CN116454440A - 一种电池模组膨胀力预测方法、装置、设备及存储介质 - Google Patents
一种电池模组膨胀力预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116454440A CN116454440A CN202310484230.9A CN202310484230A CN116454440A CN 116454440 A CN116454440 A CN 116454440A CN 202310484230 A CN202310484230 A CN 202310484230A CN 116454440 A CN116454440 A CN 116454440A
- Authority
- CN
- China
- Prior art keywords
- battery module
- expansion force
- battery
- tested
- strain
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims description 67
- 239000000463 material Substances 0.000 claims description 33
- 238000001816 cooling Methods 0.000 claims description 30
- 239000007788 liquid Substances 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 26
- 230000009471 action Effects 0.000 claims description 16
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 238000003475 lamination Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 16
- 238000004088 simulation Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 6
- 239000011162 core material Substances 0.000 description 36
- 239000013598 vector Substances 0.000 description 11
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000011258 core-shell material Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 101000578920 Homo sapiens Microtubule-actin cross-linking factor 1, isoforms 1/2/3/5 Proteins 0.000 description 2
- 102100028322 Microtubule-actin cross-linking factor 1, isoforms 1/2/3/5 Human genes 0.000 description 2
- 238000012356 Product development Methods 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 230000022131 cell cycle Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 230000005483 Hooke's law Effects 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 239000004964 aerogel Substances 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010261 cell growth Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
-
- 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)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Battery Mounting, Suspending (AREA)
Abstract
本发明涉及电池管理技术领域，公开了一种电池模组膨胀力预测方法、装置、设备及存储介质，通过获取待测电池模组的结构属性信息；根据所述结构属性信息，确定所述待测电池模组的膨胀力预测参数；根据所述膨胀力预测参数，构建所述待测电池模组的膨胀力预测模型；基于所述膨胀力预测模型，根据所述待测电池模组的温度变化信息，确定所述待测电池模组的膨胀力预测结果，即基于待测电池模组的膨胀力预测模型实现了待测电池模组膨胀过程的仿真模拟，以预测待测电池模组在实际应用过程中受温度变化影响而产生的膨胀力，在降低了电池模组膨胀力检测成本的同时，保证了膨胀力预测结果的准确性。
Description
技术领域
本发明涉及电池管理领域，具体涉及一种电池模组膨胀力预测方法、装置、设备及存储介质。
背景技术
近年来新能源汽车得到了快速的发展，动力电池作为新能源汽车的主要组合件。在动力电池正常使用过程中，随着模组的充放电，模组的膨胀力也在不断的变化，特别是到后期，有些类型的电芯其膨胀力非常之大，时常达到几十千牛，特别是模组端部区域，这种膨胀力对箱体的强度是一个巨大的考验，若在前期没有充分考虑模组膨胀力对箱体的影响，箱体可能会出现开裂现象，甚至影响整个电池包的密封，因此如何确定电池模组的膨胀力成为了重点研究内容。
在现有技术中，通常是在动力电池出厂前，对该批动力电池进行随机取样，并对选取的动力电池样本进行膨胀力测试实验，以确定这批动力电池的模组膨胀力对箱体的影响，但膨胀力测试实验过程较为繁琐，且需要耗费动力电池资源，即现有技术的电池模组的膨胀力检测成本较高。
发明内容
有鉴于此，本发明提供了一种电池模组膨胀力预测方法、装置、设备及存储介质，以解决电池模组的膨胀力检测成本较高的问题。
第一方面，本发明提供了一种电池模组膨胀力预测方法，通过获取待测电池模组的结构属性信息；根据结构属性信息，确定待测电池模组的膨胀力预测参数；根据膨胀力预测参数，构建待测电池模组的膨胀力预测模型；基于膨胀力预测模型，根据待测电池模组的温度变化信息，确定待测电池模组的膨胀力预测结果，即基于待测电池模组的膨胀力预测模型实现了待测电池模组膨胀过程的仿真模拟，以预测待测电池模组在实际应用过程中受温度变化影响而产生的膨胀力，在降低了电池模组膨胀力检测成本的同时，保证了膨胀力预测结果的准确性。
在一种可选的实施方式中，待测电池模组包括若干个电芯，根据结构属性信息，确定待测电池模组的膨胀力预测参数，包括：
根据结构属性信息，确定待测电池模组的电芯受力特征；
根据电芯受力特征，确定电芯不同方向的膨胀材料参数；
其中，待测电池模组的膨胀力预测参数包括电芯不同方向的膨胀材料参数，膨胀材料参数至少包括电芯的弹性矩阵、刚度矩阵及应变矩阵。
在一种可选的实施方式中，根据膨胀力预测参数，构建待测电池模组的膨胀力预测模型，包括：
根据电芯的弹性矩阵、刚度矩阵及应变矩阵，拟合待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系；
根据待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系，构建待测电池模组的膨胀力预测模型。
在一种可选的实施方式中，基于膨胀力预测模型，根据待测电池模组的温度变化信息，确定待测电池模组的膨胀力预测结果，包括：
基于膨胀力预测模型，根据待测电池模组的温度变化信息及电芯在当前工况下的膨胀率，确定待测电池模组中各电芯在温度变化作用下的应变；
针对任一电芯，根据该电芯在温度变化作用下的应变，确定该电芯的膨胀力；其中，待测电池模组的膨胀力预测结果包括各电芯的膨胀力。
在一种可选的实施方式中，根据该电芯在温度变化作用下的应变，确定该电芯的膨胀力，包括：
根据该电芯在温度变化作用下的应变和弹性矩阵，确定电芯在叠片膨胀作用下的应变；
根据电芯在叠片膨胀作用下的应变和应变矩阵，确定电芯的位移矩阵；
根据电芯的位移矩阵和刚度矩阵，确定电芯的膨胀力。
在一种可选的实施方式中，方法还包括：
根据待测电池模组的膨胀力预测结果，确定待测电池模组的箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力。
在一种可选的实施方式中，方法还包括：
根据待测电池模组的箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力，分别确定待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变；
根据待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变，确定待测电池模组的优化策略。
第二方面，本发明提供了一种电池模组膨胀力预测装置，装置包括：
获取模块，用于获取待测电池模组的结构属性信息；
确定模块，用于根据结构属性信息，确定待测电池模组的膨胀力预测参数；
模型构建模块，用于根据膨胀力预测参数，构建待测电池模组的膨胀力预测模型；
预测模块，用于基于膨胀力预测模型，根据待测电池模组的温度变化信息，确定待测电池模组的膨胀力预测结果。
在一种可选的实施方式中，确定模块，具体用于：
根据结构属性信息，确定待测电池模组的电芯受力特征；
根据电芯受力特征，确定电芯不同方向的膨胀材料参数；
其中，待测电池模组的膨胀力预测参数包括电芯不同方向的膨胀材料参数，膨胀材料参数至少包括电芯的弹性矩阵、刚度矩阵及应变矩阵。
在一种可选的实施方式中，模型构建模块，具体用于：
根据电芯的弹性矩阵、刚度矩阵及应变矩阵，拟合待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系；
根据待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系，构建待测电池模组的膨胀力预测模型。
在一种可选的实施方式中，预测模块，具体用于：
基于膨胀力预测模型，根据待测电池模组的温度变化信息及电芯在当前工况下的膨胀率，确定待测电池模组中各电芯在温度变化作用下的应变；
针对任一电芯，根据该电芯在温度变化作用下的应变，确定该电芯的膨胀力；其中，待测电池模组的膨胀力预测结果包括各电芯的膨胀力。
在一种可选的实施方式中，预测模块，具体用于：
根据该电芯在温度变化作用下的应变和弹性矩阵，确定电芯在叠片膨胀作用下的应变；
根据电芯在叠片膨胀作用下的应变和应变矩阵，确定电芯的位移矩阵；
根据电芯的位移矩阵和刚度矩阵，确定电芯的膨胀力。
在一种可选的实施方式中，预测模块，还用于：
根据待测电池模组的膨胀力预测结果，确定待测电池模组的箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力。
在一种可选的实施方式中，预测模块，还用于：
根据待测电池模组的箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力，分别确定待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变；
根据待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变，确定待测电池模组的优化策略。
第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的电池模组膨胀力预测方法。
第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的电池模组膨胀力预测方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的一种电池模组膨胀力预测方法的流程示意图；
图2是根据本发明实施例的另一种电池模组膨胀力预测方法的流程图；
图3是根据本发明实施例的待测电池模组的结构示意图；
图4是根据本发明实施例提供的待测电池模组受力分析示意图；
图5是根据本发明实施例的一种电池模组膨胀力预测装置的结构图；
图6是根据本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在动力电池正常使用过程中，电芯膨胀常有发生，且其膨胀力对箱体及整个电池包有较大影响；当前测试电芯膨胀主要是通过试验进行，其往往在产品研发后期进行测试验证，常迟滞于产品开发节点，特别是对箱体的开发严重滞后，在实际中常有因模组膨胀导致箱体破坏及整包密封无法通过，进而也提高了开发成本。
根据本发明实施例，提供了一种电池模组膨胀力预测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种电池模组膨胀力预测方法，用于预测待测电池模组经过若干次电芯循环充放电后的膨胀力。本申请实施例的执行主体为电子设备，比如服务器、台式电脑、笔记本电脑、平板电脑及其他可用于预测待测电池模组经过若干次电芯循环充放电后的膨胀力的电子设备。
图1是根据本发明实施例的一种电池模组膨胀力预测方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，获取待测电池模组的结构属性信息。
其中，待测电池模组的结构属性信息至少包括电芯排列结构信息、电芯材料组成信息及模组其他器件与电芯之间的结构关系信息等。
步骤S102，根据结构属性信息，确定待测电池模组的膨胀力预测参数。
需要说明的是，待测电池模组包括若干个电芯，待测电池模组的膨胀力主要来自于电芯的膨胀力。
具体地，可以根据待测电池模组的结构属性信息，分析待测电池模组中电芯的受力情况，进而拟合待测电池模组的膨胀力预测参数。
在一些可选的实施方式中，可以根据结构属性信息，确定待测电池模组的电芯受力特征；根据电芯受力特征，确定电芯不同方向的膨胀材料参数。
其中，待测电池模组的膨胀力预测参数包括电芯不同方向的膨胀材料参数，膨胀材料参数至少包括电芯的弹性矩阵、刚度矩阵及应变矩阵。
具体地，在模型仿真中，可以将一个电芯划分为若干个单元，如将电芯划分为若干个六面体单元，每个单元由若干个节点组成，通过对电芯进行膨胀结构受力分析，得到所有节点的弹性矩阵、位移列向量和载荷的列向量，进而结合其材料属性、单元划分属性及厚度属性，确定刚度矩阵。
需要说明的是，由于电芯极组材料属于各向异性材料，所以需要定义不同方向的材料性能参数。对于实体单元建立电芯极组的材料，需要定义矢量a和d，c＝a×d，b＝c×a；即只需要定义X方向和Y方向，亦即可得到Z方向，此时可以定义电芯三个方向的膨胀材料参数，待测电池模组的膨胀力预测参数。其中，膨胀材料参数还可以包括泊松比、剪切模量和热膨胀系数等，如下表所示，为本申请实施例提供的示例性的电芯不同方向的膨胀材料参数：
在本申请实施例中电芯材料各向异性方向设置如下表所示：
| AOPT | 2 | D1 | 0 |
| MACF | 1 | D2 | 1 |
| A1 | 1 | D3 | 0 |
| A2 | 0 | REF | 0 |
| A3 | 0 |
其中，AOPT表示材料轴选项，AOPT为2表示由矢量决定的全局正交各向异性材料轴，MACF表示块状单元材料轴变化选项，A1表示针对AOPT＝2的矢量a的分量1，A2表示针对AOPT＝2的矢量a的分量2，A3表示针对AOPT＝2的矢量a的分量3，D1表示针对AOPT＝2的矢量d的分量1，D2表示针对AOPT＝2的矢量d的分量2，D3表示针对AOPT＝2的矢量d的分量3，针对该六种分量，取值为1则表示该分量在本申请实施例中起作用，取值为0则表示该分量不起作用，REF表示是否使用参考几何初始化应力张量，上表中REF为0，则表示不使用参考几何初始化应力张量。
步骤S103，根据膨胀力预测参数，构建待测电池模组的膨胀力预测模型。
具体地，可以采用有限单元法根据待测电池模组的膨胀力预测参数进行模组膨胀分析，进而根据膨胀分析结果，构建待测电池模组的膨胀力预测模型，以使得到的膨胀力预测模型能够对待测电池模组的膨胀力产生过程进行仿真模拟。
在一些可选的实施方式中，可以根据电芯的弹性矩阵、刚度矩阵及应变矩阵，拟合待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系；根据待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系，构建待测电池模组的膨胀力预测模型。
需要说明的是，电芯在充放电过程中发生的化学产热及放热，电芯将因温度的变化发生膨胀，进而产生膨胀力，因此在待测电池模组的膨胀力预测模型构建过程中，可以根据电芯的弹性矩阵、刚度矩阵及应变矩阵，拟合待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系，进而得到能够对待测电池模组的膨胀力产生过程进行仿真模拟的膨胀力预测模型。
步骤S104，基于膨胀力预测模型，根据待测电池模组的温度变化信息，确定待测电池模组的膨胀力预测结果。
具体地，可以基于膨胀力预测模型，按照拟合的待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系，根据待测电池模组的温度变化信息，确定待测电池模组的膨胀力预测结果。
本实施例提供的电池模组膨胀力预测方法，通过获取待测电池模组的结构属性信息；根据结构属性信息，确定待测电池模组的膨胀力预测参数；根据膨胀力预测参数，构建待测电池模组的膨胀力预测模型；基于膨胀力预测模型，根据待测电池模组的温度变化信息，确定待测电池模组的膨胀力预测结果，即基于待测电池模组的膨胀力预测模型实现了待测电池模组膨胀过程的仿真模拟，以预测待测电池模组在实际应用过程中受温度变化影响而产生的膨胀力，在降低了电池模组膨胀力检测成本的同时，保证了膨胀力预测结果的准确性。
在本实施例中提供了一种电池模组膨胀力预测方法，用于进一步提高电池模组膨胀力预测结果的准确性，图2是根据本发明实施例的另一种电池模组膨胀力预测方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，获取待测电池模组的结构属性信息。详细请参见图1所示实施例的步骤S101，在此不再赘述。
步骤S202，根据结构属性信息，确定待测电池模组的膨胀力预测参数。详细请参见图1所示实施例的步骤S102，在此不再赘述。
步骤S203，根据膨胀力预测参数，构建待测电池模组的膨胀力预测模型。详细请参见图1所示实施例的步骤S103，在此不再赘述。
步骤S204，基于膨胀力预测模型，根据待测电池模组的温度变化信息，确定待测电池模组的膨胀力预测结果。
具体地，上述步骤S204包括：
步骤S2041，基于膨胀力预测模型，根据待测电池模组的温度变化信息及电芯在当前工况下的膨胀率，确定待测电池模组中各电芯在温度变化作用下的应变；
步骤S2042，针对任一电芯，根据该电芯在温度变化作用下的应变，确定该电芯的膨胀力；其中，待测电池模组的膨胀力预测结果包括各电芯的膨胀力。
需要说明的是，电芯的当前工况具体指电芯的充放循环次数，即电芯的使用时间，电芯经过多次充电循环后，尤其是达到EOL工况时，其自身会产生一定的膨胀率。
具体地，可以先根据基于膨胀力预测模型，根据待测电池模组的温度变化信息表征的温度变化值T和电芯叠片的线膨胀系数α，确定电芯由于膨胀而产生的应变αT，进而根据电芯由于温度变化发生膨胀而产生的应变αT。然后根据电芯在温度变化作用下的应变及电芯的膨胀材料参数，确定该电芯的膨胀力。
在一些可选的实施方式中，上述步骤S1042包括：
步骤a1，根据该电芯在温度变化作用下的应变和弹性矩阵，确定电芯在叠片膨胀作用下的应变；
步骤a2，根据电芯在叠片膨胀作用下的应变和应变矩阵，确定电芯的位移矩阵；
步骤a3，根据电芯的位移矩阵和刚度矩阵，确定电芯的膨胀力。
具体地，可以根据如下公式，根据该电芯在温度变化作用下的应变，确定该电芯的膨胀应力：
σ＝D(ε-ε0)
其中，σ表示电芯的膨胀应力，D表示弹性矩阵，ε表示电芯在叠片膨胀作用下的应变，ε0表示电芯在温度变化作用下的应变，也称电芯的节点位移向量，ε0＝αT[1 1 0]T。
其中，电芯的位移矩阵和电芯的膨胀力的函数关系如下：
δe＝K-1F
其中，δe表示电芯的位移矩阵，K表示电芯的刚度矩阵，F表示电芯的膨胀力。
具体地，可以将应变矩阵作为边界条件引入，以在高斯积分点上，根据如下几何方程计算电芯在叠片膨胀作用下的应变，及电芯在叠片膨胀作用下的应变和电芯的位移矩阵的函数关系如下：
ε＝Bδe
其中，ε表示电芯在叠片膨胀作用下的应变，B表示应变矩阵。
具体地，可以根据胡克定律和几何方程，基于上述实施例得到数据推导出应力，即基于如下物理方程，计算电芯的膨胀应力，电芯的膨胀应力即为高斯积分点的应力：
σ＝D*(Bδe-ε0)
具体地，膨胀力预测模型具体可以基于上述函数表达式，推算电芯的膨胀力F。
进一步地，可以根据电芯的膨胀应力、电芯与结构件的连接关系及边界，可计算出各个结构件的应力，具体计算公式如下：
σs＝σ-σsc
其中，σs表示结构件的膨胀应力，σsc表示电芯与结构件的边界接触应力。
进一步地，可以根据如下公式，确定结构件的应变：
εs＝E-1σs
其中，εs表示结构件的应变，E表示结构件的弹性模量，考虑材料的非线性本构关系后，材料在外载荷作用下，在经历弹性阶段后会慢慢进入塑性阶段，进而使得到结构件的应力和应变为塑性应力和塑性应变。如图3所示，是根据本发明实施例的待测电池模组的结构示意图。结构件包括箱体、电芯壳体、液冷板和汇流排，图3还展示了导热结构胶和气凝胶粘的结构。
在一些可选的实施方式中，还可以根据待测电池模组的膨胀力预测结果，确定待测电池模组的箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力。
具体地，如图3所示，结构件还包括端板，具体可以根据各电芯的膨胀力及各电芯与端板之间的位置关系，确定端板的截面力，进而根据端板与箱体、电芯壳体、液冷板和汇流排的位置关系，确定箱体、电芯壳体、液冷板和汇流排每个检测点的应力，进而确定箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力。
其中，如图4所示，是根据本发明实施例提供的待测电池模组受力分析示意图，展示了端板的截面力与电芯膨胀力之间的关系；具体可以根据与端板相邻的电芯(1_Cell)膨胀对端板产生的截面力、模组中间部位的电芯(7_Cell)膨胀对端板产生的截面力以及受电芯膨胀影响而产生的汇流排截面力，确定端板的截面力。其中，如图4所示的受力分析结果可以根据待测电池模组的材料属性及结构件组成关系等因素确定。
在一些可选的实施方式中，还可以根据待测电池模组的箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力，分别确定待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变；根据待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变，确定待测电池模组的优化策略。
具体地，可以根据箱体的弹性模量和箱体最大应力，确定箱体最大应变；根据电芯壳体的弹性模量和电芯壳体最大应力，确定电芯壳体最大应变；根据电芯壳体的弹性模量和电芯壳体最大应力，确定电芯壳体最大应变；根据液冷板的弹性模量和液冷板最大应力，确定液冷板最大应变；根据汇流排的弹性模量和汇流排最大应力，确定汇流排最大应变。
具体地，可以进一步确定待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变相对阈值的溢出值，进而根据溢出值的大小判断待测电池模组是否为待优化电池模组，并确定相应的优化策略。其中，溢出值为最大应变大于阈值时，最大应变与阈值之间的差值。
示例性的，在确定端板的截面力为40kN时，箱体最大应变为0％，小于阀值9％，溢出值为0；电芯壳体最大应变为2.02％，小于阈值25％，溢出值为0；液冷板最大应变为0.062％，小于阈值22％，溢出值为0；汇流排排最大应变为2.65％，小于22％，溢出值为0；即在电芯施加给端板端部截面力40kN状态下，各零部件满足设计要求；同时箱体最大变形为0.65mm，小于阈值0.7mm，满足密封要求。
具体地，优化策略可以为调整电芯间或箱体内的间隙，或优化电芯间间隔物，如增加回形框或缓冲片等。其中，若超出阈值10％(溢出值＝10％)，可以进行连接形式、搭接(焊接)形式、形貌优化等，通过调整零件之间的连接形式以及改变形貌的状态进而提升刚度，降低应力或应变；增加模组底部胶粘及绑带，或通过设计可变形的端板结构或新材料端板来抵抗膨胀力；对模组进行上下胶粘，采用如三明治结构形式。若超出阈值10％-30％，可以通过调整厚度、优化截面形状以及尺寸等；若刚超出阈值30％以上，可以通过增加加强件或更换材料进行优化。
本实施例提供的电池模组膨胀力预测方法，通过获取待测电池模组的结构属性信息；根据结构属性信息，确定待测电池模组的膨胀力预测参数；根据膨胀力预测参数，构建待测电池模组的膨胀力预测模型；基于膨胀力预测模型，根据待测电池模组的温度变化信息，确定待测电池模组的膨胀力预测结果，即基于待测电池模组的膨胀力预测模型实现了待测电池模组膨胀过程的仿真模拟，以预测待测电池模组在实际应用过程中受温度变化影响而产生的膨胀力，在降低了电池模组膨胀力检测成本的同时，保证了膨胀力预测结果的准确性。并且，通过进一步分析待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变，并确定相应的优化策略，为进一步提高电池模组的安全性、延长电池模组使用周期奠定了基础。
在本实施例中还提供了一种电池模组膨胀力预测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种电池模组膨胀力预测装置，如图5所示，是根据本发明实施例的一种电池模组膨胀力预测装置的结构图，包括：
获取模块501，用于获取待测电池模组的结构属性信息；
确定模块502，用于根据结构属性信息，确定待测电池模组的膨胀力预测参数；
模型构建模块503，用于根据膨胀力预测参数，构建待测电池模组的膨胀力预测模型；
预测模块504，用于基于膨胀力预测模型，根据待测电池模组的温度变化信息，确定待测电池模组的膨胀力预测结果。
在一种可选的实施方式中，确定模块，具体用于：
根据结构属性信息，确定待测电池模组的电芯受力特征；
根据电芯受力特征，确定电芯不同方向的膨胀材料参数；
其中，待测电池模组的膨胀力预测参数包括电芯不同方向的膨胀材料参数，膨胀材料参数至少包括电芯的弹性矩阵、刚度矩阵及应变矩阵。
在一种可选的实施方式中，模型构建模块，具体用于：
根据电芯的弹性矩阵、刚度矩阵及应变矩阵，拟合待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系；
根据待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系，构建待测电池模组的膨胀力预测模型。
在一种可选的实施方式中，预测模块，具体用于：
基于膨胀力预测模型，根据待测电池模组的温度变化信息及电芯在当前工况下的膨胀率，确定待测电池模组中各电芯在温度变化作用下的应变；
针对任一电芯，根据该电芯在温度变化作用下的应变，确定该电芯的膨胀力；其中，待测电池模组的膨胀力预测结果包括各电芯的膨胀力。
在一种可选的实施方式中，预测模块，具体用于：
根据该电芯在温度变化作用下的应变和弹性矩阵，确定电芯在叠片膨胀作用下的应变；
根据电芯在叠片膨胀作用下的应变和应变矩阵，确定电芯的位移矩阵；
根据电芯的位移矩阵和刚度矩阵，确定电芯的膨胀力。
在一种可选的实施方式中，预测模块，还用于：
根据待测电池模组的膨胀力预测结果，确定待测电池模组的箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力。
在一种可选的实施方式中，预测模块，还用于：
根据待测电池模组的箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力，分别确定待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变；
根据待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变，确定待测电池模组的优化策略。
本实施例中的电池模组膨胀力预测装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本发明实施例还提供一种计算机设备，具有上述图5所示的电池模组膨胀力预测装置。
请参阅图6，图6是根据本发明实施例的计算机设备的硬件结构示意图，如图6所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器10为例。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，存储器20存储有可由至少一个处理器10执行的指令，以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种电池模组膨胀力预测方法，其特征在于，所述方法包括：
获取待测电池模组的结构属性信息；
根据所述结构属性信息，确定所述待测电池模组的膨胀力预测参数；
根据所述膨胀力预测参数，构建所述待测电池模组的膨胀力预测模型；
基于所述膨胀力预测模型，根据所述待测电池模组的温度变化信息，确定所述待测电池模组的膨胀力预测结果。
2.根据权利要求1所述的方法，其特征在于，所述待测电池模组包括若干个电芯，所述根据所述结构属性信息，确定所述待测电池模组的膨胀力预测参数，包括：
根据所述结构属性信息，确定所述待测电池模组的电芯受力特征；
根据所述电芯受力特征，确定所述电芯不同方向的膨胀材料参数；
其中，所述待测电池模组的膨胀力预测参数包括所述电芯不同方向的膨胀材料参数，所述膨胀材料参数至少包括电芯的弹性矩阵、刚度矩阵及应变矩阵。
3.根据权利要求2所述的方法，其特征在于，所述根据所述膨胀力预测参数，构建所述待测电池模组的膨胀力预测模型，包括：
根据所述电芯的弹性矩阵、刚度矩阵及应变矩阵，拟合所述待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系；
根据所述待测电池模组的温度变化信息与电芯的膨胀力之间的函数关系，构建所述待测电池模组的膨胀力预测模型。
4.根据权利要求3所述的方法，其特征在于，所述基于所述膨胀力预测模型，根据所述待测电池模组的温度变化信息，确定所述待测电池模组的膨胀力预测结果，包括：
基于所述膨胀力预测模型，根据所述待测电池模组的温度变化信息及电芯在当前工况下的膨胀率，确定所述待测电池模组中各电芯在温度变化作用下的应变；
针对任一所述电芯，根据该电芯在温度变化作用下的应变，确定该电芯的膨胀力；其中，所述待测电池模组的膨胀力预测结果包括所述各所述电芯的膨胀力。
5.根据权利要求4所述的方法，其特征在于，所述根据该电芯在温度变化作用下的应变，确定该电芯的膨胀力，包括：
根据该电芯在温度变化作用下的应变和所述弹性矩阵，确定所述电芯在叠片膨胀作用下的应变；
根据所述电芯在叠片膨胀作用下的应变和所述应变矩阵，确定所述电芯的位移矩阵；
根据所述电芯的位移矩阵和所述刚度矩阵，确定所述电芯的膨胀力。
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
根据所述待测电池模组的膨胀力预测结果，确定所述待测电池模组的箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
根据所述待测电池模组的箱体最大应力、电芯壳体最大应力、液冷板最大应力和汇流排最大应力，分别确定所述待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变；
根据所述待测电池模组的箱体最大应变、电芯壳体最大应变、液冷板最大应变和汇流排最大应变，确定所述待测电池模组的优化策略。
8.一种电池模组膨胀力预测装置，其特征在于，所述装置包括：
获取模块，用于获取待测电池模组的结构属性信息；
确定模块，用于根据所述结构属性信息，确定所述待测电池模组的膨胀力预测参数；
模型构建模块，用于根据所述膨胀力预测参数，构建所述待测电池模组的膨胀力预测模型；
预测模块，用于基于所述膨胀力预测模型，根据所述待测电池模组的温度变化信息，确定所述待测电池模组的膨胀力预测结果。
9.一种计算机设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310484230.9A CN116454440A (zh) | 2023-04-28 | 2023-04-28 | 一种电池模组膨胀力预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310484230.9A CN116454440A (zh) | 2023-04-28 | 2023-04-28 | 一种电池模组膨胀力预测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116454440A true CN116454440A (zh) | 2023-07-18 |
Family
ID=87135639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310484230.9A Pending CN116454440A (zh) | 2023-04-28 | 2023-04-28 | 一种电池模组膨胀力预测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116454440A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117034720A (zh) * | 2023-10-08 | 2023-11-10 | 蜂巢能源科技(无锡)有限公司 | 电池压力评估方法、装置、系统及存储介质 |
| CN117317416A (zh) * | 2023-11-24 | 2023-12-29 | 宁德时代新能源科技股份有限公司 | 电池管理方法、设备、存储介质、用电装置、电池及系统 |
-
2023
- 2023-04-28 CN CN202310484230.9A patent/CN116454440A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117034720A (zh) * | 2023-10-08 | 2023-11-10 | 蜂巢能源科技(无锡)有限公司 | 电池压力评估方法、装置、系统及存储介质 |
| CN117034720B (zh) * | 2023-10-08 | 2024-01-23 | 蜂巢能源科技(无锡)有限公司 | 电池压力评估方法、装置、系统及存储介质 |
| CN117317416A (zh) * | 2023-11-24 | 2023-12-29 | 宁德时代新能源科技股份有限公司 | 电池管理方法、设备、存储介质、用电装置、电池及系统 |
| CN117317416B (zh) * | 2023-11-24 | 2024-04-19 | 宁德时代新能源科技股份有限公司 | 电池管理方法、设备、存储介质、用电装置、电池及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116454440A (zh) | 一种电池模组膨胀力预测方法、装置、设备及存储介质 | |
| CN112666480B (zh) | 一种基于充电过程特征注意力的电池寿命预测方法 | |
| Yiding et al. | Multi-physics safety model based on structure damage for lithium-ion battery under mechanical abuse | |
| Arunachalam et al. | Full homogenized macroscale model and pseudo-2-dimensional model for lithium-ion battery dynamics: comparative analysis, experimental verification and sensitivity analysis | |
| CN108931729B (zh) | 一种锂离子电池容量循环退化动态识别方法 | |
| Wang et al. | Design and management of lithium-ion batteries: A perspective from modeling, simulation, and optimization | |
| Khalid et al. | Simulation-based analysis of equalization algorithms on active balancing battery topologies for electric vehicles | |
| Gilaki et al. | Model-based design of an electric bus Lithium-ion battery pack | |
| Rajamand | Analysis of effect of physical parameters on the performance of lead acid battery as efficient storage unit in power systems using new finite-element-method-based model | |
| US20140136169A1 (en) | Systems and methods for improving battery performance | |
| Song et al. | A universal anisotropic model for a lithium‐ion cylindrical cell validated under axial, lateral, and bending loads | |
| CN112084459A (zh) | 电池充放电循环寿命的预测方法、装置、电子终端、及存储介质 | |
| Qu et al. | Simplified layered model of pouch cell for varied load cases: an indentation and three-point bending study | |
| Gupta et al. | Modeling of local electrode stresses and pressures in lithium-ion battery packs using three-dimensional homogenization | |
| CN111241685B (zh) | 一种锂电池组系统可靠性优化设计方法 | |
| CN117520986A (zh) | 分布式光伏发电异常监测方法、系统、设备和存储介质 | |
| CN116068406A (zh) | 一种电池模拟测试方法、装置、电子设备和存储介质 | |
| Lee et al. | Optimization of module structure considering mechanical and thermal safety of pouch cell lithium-ion batteries using a reliability-based design optimization approach | |
| Li et al. | Machine learning algorithm based battery modeling and management method: A Cyber-Physical System perspective | |
| Zuo et al. | A simplified method of soft connected battery module for finite element method model of battery pack | |
| CN116306288A (zh) | 基于代理模型的锂电池优化设计方法及系统、装置、介质 | |
| CN116090063A (zh) | 一种考虑节点滑移效应的输电塔有限元建模方法 | |
| CN113139250B (zh) | 哥林柱疲劳寿命预测方法、装置、设备及计算机可读介质 | |
| Kim et al. | Abuse response of batteries subjected to mechanical impact | |
| Yun et al. | Experimental combined numerical approach for evaluation of battery capacity based on the initial applied stress, the real‐time stress, charging open circuit voltage, and discharging open circuit voltage |
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 |