CN115774929A - 一种考虑节能和电池寿命的电动汽车热管理控制系统及方法 - Google Patents
一种考虑节能和电池寿命的电动汽车热管理控制系统及方法 Download PDFInfo
- Publication number
- CN115774929A CN115774929A CN202211471881.6A CN202211471881A CN115774929A CN 115774929 A CN115774929 A CN 115774929A CN 202211471881 A CN202211471881 A CN 202211471881A CN 115774929 A CN115774929 A CN 115774929A
- Authority
- CN
- China
- Prior art keywords
- battery
- temperature
- thermal management
- battery pack
- prediction
- 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
-
- 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
- Secondary Cells (AREA)
Abstract
本发明公开了一种考虑节能和电池寿命的电动汽车热管理控制系统及方法,该电动汽车热管理控制系统包括工况预测模块、能效比预测模块、热管理控制器、状态监测模块和执行模块;工况预测模块根据当前行驶场景获取未来行驶工况;状态监测模块对整车状态进行获取和存储;能效比预测模块根据未来行驶工况,得到能效比预测序列;热管理控制器将热管理能耗、电池寿命和乘员舱温度作为目标函数对热管理系统控制量进行决策,输出控制指令至执行模块以实现控制闭环。本发明实现了热管理系统复杂系统的线性化,提高计算效率。
Description
技术领域
本发明属于新能源汽车领域,具体涉及一种考虑节能和电池寿命的电动汽车热管理控制系统及方法。
背景技术
动力电池的工作电流是造成电池升温的主要因素,其大小主要受到电机输出功率、再生制动功率、空调负载的影响,不合理的电流分配会造成能量浪费和电池寿命衰退。随着智能网联技术的发展,一系列新的高价值信息可以被获取并整合到优化过程中,从而实现电动汽车更多的节能,如何设计控制器以实现高效的多目标优化成为研究难点。
近年来,基于优化的控制策略由于其较好的动态性能成为研究热点,例如:动态规划、庞特里亚金最小原理、模型预测控制等,其中模型预测控制由于其滚动优化的特点非常适合在线优化,但是热管理系统的复杂性和强耦合性使得模型难以线性表示,多数研究采用非线性模型对热管理系统进行建模,导致计算量较大,无法增加预测时域。
发明内容
针对现有技术中存在不足,本发明提供了一种考虑节能和电池寿命的电动汽车热管理控制系统及方法。
本发明是通过以下技术手段实现上述技术目的的。
一种考虑节能和电池寿命的电动汽车热管理控制方法:
S1,根据本车的未来行驶工况Vpre,利用预测方程预测冷却液入口温度Tf、冷却液出口温度Tr、1号单体电池温度Tb,1、n号单体电池温度Tb,n和乘客舱温度Tcab;
S2,基于电池组平均温度Tmean、电池组温差ΔTpre和Tcab,构造待优化问题的目标函数及其约束条件,并求解得到电池冷却器及蒸发器的最优输出功率序列U(t);所述Tmean由Tb,1和Tb,n求平均获得,所述ΔTpre由Tb,1和Tb,n作差获得;
S3,根据电池组的温差ΔTpre和最优输出功率序列U(t)决策出下一时刻的冷却液流速u(t+1),根据历史冷却液流速,判断是否需要更新预测方程中的冷却液流速,若需要更新,则返回S1,否则输出最优输出功率序列U(t)。
进一步地,所述预测方程为:
其中:为冷却液与电池的换热系数,Pr为普朗特数,λ为冷却液的导热系数,vf为冷却液的运动粘度,d为热交换面的特征长度;A为换热面积,u为冷却液流速,cb和cf分别为电池组和冷却液的比热容,mb为电池组质量,M为液冷板内冷却液的质量,s为冷却管路截面积,ρf为冷却液密度,Ts为采样时间,n为单体电池总数,cair为空气比热容,mair为空气质量,Tb,1(t)为1号单体电池当前时刻温度,Tb,n(t)为n号单体电池当前时刻温度,Tr(t)为冷却液出口当前时刻温度,Tf(t)为冷却液入口当前时刻温度,Tcab(t)为乘客舱当前时刻温度,为电池组预测时域内的热负荷向量,为乘客舱预测时域内的热负荷向量,Pchil为电池冷却器的最优输出功率,Peva为蒸发器的最优输出功率。
进一步地,所述待优化问题的目标函数及其约束条件为:
s.t.Tb_min<Tmean(i|t)<Tb_max+ξ(i|t),i=0:p
0<ΔTpre(i|t)<ΔTmax,i=0:p
0<Pchil(i|t)<Pchil_max,i=0:m-1
0<Peva(i|t)<Peva_max,i=0:m-1
Y(0|t)=Y(t);U(0|t)=U(t)
其中:w1为能耗评价指标的权重参数,w2为电池寿命评价指标的权重参数,w3为舒适性评价指标的权重参数,w4为约束条件中松弛因子的权重参数,Pconsumption为能耗评价指标,Plife为电池寿命评价指标,Pcomfort为乘员舱舒适性评价指标,ξ为松弛因子,Tb_min为电池组平均温度下限值,Tb_max为电池组平均温度上限值,ξ为松弛因子,ΔTmax为电池组温差上限值,Pchil_max为电池冷却器输出功率的上限值,Peva_max为蒸发器输出功率的上限值,p为预测时域,t表示当前时刻,m为控制时域,Y(t)为预测时域内的系统当前时刻输出量。
更进一步地,所述w1和w3的比值根据电池SOC和乘客舱温差自适应调整:当电池SOC越小而乘客舱温差越小时,w1/w3越大,当电池SOC越大而乘客舱温差越大时,w1/w3越小。
进一步地,所述决策出下一时刻的冷却液流速u(t+1)具体为:
将电池组温差的向量元素的最大值ΔTpre_max与控制参数向量中的各元素相减得到T=ΔTpre_max-Tcontrol=[T1,T2,...,Ti,...,Tj],其中Tcontrol=[Tc1,Tc2,...,Tcj]为离线获取的控制参数,j为控制参数组成的向量中元素的个数,Ti为向量T中的第i个元素;
判断T中各元素的大小,当Ti与Ti+1符合Ti+1<0<Ti,则下一时刻流速u(t+1)=Ucoo(i),其中Ucoo=[u1,u2,...,uj-1]为已确定的各阶段流速组成的向量。
更进一步地,所述离线获取的控制参数Tcontrol,具体包括:
(1),搭建包含电池组、冷却通道、水泵在内的电池冷却仿真平台;
(2),设计分阶段控制策略,初始化电池组温差控制参数,定义电池组温差和水泵能耗为粒子群算法的适应度函数,初始化两者权重;
(3),运行仿真,根据仿真平台返回的电池组温差序列和水泵总能耗计算适应度函数;
(4),更新粒子速度,通过粒子群迭代寻优,找到使适应度函数最小化的控制参数;
(5),改变权重,由电池组温差和水泵能耗的帕累托边界曲线,确定最佳权重对应的控制参数Tcontrol=[Tc1,Tc2,...,Tcj]。
进一步地,所述需要判断是否更新预测方程中的冷却液流速,具体为:当判断信号flagu≥20时,输出u(t+1)的值,并更新预测方程中的冷却液流速。
更进一步地,所述判断信号通过比较u(t+1)与u(t)的大小确定的:
当u(t+1)>u(t)时,记判断信号flagu=20;
当u(t+1)=u(t)时,记flagu=0;
当u(t+1)<u(t)时,令q从q=t开始减小直至q=t-τ,比较u(t+1)与u(q)的大小,当出现u(t+1)<u(q),记flagu=t-q,若未出现u(t+1)<u(q),记flagu=20;其中τ是历史冷却液流速的个数减1。
一种考虑节能和电池寿命的电动汽车热管理控制系统,包括:
工况预测模块,根据当前场景选择车速规划子模块或道路数据分析子模块,确定本车的未来行驶工况;
能效比预测模块,将所述未来行驶工况和预测时域内的热负荷分别转化为进风风量的预测序列、冷却功率序列,输入能效比预测模型,输出能效比预测序列;
热管理控制器,包括状态估计器、多目标优化求解器和温差控制器;所述状态估计器预测方程预测冷却液入口温度Tf、冷却液出口温度Tr、1号单体电池温度Tb,1、n号单体电池温度Tb,n和乘客舱温度Tcab;所述多目标优化求解器构造待优化问题的目标函数及其约束条件,并求解得到最优输出功率序列;所述温差控制器用于决策下一时刻的冷却液流速u(t+1),并更新预测方程中的冷却液流速;
状态监测模块,包括状态获取单元和状态存储单元,状态获取单元记录各监测点的传感器信息,并由状态存储单元进行存储;
执行模块,将最优输出功率序列的第一个元素转化为压缩机、水泵和流量阀的控制信号,并作用于压缩机、水泵和流量阀。
本发明的有益效果为:
(1)本发明的热管理控制器建立能耗评价指标、电池寿命评价指标、乘员舱舒适性评价指标和安全性约束条件,构造待优化问题的目标函数及其约束条件,通过序列二次规划算法求解最优输出功率序列,经过执行机构的作用,完成动力系统和乘客舱的温度控制;并更新预测方程中的冷却液流速,实现复杂系统的线性化,提高计算效率。
(2)本发明的分阶段控制策略在设计时同时考虑电池组温差和水泵能耗,通过粒子群算法寻优并绘制帕累托边界曲线对控制参数进行离线优化,实现了电池组温差和水泵能耗的综合收益最大化。
(3)本发明的能效比预测模块在评价能耗时将车速和环境温度对空调系统效率的影响考虑在内,并基于前馈神经网络离线训练,可以提高能耗评价的准确性,进一步提高节能效率。
(4)本发明在对热管理控制器设计时融合了未来行驶工况,通过能效比预测、电池组和乘客舱的状态估计引入多目标优化求解器中,提高热管理控制器的控制精度和优化空间。
附图说明
图1为本发明所述考虑节能和电池寿命的电动汽车热管理控制系统结构示意图;
图2为本发明所述热管理控制器工作流程图;
图3为本发明方法与传统方法控制时,热管理系统的能耗曲线和电池寿命下降曲线对比图;
图4为本发明方法与传统方法控制时,电池平均温度随时间变化的对比图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
如图1所示,一种考虑节能和电池寿命的电动汽车热管理控制系统,包括工况预测模块、能效比预测模块、热管理控制器、状态监测模块和执行模块。
工况预测模块包括车速规划子模块和道路数据分析子模块,根据当前场景对工况预测的方式进行选择,使用车速规划子模块或道路数据分析子模块对本车车速进行在线滚动预测;所述车速规划子模块利用车联网获取的周围车辆信息和交通设施信息,通过优化算法对车辆在特定场景下的未来车速进行规划,得到本车的未来行驶工况,规划的未来车速的过程为现有技术;所述道路数据分析子模块在非特定场景下通过车联网获取本车及周围车辆的位置信息、行驶特征参数信息,预测本车的未来行驶工况,预测的过程为现有技术。
状态监测模块包括状态获取单元和状态存储单元,状态获取单元记录各监测点的传感器信息(包括冷却液入口温度Tf、冷却液出口温度Tr、1号单体电池温度Tb,1、n号单体电池温度Tb,n、乘客舱温度Tcab以及冷却液流速u),并由状态存储单元进行存储。
能效比预测模块,基于离线训练获得的能效比预测模型,接收工况预测模块输出的预测时域内本车的未来行驶工况Vpre和状态估计器输出的预测时域内的热负荷和并将热负荷转化为需求冷却功率Pneed 通过将未来行驶工况转化为进风风量的预测序列,其中δ为关系系数,Vfan为冷凝器风扇开启且车速为0时的进风风量;需求冷却功率序列和进风风量的预测序列作为能效比预测模型的输入量,能效比预测模型输出能效比预测序列COP,并作为热管理控制器中目标函数的动态系数。
离线训练获得的能效比预测模型,具体包括以下步骤:
S1:搭建包含压缩机、冷凝器、膨胀阀、chiller(电池冷却器)在内的制冷循环测试回路和包含电池组、液冷板、水泵、chiller在内的冷却液循环测试回路的空调系统性能试验台架,并保持稳定的环境温度,选定合适的进风风量vair区间和需求冷却功率Pneed区间。
S2:保持最小的需求冷却功率不变,每次在进风风量区间中从小到大等差地选取一个数值开始试验,当空调系统达到稳态时,记录该状态下压缩机的能效比,不断重复直至进风风量达到最大值,可以得到当前环境温度下压缩机能效比与进风风量的对应关系
S5:将得到的n×m个关系点组成非线性映射函数COP=Φ(vairPneed),采用前馈神经网络进行训练以逼近映射函数,从而建立该环境温度下的能效比预测模型。
S6:更改环境温度,重复S1至S5,建立不同环境温度下的能效比预测模型。
热管理控制器包括状态估计器、多目标优化求解器和温差控制器,所述状态估计器接受本车的未来行驶工况Vpre,并基于动力系统与乘客舱热耦合模型(即下述预测方程)预测系统状态量(包括冷却液入口温度Tf、冷却液出口温度Tr、1号单体电池温度Tb,1、n号单体电池温度Tb,n、乘客舱温度Tcab),将1号单体电池温度Tb,1和n号单体电池温度Tb,n求平均,得到电池组平均温度Tmean,将1号单体电池温度Tb,1和n号单体电池温度Tb,n求差,得到电池组温差ΔTpre;所述多目标优化求解器基于Tmean、ΔTpre和Tcab,构造待优化问题的目标函数及其约束条件,并求解得到chiller及蒸发器最优输出功率序列其中,Pchil为chiller的最优输出功率,Peva为蒸发器的最优输出功率,m为控制时域;所述温差控制器根据电池组的温差ΔTpre和最优输出功率序列U(t)决策出下一时刻的冷却液流速u(t+1),并更新预测方程中的冷却液流速。
执行模块接受多目标优化求解器输出的最优输出功率序列,将最优输出功率序列的第一个元素由PID控制器转化为压缩机、水泵和流量阀的控制信号(其中,压缩机转速用于跟踪chiller输出功率Pchil,水泵转速用于跟踪冷却液流速u,流量阀开度用于跟踪蒸发器输出功率Peva),并作用于压缩机、水泵和流量阀。
如图2所示,热管理控制器的工作流程具体包括如下步骤:
步骤(1),状态估计器以1号单体电池温度Tb1、n号单体电池温度Tbn、冷却液入口温度Tf、冷却液出口温度Tr以及乘客舱温度Tcab为状态量,以电池组平均温度Tmean、电池组温差ΔTpre和乘客舱温度Tcab为输出量;在接受到工况预测模块输出的未来行驶工况Vpre,根据上一时刻多目标优化求解器得到的最优输出功率序列将车速预测序列转化为电池组及乘客舱的热负荷,然后基于预测方程预测系统状态量,再基于输出方程计算预测时域内的输出量Y;其中电池组预测时域内的热负荷向量的计算过程如式(1)所示:
其中,为用于计算电池组热负荷的电流,Pcom为压缩机输出功率的预测序列构成的向量,Pdri为驱动电机输出功率的预测序列构成的向量,Um为电池组电压,Rbat为电池组内阻,向量Pcom的计算过程和向量Pdri中各元素的计算过程分别为:
其中,为能效比预测模块输出的能效比预测序列的倒数构成的向量;U(t-1)为上一时刻输出的最优控制序列;p为预测时域;m为控制时域;为当前时刻往后第i秒的预测车速,为Vpre中的第i个元素;Fr为滚动阻力;Fa为空气阻力;η为牵引系统效率。
其中,Kb为车身传热系数,Ab为车身传热面积,ΔTb为车身外表面与乘客舱的温差,εw为太阳光的透过系数,Aw为车窗传热面积,I为太阳辐射强度,Kw为车窗传热系数,ΔTw为车窗外表面与乘客舱的温差;
其中,ρair为空气密度,λair为空气流通量,ho为车外空气焓值,hi为车内空气焓值;
其中,Idriver为驾驶员热辐射功率,Npas为乘客数目,βpas为集群系数。
预测方程和输出方程如式(3)、(4)所示:
其中,为冷却液与电池的换热系数,Pr为普朗特数,λ为冷却液的导热系数,vf为冷却液的运动粘度,d为热交换面的特征长度;A为换热面积,u为冷却液流速,cb和cf分别为电池组和冷却液的比热容,mb为电池组质量,M为液冷板内冷却液的质量,s为冷却管路截面积,ρf为冷却液密度,Ts为采样时间,n为单体电池总数,cair为空气比热容,mair为空气质量。
将公式(3)、(4)简记为:
ζ(t+1)=Aζ(t)+Bu(t)+Cd(t) (5)
y(t+1)=Dζ(t+1) (6)
其中各矩阵满足:
将公式(5)和(6)改为增量模式用于预测:
Δζ(t+1)=AΔζ(t)+BΔu(t)+CΔd(t) (7)
y(t+1)=DΔζ(t+1)+y(t) (8)
将公式(7)带入公式(8),可得当前时刻t的后p步的输出预测为:
从而,表征预测时域内的系统输出量Y为:
步骤(2),多目标优化求解器建立能耗评价指标、电池寿命评价指标、乘员舱舒适性评价指标和安全性约束条件,基于自适应权重参数在动态工况下平衡上述性能指标,并通过序列二次规划算法对多目标问题及其约束条件进行在线求解,得到最优输出功率序列U(t),判断信号flagc是否为0,若不为0,则直接输出最优输出功率序列U(t),并使信号flagc重置为0,否则进入下一步。
乘员舱舒适性评价指标为预测时域内乘客舱温度与参考温度的误差平方之和:
安全性约束条件由以下不等式实现:
Tb_min<Tmean(i|t)<Tb_max+ξ(i|t)
0<ΔTpre(i|t)<<Tmax
0<Pchil(i|t)<Pchil_max
0<Peva(i|t)<Peva_max
其中:Tb_min为电池组平均温度下限值,Tb_max为电池组平均温度上限值,ξ为松弛因子,ΔTmax为电池组温差上限值,Pchil_max为chiller输出功率的上限值,Peva_max为蒸发器输出功率的上限值。
各评价指标的权重由自适应权重参数进行分配,得到的多目标优化问题及其约束条件如下式所示:
s.t.Tb_min<Tmean(i|t)<Tb_max+ξ(i|t),i=0:p
0<ΔTpre(i|t)<ΔTmax,i=0:p
0<Pchil(i|t)<Pchil_max,i=0:m-1
0<Peva(i|t)<Peva_max,i=0:m-1
Y(0|t)=Y(t);U(0|t)=U(t)
w1为能耗评价指标的权重参数,w2为电池寿命评价指标的权重参数,w3为舒适性评价指标的权重参数,w4为约束条件中松弛因子的权重参数;w1和w3的比值根据电池SOC和乘客舱温差自适应调整,由模糊控制器输给多目标优化求解器,w2和w4是由多次试验得到的定值。
自适应权重参数表现为:当电池SOC越小且乘客舱温差也越小时,w1/w3越大,当电池SOC越大且乘客舱温差也越大时,w1/w3越小。
w1/w3由模糊控制器输出,模糊控制器以乘客舱温差和电池SOC为输入,模糊控制规则如表1所示,采用双前件多规则语句,即“If X is A and Y is B,then Z is C”:
表1模糊控制规则
步骤(3),状态估计器获取由多目标优化求解器的到的最优输出功率序列U(t),并将步骤(1)中的矩阵U(t-1)替换为U(t),将矩阵D替换为矩阵E=[-1 1 0 0 0],重复步骤(1)后得到预测时域内输出量Y′(即电池组温差的向量):
步骤(4),温差控制器获取由状态估计器得到的预测时域内电池组温差的向量,确定下一时刻流速,并与历史冷却液流速序列进行比较,决策出冷却液流速是否改变,若改变,则更新预测方程中的冷却液流速并重新求解最优输出功率序列,若不改变,则输出最优输出功率序列;具体决策过程如下:
记Y′中元素的最大值为ΔTpre_max,将ΔTpre_max与控制参数向量中的各元素相减得到T=ΔTpre_max-Tcontrol=[T1,T2,...,Ti,...,Tj],其中Tcontrol=[Tc1,Tc2,...,Tcj]为离线获取的控制参数,j为控制参数组成的向量中元素的个数,Ti为向量T中的第i个元素;判断T中各元素的大小,若出现Ti与Ti+1符合Ti+1<0<Ti,则下一时刻流速u(t+1)=Ucoo(i),其中Ucoo=[u1,u2,...,uj-1]为已确定的各阶段流速组成的向量。
离线获取的控制参数Tcontrol,具体包括以下步骤:
S1:搭建包含电池组、冷却通道、水泵在内的电池冷却仿真平台;
S2:设计分阶段控制策略,初始化电池组温差控制参数,定义电池组温差和水泵能耗为粒子群算法的适应度函数,初始化二者权重;
S3:运行仿真,粒子群算法根据仿真平台返回的电池组温差序列和水泵总能耗计算适应度函数;
S4:更新粒子速度,通过粒子群迭代寻优,找到使适应度函数最小化的控制参数;
S5:改变权重值,由电池组温差和水泵能耗的帕累托边界曲线,找到最佳权重对应的控制参数Tcontrol=[Tc1,Tc2,...,Tcj]。
得到下一时刻的流速值后,读取状态存储单元中存储的历史冷却液流速序列[u(t-τ),...,u(t-1),u(t)],其中u(t)为当前时刻的冷却液流速,u(t-τ)为τ个时刻前的冷却液流速,且满足τ>20;比较u(t+1)与u(t)的大小:当u(t+1)>u(t)时,记判断信号flagu=20;当u(t+1)=u(t)时,记flagu=0;当u(t+1)<u(t)时,令q从q=t开始减小直至q=t-τ,比较u(t+1)与u(q)的大小,当出现u(t+1)<u(q),记flagu=t-q,若未出现u(t+1)<u(q),记flagu=20;
当flagu≥20时,输出u(t+1)的值并更新预测方程中的冷却液流速,重复步骤(1)、(2),当flagu<20,令u(t+1)=u(t)并输出步骤(2)中求解得到的最优输出功率U(t)。
步骤(5),在下一采样时刻,重复步骤(1)至步骤(4)。
图3为本发明方法与传统方法控制时,热管理能耗和电池寿命下降曲线对比图,由图可知,在使用本发明的控制方法时,在UDDS循环工况下,热管理系统消耗的能量为2.699×105J,电池寿命从100%降低至99.7506%,使用PID控制时,热管理系统消耗地能量为2.824×105J,电池寿命从100%降低至99.7502%;因此在一次UDDS循环工况下,本发明的控制方法可以节省1.25×104J能量消耗,增加了0.0004%的电池寿命。且本发明方法的预测时域为120s,其它方法的预测时域约为20s,可见本发明显著增加了热管理控制器的预测时域。
图4为本发明方法与传统方法控制时,电池平均温度随时间变化的对比图,由图可知,在达到UDDS循环工况的200s高负载工况之前,使用本发明的控制方法可以提前冷却电池,保证电池组平均温度始终保持在温度限制以下。相比于传统控制方法,本发明的控制方法在每次电池温度上升后能够更快速地回复到理想状态。因此本发明的控制方法可以有效控制电池的温度。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (10)
1.一种考虑节能和电池寿命的电动汽车热管理控制方法,其特征在于:
S1,根据本车的未来行驶工况Vpre,利用预测方程预测冷却液入口温度Tf、冷却液出口温度Tr、1号单体电池温度Tb,1、n号单体电池温度Tb,n和乘客舱温度Tcab;
S2,基于电池组平均温度Tmean、电池组温差△Tpre和Tcab,构造待优化问题的目标函数及其约束条件,并求解得到电池冷却器及蒸发器的最优输出功率序列U(t);所述Tmean由Tb,1和Tb,n求平均获得,所述△Tpre由Tb,1和Tb,n作差获得;
S3,根据电池组的温差△Tpre和最优输出功率序列U(t)决策出下一时刻的冷却液流速u(t+1),根据历史冷却液流速,判断是否需要更新预测方程中的冷却液流速,若需要更新,则返回S1,否则输出最优输出功率序列U(t)。
2.根据权利要求1所述的电动汽车热管理控制方法,其特征在于,所述预测方程为:
其中:为冷却液与电池的换热系数,Pr为普朗特数,λ为冷却液的导热系数,υf为冷却液的运动粘度,d为热交换面的特征长度;A为换热面积,u为冷却液流速,cb和cf分别为电池组和冷却液的比热容,mb为电池组质量,M为液冷板内冷却液的质量,s为冷却管路截面积,ρf为冷却液密度,Ts为采样时间,n为单体电池总数,cair为空气比热容,mair为空气质量,Tb,1(t)为1号单体电池当前时刻温度,Tb,n(t)为n号单体电池当前时刻温度,Tr(t)为冷却液出口当前时刻温度,Tf(t)为冷却液入口当前时刻温度,Tcab(t)为乘客舱当前时刻温度,为电池组预测时域内的热负荷向量,为乘客舱预测时域内的热负荷向量,Pchil为电池冷却器的最优输出功率,Peva为蒸发器的最优输出功率。
3.根据权利要求1所述的电动汽车热管理控制方法,其特征在于,所述待优化问题的目标函数及其约束条件为:
s.t.Tb_min<Tmean(u|t)<Tb_max+ξ(i|t),i=0:p
0<ΔTpre(i|t)<ΔTmax,i=0:p
0<Pchil(i|t)<Pchil_max,i=0:m-1
0<Peva(i|t)<Peva_max,i=0:m-1
Y(0|t)=Y(t);U(0|t)=U(t)
其中:ω1为能耗评价指标的权重参数,ω2为电池寿命评价指标的权重参数,ω3为舒适性评价指标的权重参数,ω4为约束条件中松弛因子的权重参数,Pconsumption为能耗评价指标,Plife为电池寿命评价指标,Pcomfort为乘员舱舒适性评价指标,ξ为松弛因子,Tb_min为电池组平均温度下限值,Tb_max为电池组平均温度上限值,ξ为松弛因子,ΔTmax为电池组温差上限值,Pchil_max为电池冷却器输出功率的上限值,Peva_max为蒸发器输出功率的上限值,p为预测时域,t表示当前时刻,m为控制时域,Y(t)为预测时域内的系统当前时刻输出量。
4.根据权利要求3所述的电动汽车热管理控制方法,其特征在于,所述ω1和ω3的比值根据电池SOC和乘客舱温差自适应调整:当电池SOC越小而乘客舱温差越小时,ω1/ω3越大,当电池SOC越大而乘客舱温差越大时,ω1/ω3越小。
5.根据权利要求1所述的电动汽车热管理控制方法,其特征在于,所述决策出下一时刻的冷却液流速u(t+1)具体为:
将电池组温差的向量元素的最大值ΔTpre_max与控制参数向量中的各元素相减得到T=ΔTpre_max-Tcontrol=[T1,T2,…,Ti,…,Tj],其中Tcontrol=[Tc1,Tc2,…,Tcj]为离线获取的控制参数,j为控制参数组成的向量中元素的个数,Ti为向量T中的第i个元素;
判断T中各元素的大小,当Ti与Ti+1符合Ti+1<0<Ti,则下一时刻流速u(t+1)=Ucoo(i),其中Ucoo=[u1,u2,…,uj-1]为已确定的各阶段流速组成的向量。
6.根据权利要求5所述的电动汽车热管理控制方法,其特征在于,所述离线获取的控制参数Tcontrol,具体包括:
(1),搭建包含电池组、冷却通道、水泵在内的电池冷却仿真平台;
(2),设计分阶段控制策略,初始化电池组温差控制参数,定义电池组温差和水泵能耗为粒子群算法的适应度函数,初始化两者权重;
(3),运行仿真,根据仿真平台返回的电池组温差序列和水泵总能耗计算适应度函数;
(4),更新粒子速度,通过粒子群迭代寻优,找到使适应度函数最小化的控制参数;
(5),改变权重,由电池组温差和水泵能耗的帕累托边界曲线,确定最佳权重对应的控制参数Tcontrol=[Tc1,Tc2,…,Tcj]。
7.根据权利要求1所述的电动汽车热管理控制方法,其特征在于,所述需要判断是否更新预测方程中的冷却液流速,具体为:当判断信号flagu≥20时,输出u(t+1)的值,并更新预测方程中的冷却液流速。
8.根据权利要求7所述的电动汽车热管理控制方法,其特征在于,所述判断信号通过比较u(t+1)与u(t)的大小确定的:
当u(t+1)>u(t)时,记判断信号flagu=20;
当u(t+1)=u(t)时,记flagu=0;
当u(t+1)<u(t)时,令q从q=t开始减小直至q=t-τ,比较u(t+1)与u(q)的大小,当出现u(t+1)<u(q),记flagu=t-q,若未出现u(t+1)<u(q),记flagu=20;其中τ是历史冷却液流速的个数减1。
9.一种实现权利要求1-8任一项所述的电动汽车热管理控制方法的系统,其特征在于,包括:
工况预测模块,根据当前场景选择车速规划子模块或道路数据分析子模块,确定本车的未来行驶工况;
能效比预测模块,将所述未来行驶工况和预测时域内的热负荷分别转化为进风风量的预测序列、冷却功率序列,输入能效比预测模型,输出能效比预测序列;
热管理控制器,包括状态估计器、多目标优化求解器和温差控制器;所述状态估计器预测方程预测冷却液入口温度Tf、冷却液出口温度Tr、1号单体电池温度Tb,1、n号单体电池温度Tb,n和乘客舱温度Tcab;所述多目标优化求解器构造待优化问题的目标函数及其约束条件,并求解得到最优输出功率序列;所述温差控制器用于决策下一时刻的冷却液流速u(t+1),并更新预测方程中的冷却液流速;
状态监测模块,包括状态获取单元和状态存储单元,状态获取单元记录各监测点的传感器信息,并由状态存储单元进行存储;
执行模块,将最优输出功率序列的第一个元素转化为压缩机、水泵和流量阀的控制信号,并作用于压缩机、水泵和流量阀。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211471881.6A CN115774929A (zh) | 2022-11-23 | 2022-11-23 | 一种考虑节能和电池寿命的电动汽车热管理控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211471881.6A CN115774929A (zh) | 2022-11-23 | 2022-11-23 | 一种考虑节能和电池寿命的电动汽车热管理控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115774929A true CN115774929A (zh) | 2023-03-10 |
Family
ID=85389932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211471881.6A Pending CN115774929A (zh) | 2022-11-23 | 2022-11-23 | 一种考虑节能和电池寿命的电动汽车热管理控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115774929A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116048057A (zh) * | 2023-04-03 | 2023-05-02 | 苏州英特模科技股份有限公司 | 一种热管理测试系统及方法 |
CN116215324A (zh) * | 2023-05-10 | 2023-06-06 | 中南大学 | 重载货运列车自组网电池系统制冷方法、系统及介质 |
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 |
CN116776746A (zh) * | 2023-08-18 | 2023-09-19 | 深圳市贝视特科技有限公司 | 一种基于流体动力学的储能液冷温控优化系统 |
CN117117397A (zh) * | 2023-10-25 | 2023-11-24 | 宁德时代新能源科技股份有限公司 | 电池热管理模拟方法、装置、系统及存储介质 |
CN117250873A (zh) * | 2023-11-20 | 2023-12-19 | 北京英沣特能源技术有限公司 | 一种数据中心液冷系统参数优化方法 |
CN117634051A (zh) * | 2024-01-18 | 2024-03-01 | 中汽研汽车检验中心(天津)有限公司 | 基于真实道路环境的热泵空调系统仿真预测方法及系统 |
-
2022
- 2022-11-23 CN CN202211471881.6A patent/CN115774929A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116048057A (zh) * | 2023-04-03 | 2023-05-02 | 苏州英特模科技股份有限公司 | 一种热管理测试系统及方法 |
CN116215324A (zh) * | 2023-05-10 | 2023-06-06 | 中南大学 | 重载货运列车自组网电池系统制冷方法、系统及介质 |
CN116215324B (zh) * | 2023-05-10 | 2023-07-07 | 中南大学 | 重载货运列车自组网电池系统制冷方法、系统及介质 |
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 |
CN116776746B (zh) * | 2023-08-18 | 2024-02-23 | 深圳市贝视特科技有限公司 | 一种基于流体动力学的储能液冷温控优化系统 |
CN116776746A (zh) * | 2023-08-18 | 2023-09-19 | 深圳市贝视特科技有限公司 | 一种基于流体动力学的储能液冷温控优化系统 |
CN117117397A (zh) * | 2023-10-25 | 2023-11-24 | 宁德时代新能源科技股份有限公司 | 电池热管理模拟方法、装置、系统及存储介质 |
CN117117397B (zh) * | 2023-10-25 | 2024-03-19 | 宁德时代新能源科技股份有限公司 | 电池热管理模拟方法、装置、系统及存储介质 |
CN117250873A (zh) * | 2023-11-20 | 2023-12-19 | 北京英沣特能源技术有限公司 | 一种数据中心液冷系统参数优化方法 |
CN117250873B (zh) * | 2023-11-20 | 2024-02-02 | 北京英沣特能源技术有限公司 | 一种数据中心液冷系统参数优化方法 |
CN117634051A (zh) * | 2024-01-18 | 2024-03-01 | 中汽研汽车检验中心(天津)有限公司 | 基于真实道路环境的热泵空调系统仿真预测方法及系统 |
CN117634051B (zh) * | 2024-01-18 | 2024-04-09 | 中汽研汽车检验中心(天津)有限公司 | 基于真实道路环境的热泵空调系统仿真预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115774929A (zh) | 一种考虑节能和电池寿命的电动汽车热管理控制系统及方法 | |
CN111261973B (zh) | 基于模型预测控制的电动汽车整车电池热管理方法 | |
CN113300027B (zh) | 一种基于预测控制的动力电池热管理系统及其控制方法 | |
CN111597723A (zh) | 基于改进的智能模型预测控制的电动汽车空调系统智能控制方法 | |
CN105522932B (zh) | 车用动力电池组主动风冷散热系统及其控制方法 | |
US8600598B2 (en) | Thermal conditioning of vehicle rechargeable energy storage systems | |
CN113128110B (zh) | 智能网联电动汽车高寒地区动力电池热管理优化方法 | |
CN110641250A (zh) | 基于人体热舒适理论和模糊pid控制的电动汽车空调系统智能控制方法 | |
CN114335625B (zh) | 燃料电池堆温度控制方法、装置、模型预测控制器及系统 | |
CN113071506B (zh) | 考虑座舱温度的燃料电池汽车能耗优化系统 | |
US11541777B2 (en) | System and method for controlling vehicle thermal management apparatus | |
CN115732810A (zh) | 一种电动汽车电池包加温系统控制方法 | |
CN116624984A (zh) | 一种冰蓄冷空调系统经济性和响应性双目标优化模型预测控制方法 | |
Yan et al. | A/C energy management and vehicle cabin thermal comfort control | |
CN111572407B (zh) | 一种混动汽车热管理系统及其控制方法 | |
CN116512990A (zh) | 一种纯电动汽车中高温环境下的电池热管理系统及其控制方法 | |
Zhao et al. | A two-stage eco-cooling control strategy for electric vehicle thermal management system considering multi-source information fusion | |
CN115840987A (zh) | 一种基于深度强化学习的混动汽车热管理策略生成方法 | |
Hajidavalloo et al. | NMPC-based integrated thermal management of battery and cabin for electric vehicles in cold weather conditions | |
CN113885609A (zh) | 一种车载冰箱的箱体温度控制方法、装置和车载冰箱 | |
CN114580801A (zh) | 车辆热管理控制方法、车辆热管理系统 | |
Choi et al. | Reinforcement Learning-based Controller for Thermal Management System of Electric Vehicles | |
CN116432313A (zh) | 一种电动汽车热管理系统的数字孪生架构及智能控制方法 | |
CN116638914A (zh) | 基于td3算法的多控制器协同控制整车热管理控制方法 | |
CN115195530B (zh) | 一种电动汽车电池冷却管理控制系统 |
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 |