CN115632181A - 锂电池温度预警方法、系统、存储介质及终端 - Google Patents
锂电池温度预警方法、系统、存储介质及终端 Download PDFInfo
- Publication number
- CN115632181A CN115632181A CN202211338025.3A CN202211338025A CN115632181A CN 115632181 A CN115632181 A CN 115632181A CN 202211338025 A CN202211338025 A CN 202211338025A CN 115632181 A CN115632181 A CN 115632181A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- temperature
- early warning
- model
- electrochemical
- 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
-
- 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
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
- G01K1/02—Means for indicating or recording specially adapted for thermometers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- 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
-
- 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
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/488—Cells or batteries combined with indicating means for external visualization of the condition, e.g. by change of colour or of light density
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Data Mining & Analysis (AREA)
- Electrochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供一种锂电池温度预警方法、系统、存储介质及终端,所述方法包括:建立锂电池的电化学模型;建立锂电池的热耦合模型,所述的热耦合模型考虑所述锂电池与周围环境的对流换热作用;获取所述锂电池与周围环境的对流换热系数;基于所述对流换热系数将所述热耦合模型嵌入所述电化学模型得到电化学‑热耦合模型,并对所述电化学‑热耦合模型进行数值求解得到所述锂电池的物理量变化数据,所述物理量包括所述锂电池的温度;基于所述锂电池的温度进行温度预警。本发明能够准确预测、判断和评估锂电池的热状态并及时做出预警。
Description
技术领域
本发明涉及锂电池的技术领域,特别是涉及一种锂电池温度预警方法、系统、存储介质及终端。
背景技术
锂离子电池以其高输出电压和高能量密度,在通讯、运输交通、航空航天和军事等领域中有着不可或缺的地位。然而锂电池在不同工况下温度变化导致的热失控一直是行业痛点,各种电动汽车、储能电站、充电站、充电桩等的起火、自燃和爆炸的新闻层出不穷,这也使得用户对于锂电池产品的安全信心不足。因此,准确预测、判断和评估锂电池的热状态并及时做出预警也就成为了锂电池突破发展瓶颈的关键步骤。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种锂电池温度预警方法、系统、存储介质及终端,以解决现有技术中无法准确预测、判断和评估锂电池的热状态并及时做出预警的技术问题。
第一方面,本发明提供一种锂电池温度预警方法,所述方法包括以下步骤:建立锂电池的电化学模型;建立锂电池的热耦合模型,所述的热耦合模型考虑所述锂电池与周围环境的对流换热作用;获取所述锂电池与周围环境的对流换热系数;基于所述对流换热系数将所述热耦合模型嵌入所述电化学模型得到电化学-热耦合模型,并对所述电化学-热耦合模型进行数值求解得到所述锂电池的物理量变化数据,所述物理量包括所述锂电池的温度;基于所述锂电池的温度进行温度预警。
在第一方面的一种实现方式中,所述电化学模型包括伪二维模型。
在第一方面的一种实现方式中,所述热耦合模型包括集总热模型,表示为:
Qsum=Qrea+Qact+Qohm
Qact=aFjnη
其中,ρ为锂电池计算域的密度,Cρ为锂电池比热容,T为锂电池的温度,t为时间,Qsum为总热量,h为锂电池与周围环境的对流换热系数,a为锂电池的比表面积,Tamb为锂电池所处的周围环境温度,Qrea为反应热,Qact为极化热,Qohm为欧姆热,F为法拉第常数,jn为锂离子通量,U为锂电池的电压,为熵变,η为过电位,为固相有效电导率,φs为固相电势,为液相有效电导率,φe为液相电势,x为伪二维模型中的x轴。
在第一方面的一种实现方式中,获取所述锂电池与周围环境的对流换热系数包括:将锂电池加热到一定温度;锂电池自然对流换热过程中,根据设定采样频率采样并记录锂电池表面的温度数据,直到自然对流换热结束后锂电池表面的温度恒定;计算每一个采样时段的对流换热系数:其中,hi为第i个采样时段的对流换热系数,Ti、Ti-1对应为第i、i-1个采样点的锂电池温度,Δti为第i个采样时段的时间间隔,ρ为锂电池计算域的密度,Cρ为锂电池比热容,a为锂电池的比表面积,Tamb为锂电池所处的周围环境温度;对所有采样时段的对流换热系数进行后处理,确定所述锂电池与周围环境的对流换热系数的最终值。
在第一方面的一种实现方式中,对所述电化学-热耦合模型进行数值求解得到所述锂电池的物理量变化数据,包括:获取锂电池的实际工况数据,将所述实际工况数据作为初始参数输入至所述电化学-热耦合模型;采用数值计算方法对所述电化学-热耦合模型进行空间和时间上的迭代计算,得到所述锂电池的物理量变化数据。
在第一方面的一种实现方式中,基于所述锂电池的温度进行温度预警包括:当锂电池的温度超过设定温度阈值,则触发热失控预警。
在第一方面的一种实现方式中,基于所述锂电池的温度进行温度预警包括:计算锂电池的温度变化率,若温度变化率超过设定温度变化率阈值,则触发热失控预警。
第二方面,本发明提供一种锂电池温度预警系统,所述系统包括第一建模模块、第二建模模块、获取模块、耦合计算模块和预警模块;所述第一建模模块用于建立锂电池的电化学模型;所述第二建模模块用于建立锂电池的热耦合模型,所述的热耦合模型考虑所述锂电池与周围环境的对流换热作用;所述获取模块用于获取所述锂电池与周围环境的对流换热系数;所述耦合计算模块基于所述对流换热系数将所述热耦合模型嵌入所述电化学模型得到电化学-热耦合模型,并对所述电化学-热耦合模型进行数值求解得到所述锂电池的物理量变化数据,所述物理量包括所述锂电池的温度;所述预警模块基于所述锂电池的温度进行温度预警。
第三方面,本发明提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述所述的锂电池温度预警方法。
第四方面,本发明提供一种锂电池温度预警终端,包括:处理器及存储器;所述存储器用于存储计算机程序;所述处理器用于执行所述存储器存储的计算机程序以实现上述所述的锂电池温度预警方法。
如上所述,本发明的锂电池温度预警方法、系统、存储介质及终端,具有以下有益效果:
(1)本发明在传统伪二维模型的基础上,加入热耦合子模型,通过电化学与热力学之间的双向耦合以及锂电池与外界的对流散热作用,计算锂电池的实时工作温度,将电化学与热耦合相结合的方法,弥补了传统伪二维模型只可计算恒温工况这一短板,同时又发挥了伪二维模型精度高的优点,是非常理想的判断锂电池温度状态的新型物理化学模型,提高了温度预测的准确性;
(2)本发明在热失控判定时在以电池温度作为判定标准的基础上,增加了新的衡量指标,即电池温度的变化速率,能够更加及时有效对锂电池的热失控进行判断。
附图说明
图1显示为本发明的锂电池温度预警方法于一实施例中的流程图。
图2显示为本发明实施例中阿伦尼乌斯系数与温度的关系图。
图3显示为本发明实施例中采用电化学-热耦合模型进行计算得到的锂电池的物理量变化曲线。
图4显示为本发明实施例中采用电化学-热耦合模型以及电化学仿真开源代码pybamm得到的锂电池的电压与温度变化的对比结果图。
图5显示为本发明的锂电池温度预警方法于一实施例中基于锂电池温度进行预警的具体流程图。
图6显示为本发明的锂电池温度预警系统于一实施例中的结构示意图。
图7显示为本发明的锂电池温度预警终端于一实施例中的结构示意图。
元件标号说明
6 锂电池温度预警系统
61 第一建模模块
62 第二建模模块
63 获取模块
64 耦合计算模块
65 预警模块
7 锂电池温度预警终端
71 处理器
72 存储器
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明的锂电池温度预警方法、系统、存储介质及终端在传统电化学模型的基础上,嵌入热耦合子模型,并且考虑对流换热作用影响的锂离子电池温度预警方法。通过将集总热模型嵌入传统恒温电化学模型,可实现微观层面上的电化学反应特性与宏观层面上的锂电池温度变化之间的双向耦合;除考虑锂电池自身热量外,又考虑了对锂电池与周围环境的对流热量交换的因素,通过实际测量得到锂电池与周围环境空气的自然对流散热系数;基于上述内容进行数值建模,构造出全新的电化学-热耦合模型,通过求解该模型得出温度计算结果;此外,在结果数据的后处理与分析步骤中,加入了新的锂电池热状态的衡量指标,即温度随时间的变化率;综上内容即可对锂电池温度进行高精度的计算与预警。
以下以具体实施例的方式对本发明提供的锂电池温度预警方法、系统、存储介质及终端进行具体说明。
如图1所示,于一实施例中,本发明提供一种锂电池温度预警方法,包括步骤S1至步骤S5。
步骤S1、建立锂电池的电化学模型。
常见的锂电池的电化学模型包括等效电路(ECM)模型、伪二维(P2D)模型、简化准二维(SP2D)模型和单粒子(SPM)模型等,其中由Doyle和Newman在1993年联合提出的伪二维模型计算复杂度最高,精度及可预测性亦最高,是目前使用最广泛的模型之一,是一种恒流等温的电化学物理模型。
因此,本实施例中电化学模型采用伪二维模型。基于伪二维模型的物理化学理论基础进行数值建模,具体实施细节为:伪二维模型包含四个偏微分方程及一个代数方程;四个偏微分方程依次表征固相电势,固相传质,液相电势和液相传质,代数方程为巴特勒福尔默(BV)方程。各方程如下所示:
1、固相传质,根据菲克第二定律,可知:
其中,cs为固相锂离子浓度,t为时间,r为反应颗粒半径,Ds为锂离子固相扩散系数。
2、固相电势,根据基尔霍夫电流定律和欧姆定律,可知:
3、液相传质
4、液相电势
其中,φe为液相电势,x为伪二维模型中的x轴,ie为液相电流密度,κeff为锂离子液相有效电导率,ce为液相锂离子浓度,R为普适气体常数(一般取值8.314),T为锂电池的温度,F为法拉第常数(一般取值为96485),tc为阳离子转移数,为一与液相平均摩尔活度系数有关的常数(一般取值为1),为液相电势的对数函数关于x轴的偏导。
5、巴特勒福尔默方程
其中,i0为电极交换电流密度,ce为液相锂离子浓度,cs,max为锂离子固相最大浓度,css为反应颗粒固相表面浓度,αa、αc为电极反应转化系数。
通过步骤S1中的五大方程,可精确计算在恒温状态下,锂电池内部状态及各物理量的具体数值;需要注意的是,在求解过程中,需要提供与实际物理意义相符的边界条件。步骤S1的计算结果也将在步骤S2中有所使用。
步骤S2、建立锂电池的热耦合模型,所述的热耦合模型考虑所述锂电池与周围环境的对流换热作用。
步骤S2构造热耦合模型并将热耦合子模型带来的温度变化与步骤S1中电化学模型的相关物理量进行关联,从而实现双向耦合。其具体实施为:将锂电池热量分为三部分,分别是极化热、反应热和欧姆热,并依次建立数学公式,基于步骤S1中电化学模型,分别计算各部分热量的数值;再将三部分热量进行数值求和得到总热量,基于电池温度变化遵循能量守恒这一客观事实,考虑锂电池与周围环境的对流换热效应,构建集总热模型公式,根据总热量计算温度变化;同时,温度的变化又将影响步骤S1中的电化学反应;至此可实现电化学与热的双向耦合。各公式如下:
反应热:
极化热
Qact=aFjnη
其中,Qact为极化热,a为锂电池的比表面积,F为法拉第常数,jn为锂离子通量,η为过电位。
欧姆热:
进而,集总热模型为:
Qsum=Qrea+Qact+Qohm
其中,ρ为锂电池计算域的密度,Cρ为锂电池比热容,T为锂电池的温度,t为时间,Qsum为总热量,h为锂电池与周围环境的对流换热系数,a为锂电池的比表面积,Tamb为锂电池所处的周围环境温度,Qrea为反应热,Qact为极化热,Qohm为欧姆热。
值得一提的是,在集总热模型的方程右侧的Qsum项即表示电池自身发生电化学反应相关的总热量,ha(Tamb-T)代表了将锂电池与周围环境的对流换热作用加入了考虑范畴。
根据热力学第二定律可知,若锂电池温度高于环境温度,热量将自发地由锂电池通过对流传热方式传向周围环境,导致环境温度升高,对应的锂电池自身温度降低,这就可以保证防止因只计算自身热量而产生的温度数据结果数值过高,进而防止发生误判情况;然而想要准确地计算出锂电池温度,仍缺乏关键参数:由集总热模型中的ha(Tamb-T)项可知,Tamb即为室温,可由温度计方便测得,因此步骤S2的实施难点在于如何确定对流传热系数h的具体数值。
在计算出锂电池温度后,根据阿伦尼乌斯定律可知,温度又会反向影响步骤S1中的一些物理量,例如锂离子电导率、锂离子扩散系数以及电池内部的正负电极的交换电流密度,皆与温度成正相关,温度升高,阿伦尼乌斯系数增大,锂离子的运动速度加快,电导率或扩散系数或交换电流密度都将增大;反之亦成立。
阿伦尼乌斯方程可表示为:
其中,Arrhenius即为阿伦尼乌斯系数,k1、k2为不同温度下的速率常数,exp为指数函数,Ea为表观活化能,T2为当前温度,298.15指默认室温(25℃),R为普适气体常数;基于此公式,阿伦尼乌斯系数与温度的大致关系如附图中的图2所示。
综上,本步骤在步骤S1的基础上,利用步骤S2的热耦合模型计算温度,又利用计算出来的温度结果去计算温度对步骤S1的影响,可以认为是实现了双向耦合。
步骤S3、获取所述锂电池与周围环境的对流换热系数。
具体地:关于对流换热也分为两种方式,自然对流和强制对流,自然对流指锂电池与周围环境由于不均匀的温度场而行程不均匀的密度场进而由于重力作用自发产生的对流,强制对流则是由泵或风机等对锂电池吹风而造成的外力推动,从而强制形成的对流。一般来说,将锂电池至于空气中(即自然对流),对流换热系数取值大概在5至25之间,若使用风机等设备(即强制对流),对流换热系数数值可达到接近300。在本步骤中,主要考虑锂电池发生自然对流,因此,获取所述锂电池与周围环境的对流换热系数具体实施为:
首先,将温度传感器放置于锂电池表面,使用加热装置(或用较大电流通电)将锂电池加热到预设温度(可选取50℃)并稳定数小时,在此期间多次读取温度传感器数据以保证锂电池温度恒定在预设温度。
然后,停止加热并以此为初始时刻开始计时,由于自然对流换热,锂电池温度下降,每隔固定的时间间隔读取并记录温度传感器数据,每一个时间间隔作为一个采样时段,直至连续两次或三次读取的数据基本保持一致(与室温大致相等),说明锂电池温度已与室温相同,可认为此时已无对流换热发生,测量部分结束。在本实施例中,时间间隔可设置为15分钟,从0时刻开始,每隔15分钟读取温度传感器数据。
接着,计算每个采样时段的对流换热系数,例如:0-15分钟计算出来一个对流换热系数的数值h1,15-30分钟计算出来一个对流换热系数的数值h2,30-45分钟h3,以此类推,得到一组对流换热系数的数值。每一个采样时段的对流换热系数通过下式计算:
其中,hi为第i个采样时段的对流换热系数,Ti、Ti-1对应为第i、i-1个采样点的锂电池温度,Δti为第i个采样时段的时间间隔,ρ为锂电池计算域的密度,Cρ为锂电池比热容,a为锂电池比表面积,Tamb为锂电池所处的周围环境温度。对于第1个采样时段,T1为第一个采样点的温度采样值,T0为锂电池加热到的预设温度,基于上述记载可知,此处T0为50°。Tamb可认为是定值(一般取298.15K,即25°),因为测量实验一般是在恒温室内进行的,可控制室内恒温为25°。
最后,对所有采样时段的对流换热系数进行后处理,确定所述锂电池与周围环境的对流换热系数的最终值。后处理的方式包括:整理数据并剔除明显的噪声点(即远超出空气自然对流系数取值范围5~25的数值),再对剩余对流换热系数取平均值,得到的结果即可认为是实际自然对流换热系数,即最终确定的所述锂电池与周围环境的对流换热系数的最终值。
步骤S4、基于所述对流换热系数将所述热耦合模型嵌入所述电化学模型得到电化学-热耦合模型,并对所述电化学-热耦合模型进行数值求解得到所述锂电池的物理量变化数据,所述物理量包括所述锂电池的温度。
具体地,步骤S3所获得的对流换热系数h与步骤S1、S2相结合,构建出完整的考虑对流作用的电化学-热耦合模型;根据锂电池的实际工况数据,将这些数据作为输入参数,以初始参数的形式传入电化学-热耦合模型,采用适当的数值计算方法,对电-热模型进行空间和时间上的迭代计算,并在计算中收集、观察模型内部的关键物理量,例如锂离子浓度、交换电流密度、过电位、电压、电流、温度等,为步骤S5中的判断与预警做准备。
本实施例以钴酸锂电池为例,在对流换热系数数值为h=10的前提下,将钴酸锂电池进行1C放电,采用本发明中的电化学-热耦合模型进行计算,计算结果(电压、电流及温度)随时间的变化如图3所示。利用牛津大学开发的电化学仿真开源代码pybamm进行对比,在完全相同的输入参数下,与本发明中的电化学-热耦合模型的计算结果有很高的拟合度;电压与温度变化的对比结果如图4所示,可说明本发明中的电化学-热耦合模型具有足够高的计算精度。
步骤S5、基于所述锂电池的温度进行温度预警。
具体地,根据步骤S4的计算结果数据,可观察是否存在内部物理量的异常。当进行热失控预警时,可直观掌握到锂电池的瞬时温度;一般来讲,若温度超出某一规定范围,则可判定为热失控,例如在一辆运行的电动汽车中,正常工况下的工作温度应当在25-45℃范围内,则当计算结果的温度超出50℃时,即可判定为热失控;但在一些突发情况下,锂电池在非常规工况下工作,短时间内电池温度从表面上观察仍保持在正常范围,内部异常累积到一定阈值,即会发生突变,在瞬间发生温度骤增,导致电池起火甚至爆炸。很显然,常规的仅以温度作为判定标准的方式并不能有效防止这种事故。
因此,除上述常规判断标准外,增加新的判断标准,即锂电池温度的时间变化率,换言之,锂电池温度数据关于时间的一阶偏导数,可表示为:
其中,T′为锂电池的温度随时间的变化率,T为锂电池的温度,t为时间。
借助这一新的判定标准,即使锂电池温度在正常范围内,当温度变化率超出一定标准时,依然可以判定为热失控;举例来说,正在匀速行驶的电动汽车中,驾驶员以最大幅度踩下油门,车辆瞬间获得很大的加速度,车辆内部的电池的工作电流瞬间增大,温度加速升高,尽管此时的瞬时温度依然在正常范围内,但通过步骤S3中的计算结果以及本步骤中的新的判定标准,观察温度升高的速率是否超出阈值,则可判定此时车载电池是否处于非正常状态,若超出,应立即采取补救措施,防止锂电池继续温升。
综合以上,如图5所示,步骤S5包括步骤S51和步骤S52。
步骤S51、当锂电池的温度超过设定温度阈值,则触发热失控预警。
步骤S52计算锂电池的温度变化率,若温度变化率超过设定温度变化率阈值,则触发热失控预警。
由此,依靠以温度和温度变化率这两个标准,对不同极端工况的判断的兼容性提高,可双重保障锂电池的安全运行。
本发明提供的一种锂电池温度预警方法在传统伪二维模型的基础上,加入热耦合子模型,通过电化学与热力学之间的双向耦合以及锂电池与外界的对流散热作用,计算锂电池的实时工作温度,将电化学与热耦合相结合的方法,弥补了传统伪二维模型只可计算恒温工况这一短板,同时又发挥了伪二维模型精度高的优点,是非常理想的判断锂电池温度状态的新型物理化学模型,提高了温度预测的准确性;通过考虑电与热的双向耦合,更加清晰地呈现了锂电池内部物理量与温度之间的相互作用关系,大大提高了对锂电池温度的预测精度;3.考虑锂电池所处环境的温度,与周围环境的对流传热,即可提高计算精度,又可有效防止出现误判(即电池未发生异常,但被判定为异常);此外,除以温度作为判定标准,增加了温度随时间变化趋势这一衡量指标,大大提高了捕捉温度异常的灵敏性,有利于更早期、更及时地判断锂电池是否存在热失控的可能,及时做出补救措施,有效保障用户的人身及财产安全。
本申请实施例所述的一种锂电池温度预警方法的保护范围不限于本实施例列举的步骤执行顺序,凡是根据本申请的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本申请的保护范围内。
本发明实施例还提供一种锂电池温度预警系统,所述锂电池温度预警系统可以实现本申请所述的锂电池温度预警方法,但本申请所述的锂电池温度预警方法的实现装置包括但不限于本实施例列举的锂电池温度预警系统的结构,凡是根据本申请的原理所做的现有技术的结构变形和替换,都包括在本申请的保护范围内。
如图6所示,于一实施例中,本发明提供一种锂电池温度预警系统6,锂电池温度预警系统6包括第一建模模块61、第二建模模块62、获取模块63、耦合计算模块64和预警模块65。其中,所述第一建模模块61用于建立锂电池的电化学模型;所述第二建模模块62用于建立锂电池的热耦合模型,所述的热耦合模型考虑所述锂电池与周围环境的对流换热作用;所述获取模块63用于获取所述锂电池与周围环境的对流换热系数;所述耦合计算模块64基于所述对流换热系数将所述热耦合模型嵌入所述电化学模型得到电化学-热耦合模型,并对所述电化学-热耦合模型进行数值求解得到所述锂电池的物理量变化数据,所述物理量包括所述锂电池的温度;所述预警模块65基于所述锂电池的温度进行温度预警。此实施例中锂电池温度预警系统6可以实现本申请所述的锂电池温度预警方法,在上述实施例中已经详细说明,此处不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现,也可以全部以硬件的形式实现,还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如:x模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现。此外,x模块也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),一个或多个微处理器(Digital Signal Processor,简称DSP),一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。这些模块可以集成在一起,以片上系统(System-on-a-chip,简称SOC)的形式实现。
本发明的存储介质上存储有计算机程序,该程序被处理器执行时实现上述的锂电池温度预警方法。优选地,所述存储介质包括:ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
如图7所示,于一实施例中,本发明的锂电池温度预警终端7包括:处理器71和存储器72。
所述存储器72用于存储计算机程序。所述存储器72包括:ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
所述处理器71与所述存储器72相连,用于执行所述存储器存储的计算机程序以实现上述的锂电池温度预警方法。
优选地,所述处理器可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还可以提供一种计算机程序产品,所述计算机程序产品包括一个或多个计算机指令。在计算设备上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机或数据中心进行传输。
所述计算机程序产品被计算机执行时,所述计算机执行前述方法实施例所述的方法。该计算机程序产品可以为一个软件安装包,在需要使用前述方法的情况下,可以下载该计算机程序产品并在计算机上执行该计算机程序产品。
上述各个附图对应的流程或结构的描述各有侧重,某个流程或结构中没有详述的部分,可以参见其他流程或结构的相关描述。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种锂电池温度预警方法,其特征在于,所述方法包括以下步骤:
建立锂电池的电化学模型;
建立锂电池的热耦合模型,所述的热耦合模型考虑所述锂电池与周围环境的对流换热作用;
获取所述锂电池与周围环境的对流换热系数;
基于所述对流换热系数将所述热耦合模型嵌入所述电化学模型得到电化学-热耦合模型,并对所述电化学-热耦合模型进行数值求解得到所述锂电池的物理量变化数据,所述物理量包括所述锂电池的温度;
基于所述锂电池的温度进行温度预警。
2.根据权利要求1所述的锂电池温度预警方法,其特征在于,所述电化学模型包括伪二维模型。
4.根据权利要求1所述的锂电池温度预警方法,其特征在于,获取所述锂电池与周围环境的对流换热系数包括:
将锂电池加热到一定温度;
锂电池自然对流换热过程中,根据设定采样频率采样并记录锂电池表面的温度数据,直到自然对流换热结束后锂电池表面的温度恒定;
计算每一个采样时段的对流换热系数:
其中,hi为第i个采样时段的对流换热系数,Ti、Ti-1对应为第i、i-1个采样点的锂电池温度,Δti为第i个采样时段的时间间隔,ρ为锂电池计算域的密度,Cρ为锂电池比热容,a为锂电池的比表面积,Tamb为锂电池所处的周围环境温度;
对所有采样时段的对流换热系数进行后处理,确定所述锂电池与周围环境的对流换热系数的最终值。
5.根据权利要求1所述的锂电池温度预警方法,其特征在于,对所述电化学-热耦合模型进行数值求解得到所述锂电池的物理量变化数据,包括:
获取锂电池的实际工况数据,将所述实际工况数据作为初始参数输入至所述电化学-热耦合模型;
采用数值计算方法对所述电化学-热耦合模型进行空间和时间上的迭代计算,得到所述锂电池的物理量变化数据。
6.根据权利要求1所述的锂电池温度预警方法,其特征在于,基于所述锂电池的温度进行温度预警包括:
当锂电池的温度超过设定温度阈值,则触发热失控预警。
7.根据权利要求1所述的锂电池温度预警方法,其特征在于,基于所述锂电池的温度进行温度预警包括:
计算锂电池的温度变化率,若温度变化率超过设定温度变化率阈值,则触发热失控预警。
8.一种锂电池温度预警系统,其特征在于:第一建模模块、第二建模模块、获取模块、耦合计算模块和预警模块;
所述第一建模模块用于建立锂电池的电化学模型;
所述第二建模模块用于建立锂电池的热耦合模型,所述的热耦合模型考虑所述锂电池与周围环境的对流换热作用;
所述获取模块用于获取所述锂电池与周围环境的对流换热系数;
所述耦合计算模块基于所述对流换热系数将所述热耦合模型嵌入所述电化学模型得到电化学-热耦合模型,并对所述电化学-热耦合模型进行数值求解得到所述锂电池的物理量变化数据,所述物理量包括所述锂电池的温度;
所述预警模块基于所述锂电池的温度进行温度预警。
9.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至7中任一项所述的锂电池温度预警方法。
10.一种锂电池温度预警终端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序以实现权利要求1至7中任一项所述的锂电池温度预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338025.3A CN115632181A (zh) | 2022-10-28 | 2022-10-28 | 锂电池温度预警方法、系统、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338025.3A CN115632181A (zh) | 2022-10-28 | 2022-10-28 | 锂电池温度预警方法、系统、存储介质及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115632181A true CN115632181A (zh) | 2023-01-20 |
Family
ID=84908658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211338025.3A Pending CN115632181A (zh) | 2022-10-28 | 2022-10-28 | 锂电池温度预警方法、系统、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115632181A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115951236A (zh) * | 2023-02-27 | 2023-04-11 | 上海玫克生储能科技有限公司 | 锂电池状态监测方法及系统、装置、存储介质 |
-
2022
- 2022-10-28 CN CN202211338025.3A patent/CN115632181A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115951236A (zh) * | 2023-02-27 | 2023-04-11 | 上海玫克生储能科技有限公司 | 锂电池状态监测方法及系统、装置、存储介质 |
CN115951236B (zh) * | 2023-02-27 | 2024-03-22 | 上海玫克生储能科技有限公司 | 锂电池状态监测方法及系统、装置、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Health prognosis for electric vehicle battery packs: A data-driven approach | |
Hu et al. | A comparative study of control-oriented thermal models for cylindrical Li-ion batteries | |
Tang et al. | Model migration neural network for predicting battery aging trajectories | |
Li et al. | Temperature prediction of lithium‐ion batteries based on electrochemical impedance spectrum: a review | |
Liu et al. | Joint estimation of battery state-of-charge and state-of-health based on a simplified pseudo-two-dimensional model | |
CN108805217B (zh) | 一种基于支持向量机的锂离子电池健康状态估计方法及系统 | |
Pan et al. | A computational multi-node electro-thermal model for large prismatic lithium-ion batteries | |
Lin et al. | Lithium-ion batteries health prognosis via differential thermal capacity with simulated annealing and support vector regression | |
Fan | Systematic parameter identification of a control-oriented electrochemical battery model and its application for state of charge estimation at various operating conditions | |
Wang et al. | Estimation of battery open-circuit voltage and state of charge based on dynamic matrix control-extended Kalman filter algorithm | |
Zhang et al. | Internal temperature prediction model of the cylindrical lithium-ion battery under different cooling modes | |
CN115632181A (zh) | 锂电池温度预警方法、系统、存储介质及终端 | |
CN115828685B (zh) | 基于切比雪夫谱方法的锂电池温度仿真方法、装置及介质 | |
Jarrraya et al. | Comparison study between hybrid Nelder-Mead particle swarm optimization and open circuit voltage—Recursive least square for the battery parameters estimation | |
CN115214424A (zh) | 电池热管理系统的温度确定方法、装置及电子设备 | |
Liang et al. | Evaluation of battery modules state for electric vehicle using artificial neural network and experimental validation | |
CN115236516A (zh) | 基于电化学模型的锂电池的预警方法 | |
Liu et al. | A framework for battery temperature estimation based on fractional electro-thermal coupling model | |
Jia et al. | Temperature enhanced early detection of internal short circuits in lithium-ion batteries using an extended Kalman filter | |
Hong et al. | An improved thermal single particle model and parameter estimation for high-capacity battery cell | |
CN111967191B (zh) | 一种基于模糊贝叶斯网络的锂离子动力电池安全度评估方法及装置 | |
Yu et al. | Lithium-ion battery multi-scale modeling coupled with simplified electrochemical model and kinetic Monte Carlo model | |
CN109557480B (zh) | 一种化学电源循环使用寿命的估算方法及系统 | |
Rizzello et al. | Dynamic electro-thermal li-ion battery model for control algorithms | |
CN115659790A (zh) | 一种动力电池包的温度实时检测方法 |
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 |