量,等式右侧第二项为电池内部的生热速率。ρi表示电池单体的密度;Ci表示比热容;T表示电池温度;t表示时间;λi表示在某方向上的导热系数;q表示生热速率;i表示单体电池编号。
将上式写为直角坐标形式:
式中:λx,i、λy,i、λz,i分别表示在x、y、z方向的导热系数。
电池生热速率一般采用Bernardi生热模型来计算,计算公式为:
热电耦合模型
考虑到锂电池高度复杂的多物理场特性,等效电路模型参数是工作温度的函数,且电池产热速率取决于每一时刻电池的SOC、温度、充放电模式等,等效电路模型和热力学模型两者相互耦合。因此,构建热电耦合框架如附图3所示。
考虑到储能系统规模快速增长,虽然传统的CFD仿真软件具有计算精度高、三维可视化等优点,但是计算耗时较长。对于瞬态热分析,尤其是分析很多种瞬态工况,需要多次重复运行模型。因此寻找兼具计算精度高、计算耗时短的仿真工具尤为重要。本发明利用ANSYS Twinbuider平台LTI ROM降阶模型实现热力学模型降阶,进而构建锂电池热电耦合数字孪生模型,实现对锂电池运行状态的精确刻画。结果和CFD仿真具有同样的精度,计算时间降低至秒级,大幅提升仿真效率。
锂电池热电耦合数字孪生模型的参数辨识:
首先,基于最小二乘算法对等效电路模型参数进行了离线辨识;其次,考虑老化、温度等因素影响,基于递推最小二乘算法实现等效电路模型参数在线辨识,实现数字孪生虚拟模型和物理实体之间的交互反馈;最后基于热力学模型原理,实现热力学模型参数辨识。
等效电路模型中需要辨识的参数包括开路电压与SOC对应关系和电阻、电容等参数,主要采用混合脉冲功率特性实验(HPPC)进行参数识别。通过最小二乘法拟合得到等效电路模型参数Ro、Re、Rd、Ce、Cd,实现对参数的离线辨识。
离线辨识采用的最小二乘算法可以一次性求出所有参数的估计值,估计精度高,但是算法中涉及矩阵求逆运算,在电池运行过程中,每得到一组新的测量数据,需要重新计算对处理器要求较高。本发明采用递推最小二乘算法,实现等效电路模型参数的在线辨识。算法原理可以描述为:
式中:θ(k)表示参数估计值;y(k)表示实际观测值;ψ(k)表示输入与输出矩阵;ψT(k)表示输入与输出矩阵转置;ψT(k)θ(k-1)表示预测值;y(k)-ψT(k)θ(k-1)表示预测误差;K(k)表示增益因子,增益因子与预测误差相乘即可得到修正项;最终由修正项与θ(k-1)相加得到参数估计值;P(k)表示协方差矩阵。
将上述递推最小二乘算法原理应用于锂电池等效电路模型中,递推最小二乘算法的输入为电流I,输出为y=E-Uo。由基尔霍夫定律和拉普拉斯变换得到等效电路模型的频域表达式为:
其中,s为复数频率;
进而可以得到模型的传递函数,对传递函数通分、双线性变换离散化后得到的差分方程为:
y(k)=-α1y(k-1)-α2y(k-2)+β0I(k)+β1I(k-1)+β2I(k-2) (9)
表达式中的系数α1、α2、β0、β1、β2通过递推最小二乘算法求出,进而可以通过求解方程组得到等效电路模型参数。当第k+1时刻获得一组新数据{y(k+1),I(k+1)},按上述分析可得到k+1时刻新的模型参数,每获得一组新数据,进行一次递推,实现电池模型参数的在线估计,具体实现流程如附图4所示。该方法充分利用了物理实体、传感器以及运行数据之间的交互仿真,实现数字虚拟空间与实际物理装备之间高保真虚实映射。
式(5)热力学模型参数ρ、Cp、λx、λy、λz、q,是由设备参数说明书和运行数据计算得到,从而得到电池随着运行时间温度的变化和各个位置的温度变化。
以某商用锂电池为研究对象进行实验验证,基本参数如表1所示。
表1锂电池基本参数
为简化电池模型,做出如下假设:
(1)电池内部材料各向同性;
(2)构成材料的密度、比热容不受外界环境的影响,保持不变;
(3)导热系数在各个方向各处均保持不变;
(4)电池工作时内部电流密度处处相等;
(5)电池内部只考虑热传导传热。
基于热力学模型参数辨识原理,考虑影响电池温度分布的关键因素,将锂电池简化为由正极材料、负极材料、隔膜、电解液、外壳、正极耳和负极耳等部分组成,经过电池说明书和运行数据计算得到热力学参数如表2所示。
表2锂电池热力学参数
计算得到材料的平均密度ρ为2179kg/m3,电池内部的平均比热容 1000J(kg/K),电池沿着各个方向的导热系数为λx=3W/(m·K)、λy=30W/(m·K)、λz=30W/(m·K)。
在Simulink中构建锂电池等效电路模型,利用CFD热分析仿真软件(ANSYSIcepak)构建电池热力学模型。进而利用ANSYS Twinbuilder软件实现热力学模型和等效电路模型之间的耦合,构建锂电池热电耦合模型,实现多物理域的联合仿真。
为了验证构建模型的有效性,本发明在有无降阶模型、有无热力学模型耦合和不同充放电倍率下进行了仿真,与实验结果对比确定仿真的精确程度和计算效率。
1)有无降阶模型
从表3中可以看出,基于ANSYS Twinbuider平台LTI ROM降阶模型对热力学模型降阶处理后,实现电池单体仿真时间减少至小于1s,电池包仿真时间减少近2min,将仿真时间从分钟级及降低至秒级,具有CFD仿真精度的同时实现仿真效率的提升,为大规模储能电站CFD仿真提供了一种有效的方法。
表3仿真时间对比
2)有无热电耦合对比
将模型设置为无热电耦合,即锂电池工作过程中不考虑温度变化对等效电路模型参数变化的影响,以此来验证热电耦合模型的准确性。从附图5可以看出,在仿真初期由于电池温度变化不明显,两种仿真结果相似。但随着仿真时间变长,电池温度发生较大的变化,不考虑热电耦合,电池温度误差越来越大,温度最大偏差达到0.7℃。大规模储能电站包含大量电池单体,热电耦合模型有利于准确估计电池温度,减缓储能电池老化,减小安全事故发生的概率。
3)25℃不同充放电倍率验证
从附图6温度对比结果可知,电池放电过程温度处于上升状态,1C、2C、 3C、4C均在放电初期温度上升较快,后期相对平缓。随着放电倍率的提高,电池稳态温度也提升。与实验结果对比可知,温度误差均在1℃,验证了模型的精度。
Claims (4)
1.一种基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法,其特征在于,包括以下步骤:
步骤1:构建锂电池数字孪生结构体系:所述锂电池数字孪生结构体系由物理设备层、数据感知层、数据传输层、数字孪生层和决策处理层组成;
步骤2:构建锂电池热电耦合数字孪生模型:在已建立的等效电路模型和热力学模型基础上,依托ANSYS Twinbuilder软件,实现锂电池热电耦合数字孪生模型的构建;
步骤3:锂电池热电耦合数字孪生模型的参数辨识:考虑老化、温度因素影响,基于递推最小二乘算法实现等效电路模型参数的在线辨识;基于热力学模型原理,实现热力学模型参数辨识;即可得到锂电池热电耦合数字孪生模型。
2.根据权利要求1所述的一种基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法,其特征在于,所述步骤1中锂电池数字孪生结构体系的组成部分具体为:
①物理设备层
所述物理设备层为储能电站内部的各个锂电池,是构建热电耦合模型的能量源和信息源;所述物理设备层为数据感知层提供电压、电流、SOC、温度数据;
②数据感知层
所述数据感知层为安装在储能电站内部的电压表、电流表、温度传感器,用于收集锂电池工作过程中的实时运行数据,驱动数字孪生体系正常运作;
③数据传输层
所述数据传输层以交换机和以太网为核心,实现锂电池工作过程中运行数据与锂电池工作状态信息的传输;
③数字孪生层
所述数字孪生层是物理设备的数字化表现,用于理解、预测、优化和控制物理设备;
⑤决策处理层
所述决策处理层根据锂电池工作状态信息下达指令到电池管理系统,保证储能电站的正常运行。
3.根据权利要求1所述的一种基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法,其特征在于,所述步骤2中锂电池热电耦合模型的构建方法为:
首先,对锂电池等效电路模型构建原理进行分析;其次,对热力学模型构建原理进行分析;最后结合数字孪生结构体系,实现锂电池热电耦合数字孪生模型的构建;
所述结合数字孪生结构体系,实现锂电池热电耦合数字孪生模型的构建,具体为:将锂电池等效电路模型和热力学模型集成到ANSYS Twinbuider软件中,并利用LTI ROM降阶模型对热力学模型进行降阶,即可实现锂电池热电耦合数字孪生模型的构建。
4.根据权利要求1所述的一种基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法,其特征在于,所述步骤3中,考虑老化、温度因素影响,基于递推最小二乘算法实现等效电路模型参数的在线辨识,具体为:
将递推最小二乘算法应用于锂电池等效电路模型中,由基尔霍夫定律和拉普拉斯变换得到等效电路模型的频域表达式为:
其中,y(s)为锂电池等效电路模型输出量的频域表达;I(s)表示锂电池等效电路模型输入量电流的频域表达;Ro为欧姆内阻;Re、Rd表示极化内阻Ue;Ce、Cd表示极化电容;s为复数频率;
进而得到等效电路模型的传递函数,对传递函数通分、双线性变换离散化后得到差分方程,具体为:
y(k)=-α1y(k-1)-α2y(k-2)+β0I(k)+β1I(k-1)+β2I(k-2)
其中,系数α1、α2、β0、β1、β2通过递推最小二乘算法求出;α1、α2、β0、β1、β2分别表示输出量第k-1次、输出量第k-2次、输入量第k次、输入量第k-1次、输入量第k-2次频域计算值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211274936.4A CN115587512A (zh) | 2022-10-18 | 2022-10-18 | 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211274936.4A CN115587512A (zh) | 2022-10-18 | 2022-10-18 | 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115587512A true CN115587512A (zh) | 2023-01-10 |
Family
ID=84780273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211274936.4A Pending CN115587512A (zh) | 2022-10-18 | 2022-10-18 | 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115587512A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117233617A (zh) * | 2023-11-14 | 2023-12-15 | 苏州易来科得科技有限公司 | 循环工况下的锂离子电池老化测试方法、存储介质和设备 |
CN117350114A (zh) * | 2023-10-11 | 2024-01-05 | 浙江浙能临海海上风力发电有限公司 | 一种风机健康状态评估方法、装置和系统 |
CN117630684A (zh) * | 2024-01-26 | 2024-03-01 | 昆明理工大学 | 基于电热耦合模型的锂离子电池内部温度在线估计方法 |
-
2022
- 2022-10-18 CN CN202211274936.4A patent/CN115587512A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350114A (zh) * | 2023-10-11 | 2024-01-05 | 浙江浙能临海海上风力发电有限公司 | 一种风机健康状态评估方法、装置和系统 |
CN117350114B (zh) * | 2023-10-11 | 2024-03-29 | 浙江浙能临海海上风力发电有限公司 | 一种风机健康状态评估方法、装置和系统 |
CN117233617A (zh) * | 2023-11-14 | 2023-12-15 | 苏州易来科得科技有限公司 | 循环工况下的锂离子电池老化测试方法、存储介质和设备 |
CN117233617B (zh) * | 2023-11-14 | 2024-02-13 | 苏州易来科得科技有限公司 | 循环工况下的锂离子电池老化测试方法、存储介质和设备 |
CN117630684A (zh) * | 2024-01-26 | 2024-03-01 | 昆明理工大学 | 基于电热耦合模型的锂离子电池内部温度在线估计方法 |
CN117630684B (zh) * | 2024-01-26 | 2024-05-10 | 昆明理工大学 | 基于电热耦合模型的锂离子电池内部温度在线估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115587512A (zh) | 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法 | |
Wu et al. | Evaluation and observability analysis of an improved reduced-order electrochemical model for lithium-ion battery | |
Pang et al. | A novel extended Kalman filter-based battery internal and surface temperature estimation based on an improved electro-thermal model | |
Allafi et al. | A lumped thermal model of lithium-ion battery cells considering radiative heat transfer | |
CN111929581B (zh) | 一种动力锂电池内外部温度预测方法 | |
Wang et al. | Spatial correlation-based incremental learning for spatiotemporal modeling of battery thermal process | |
Shi et al. | A novel lumped thermal characteristic modeling strategy for the online adaptive temperature and parameter co-estimation of vehicle lithium-ion batteries | |
CN110690533B (zh) | 一种锂离子电池正弦交流电低温加热策略 | |
CN107392352B (zh) | 一种基于融合极限学习机的电池未来温度预测方法及系统 | |
CN110427639B (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 | |
CN110276120B (zh) | 一种基于电热耦合的全钒液流电池储能系统等效方法 | |
Zhu et al. | A fractional-order model of lithium-ion battery considering polarization in electrolyte and thermal effect | |
Zhou et al. | Data-driven real-time prediction of pouch cell temperature field under minimal sensing | |
CN114330150A (zh) | 一种电热传感器互校正的锂电池健康状态估计方法 | |
Chen et al. | State of health estimation for lithium-ion battery based on particle swarm optimization algorithm and extreme learning machine | |
CN106772075B (zh) | 一种考虑温度梯度的在线电池阻抗模型优化方法 | |
CN117195713A (zh) | 一种基于深度算子学习的锂电池模组温度场重建方法 | |
He et al. | Research on battery state of charge estimation based on variable window adaptive extended Kalman filter | |
Giegerich et al. | Electrothermal modeling and characterization of high capacity lithium-ion battery systems for mobile and stationary applications | |
CN113109722B (zh) | 一种融合充电倍率的多因素电池充电内阻建模方法 | |
CN113109726B (zh) | 一种基于误差补偿的多因素动态内阻模型估算锂离子电池内阻方法 | |
Yu et al. | Co-estimation of state of charge and internal temperature of pouch lithium battery based on multi-parameter time-varying electrothermal coupling model | |
Shen et al. | A karhunen-loeve Galerkin online modeling approach for the thermal dynamics of li-ion batteries | |
CN114295987A (zh) | 一种基于非线性卡尔曼滤波的电池soc状态估计方法 | |
CN113884901A (zh) | 一种电池表面温度分布估计方法及系统 |
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 |