CN117080619B - 一种新能源汽车电池散热管理方法与系统 - Google Patents

Abstract

本发明涉及数字信号处理技术领域，具体涉及一种新能源汽车电池散热管理方法与系统，获取各采样时刻的电池温度矩阵；根据电池温度矩阵各高温区域内数据点的分布得到各潜在隐患区域；计算潜在隐患区域中心点及各单点电池的簇内自差分趋势变化向量，从而得到潜在隐患区域的区域温度同质性系数；根据各采样时刻的所有潜在隐患区域的区域温度同质性系数得到各采样时刻的电池包风扇功率补偿指数及左右风扇的偏移向量；采用神经网络完成新能源汽车电池散热管理方法。从而针对热点效应做到有效散热，提高新能源汽车电池风扇功率的精度。

Description

一种新能源汽车电池散热管理方法与系统

技术领域

本申请涉及数字信号处理技术领域，具体涉及一种新能源汽车电池散热管理方法与系统。

背景技术

新能源汽车是指采用电力作为驱动的汽车，其主要包括电机、电池和电控系统，凭借其低成本年轻化设计具有很大的消费市场。电池作为新能源汽车的关键组件，决定着汽车整体的运行状态。当电池在充放电过程中，由于电池内部的化学反应和内电阻极化等原因造成电池发热，需要对电池的发热进行合理的控制和管理，使其达到正常范围内，有助于提高新能源汽车的电池转换效率和使用寿命。

针对新能源电池散热的传统方式主要通过散热风扇或者散热导管的方式，其主要存在的问题是散热效率不高、散热不均匀，并且无法解决电池包中热点效应的影响。热点效应是指在电池包中因单点电池的温度异常而造成的局部温度升高，传统的电池管理系统BMS无法有效应对此情况。

综上所述，本发明提出一种新能源汽车电池散热管理方法与系统，通过分析各采样时刻的电池温度矩阵，对新能源汽车电池温度监控，实现新能源电池的散热管理。

发明内容

为了解决上述技术问题，本发明提供一种新能源汽车电池散热管理方法与系统，所采用的技术方案具体如下：

第一方面，本发明实施例提供了一种新能源汽车电池散热管理方法，该方法包括以下步骤：

获取各采样时刻的电池温度矩阵；

获取电池温度矩阵各高温区域；根据高温区域内数据点的分布得到高温区域的区域温度单点集中系数；根据电池温度矩阵各高温区域的区域温度单点集中系数获取各潜在隐患区域；将各单点电池在采样时刻及其前个时刻的温度数据作为各单点电池的时间窗口，其中，/>的取值范围为[1,100]；

获取潜在隐患区域中心点在时间窗口内的温度自差分序列；将温度自差分序列进行聚类得到潜在隐患区域中心点各时间簇；计算潜在隐患区域中心点的簇内自差分趋势变化向量；获取潜在隐患区域各单点电池的簇内自差分趋势变化向量，根据潜在隐患区域各单点电池及中心点的簇内自差分趋势变化向量得到潜在隐患区域的区域温度同质性系数；根据潜在隐患区域的区域温度同质性系数得到潜在隐患区域的补偿系数；将各采样时刻的所有潜在隐患区域的补偿系数均值作为各采样时刻的电池包风扇功率补偿指数；

获取各采样时刻左右风扇的偏移向量；将各采样时刻的电池包风扇功率补偿指数、风扇功率以及风扇理论输出功率输入到神经网络，输出电池风扇拟合功率，结合左右风扇的偏移向量及电池风扇拟合功率完成新能源汽车电池散热管理。

优选的，所述获取电池温度矩阵各高温区域，包括：

采用泊松曲面重建构建电池温度矩阵的温度波动曲线，通过分水岭算法对温度波动曲线进行划分得到电池温度矩阵中各高温区域。

优选的，所述根据高温区域内数据点的分布得到高温区域的区域温度单点集中系数，包括：

将高温区域温度最高的点作为温度中心；

对于高温区域各单点电池，计算温度中心与单点电池的温度差值，计算温度中心与单点电池的曼哈顿距离，将高温区域所有单点电池的所述温度差值的数值与所述曼哈顿距离的数值的比值归一化值的均值作为高温区域的区域温度单点集中系数。

优选的，所述根据电池温度矩阵各高温区域的区域温度单点集中系数获取各潜在隐患区域，包括：

对于电池温度矩阵各高温区域，将区域温度单点集中系数大于高温区域集中阈值的高温区域作为潜在隐患区域。

优选的，所述获取潜在隐患区域中心点在时间窗口内的温度自差分序列，包括：

计算中心点在时间窗口内各相邻时刻的后一时刻与前一时刻的温度差值，将中心点在时间窗口内所有相邻时刻的所述温度差值作为潜在区域中心点的温度自差分序列。

优选的，所述计算潜在隐患区域中心点的簇内自差分趋势变化向量，包括：

对于潜在隐患区域中心点各时间簇，对时间簇进行序列分解得到温度差分序列的趋势项，获取时间簇内的最小趋势项；

对于时间簇内各趋势项，将趋势项与最小趋势项的差值作为第一差值，将趋势项所对应的下标与最小趋势项所对应的下标的差值作为第二差值，计算时间簇内除最小趋势项外的所有趋势项的第一差值与第二差值比值绝对值的均值；

获取时间簇内的自差分均值；将所述自差分均值与所述均值的比值作为时间簇的簇内自差分趋势变化系数，将潜在隐患区域中心点所有时间簇的簇内自差分趋势变化系数组成潜在隐患区域中心点的簇内自差分趋势变化向量。

优选的，所述根据潜在隐患区域各单点电池及中心点的簇内自差分趋势变化向量得到潜在隐患区域的区域温度同质性系数，包括：

对于潜在隐患区域各单点电池，计算单点电池与中心点的簇内自差分趋势变化向量的余弦值，计算单点电池与中心点在时间窗口内的温度自差分序列均值的差值；

将潜在隐患区域所有单点电池的余弦值与差值的比值均值作为潜在隐患区域的区域温度同质性系数。

优选的，所述根据潜在隐患区域的区域温度同质性系数得到潜在隐患区域的补偿系数，包括：

获取潜在隐患区域中的最大温度值和最小温度值；将潜在隐患区域的最大温度值与最小温度值的差值的数值和区域温度同质性系数的比值作为潜在隐患区域的补偿系数。

优选的，所述获取各采样时刻左右风扇的偏移向量，包括：

对于各采样时刻，将采样时刻所有潜在隐患区域的补偿系数组成补偿序列，获取补偿序列的区域最大值所对应的中心点的坐标；

将所述中心点的坐标作为左风扇的偏移向量，将电池温度矩阵的宽度和高度分别减去所述中心点坐标的对应值得到右风扇的偏移向量。

第二方面，本发明实施例还提供了一种新能源汽车电池散热管理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

本发明至少具有如下有益效果：

本发明通过对新能源电池包内每个单点电池安装温度传感器获得电池温度矩阵，通过分水岭算法划分出高温区域，构建高温区域的区域温度单点集中系数，从而筛选出潜在隐患区域，从热点效应的温度不均匀的空间分布特征的基础上初步筛选潜在隐患区域，便于对异常情况进行精准识别；

针对潜在隐患区域中心点及其他各单点电池，在时间轴上划分时间窗口，构建温度自差分序列，对序列进行分解，得到趋势项并划分时间簇，计算得到簇内自差分趋势变化系数，最终得到中心点的簇内自差分趋势变化向量，结合其他采样点的簇内自差分趋势变化向量，得到各潜在区域的区域温度同质性系数，最终得到各采样时刻的电池包风扇功率补偿系数和左右风扇的偏移向量，从时间层面完成对热点效应特征的辨别，针对传统散热方式中无法针对热点效应做到有效散热，在提高功率调整精度的同时，能够控制风扇的偏移向量，实现对电池包热点处异常高温的定点散热。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。

图1为本发明提供的一种新能源汽车电池散热管理方法的流程图；

图2为电池温度矩阵对应在新能源汽车电池内部的各位置示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种新能源汽车电池散热管理方法与系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

需要说明的是，为了方便运算，本发明中所参与运算的所有指标数据均经过数据预处理，进而取消量纲影响。具体去量纲影响的手段为本领域技术人员熟知的技术手段，在此不做限定。

下面结合附图具体的说明本发明所提供的一种新能源汽车电池散热管理方法与系统的具体方案。

本发明一个实施例提供的一种新能源汽车电池散热管理方法与系统。

具体的，提供了如下的一种新能源汽车电池散热管理方法，请参阅图1，该方法包括以下步骤：

步骤S001，获取各采样时刻的电池温度矩阵。

本实施例通过数字信号处理技术对新能源汽车电池的散热情况进行管理。新能源汽车电池的散热方式主要存在两种：风冷散热和水冷散热，由于水冷散热结构复杂，维护成本高和存在漏液的风险，因此在使用过程中通常采用风冷散热方式对电池进行散热。

本实施例中设置两个风冷散热器实现新能源汽车的电池散热，其中，风冷散热的主要缺点是无法做到均匀散热，并且针对单点电池的热点效应无法做到有效散热。针对此问题，本实施例主要提升风冷散热的单点散热和均匀散热。

在新能源汽车中的电池模块，往往是由多个单一的电池组合而成的，本实施例对每个单一电池称作单点电池，对单点电池组成的电池模块称作电池包。为获取电池包内单点电池的温度情况，在每个单点电池的焊接处设置温度传感器，获取当前单点处的温度数据。

本实施例设置的温度传感器每间隔20ms采集一次电池包内各单点电池的温度数据。由于单点电池在电池包内是均匀排列的，因此针对各采样时刻，可以构建出一个电池温度矩阵，记作，表示在第k个采样时刻的电池温度矩阵，其中/>表示在第k个采样时刻第i行第j列位置单点电池的温度，为了方便分析，分别对各采样时刻的电池温度矩阵进行归一化。

各采样时刻的电池温度矩阵对应在新能源汽车电池内部的各位置如图2所示，其中黑点对应温度传感器，每个小方块对应单点电池，温度传感器在固定采样间隔获取对应单点电池的温度组成电池温度矩阵。

至此，可通过上述方法获取到各采样时刻新能源汽车电池的电池温度矩阵。

步骤S002，针对各采样时刻的电池温度矩阵进行分析，得到各采样时刻的电池包风扇功率补偿指数和左右风扇的偏移向量。

通过上述步骤可以得到每个采样时刻对应归一化后的电池温度矩阵，矩阵内的各个元素代表当前时刻对应位置的温度情况。由于在新能源汽车中存在电池管理系统BMC，能够控制电池充放电的均匀性，因此电池包内部的温度将呈现出区域式分布的形式，首先分析各采样时刻的电池温度矩阵的分布情况。

下面以第k个采样时刻的电池温度矩阵为例。

对于第k个采样时刻的电池温度矩阵，可以根据各个单点电池的温度情况，表示对应的位置，/>表示当前位置的温度值，由此可以通过泊松曲面重建，构建当前时刻的温度波动曲线，通过分水岭算法对温度波动曲线进行划分，将对应电池温度矩阵/>中温度较高的区域划分出来。由于电池管理系统BMC作用，高温区域将呈现散点多区域分布，即能够得到多个高温区域。因此在温度矩阵中将高温区域按从左到右，从上到下的方式进行标号排序，用/>表示第k个采样时刻第s个高温区域，一共得到/>个高温区域。其中，泊松曲面重建与分水岭算法为公知技术，本实施例不再赘述。

针对第k个采样时刻的电池温度矩阵对应的第s个高温区域，选取该高温区域温度最高的点作为温度中心，记作/>，高温区域内剩余的单点电池的温度在出现热点效应时分布较为异常，由此计算该高温区域的区域温度单点集中系数：

式中，表示第k个采样时刻电池温度矩阵第s个高温区域的区域温度单点集中系数，/>表示当前时刻第s个高温区域内采样单点电池的个数，/>表示对/>进行归一化处理，/>表示第k个采样时刻电池温度矩阵第s个高温区域温度中心的温度值，/>表示在第k个采样时刻电池温度矩阵第s个高温区域第i个单点电池的温度值，/>表示/>和/>间的曼哈顿距离。

需要说明的是，区域温度单点集中系数反映了高温区域内温度的整体分布情况，对于正常情况，由于电池管理系统BMC的介入，每个高温区域的温度整体较为均匀，大体上呈现出中间高周围低的分布形式。但是当出现热点效应时，可能会导致某个单点电池的温度异常高。

即在距离的影响下，对于正常的高温区域，由于温度分布较为均匀，温度变换相对缓慢，因此得到的区域温度单点集中系数的值较小。当因热点效应出现的异常高温区域时，温度变化较为剧烈，因此得到的区域温度单点集中系数/>的值较大。

通过计算得到当前采样时刻所有高温区域的区域温度单点集中系数，对于高温区域的值越大表明该高温区域的异常性越大，需要对该高温区域的温度进行着重控制，根据经验本实施例设置高温区域集中阈值/>，将/>的高温区域设置为潜在隐患区域，重新赋值到/>中，此时/>表示筛选后的潜在隐患区域。

上述分析是针对某一采样时刻的电池温度矩阵，最终得到各潜在隐患区域，由于单点电池的温度变化是连续的，并且认为在极短的采样间隔内温度变化不大，重在考虑温度的变化趋势。

因此需要考虑在时间上单点电池的温度变化，为了方便表述，将潜在隐患区域的中心点记作。由于温度变化是连续的，因此以第k个采样时刻为时间窗口终点，向前取/>个采样时刻对应的时间段得到该单点电池温度变化的时间窗口，分析时间窗口内该单点电池的温度变化情况。

根据时间窗口内中心点的温度变化构建温度自差分序列，降低采集时温度噪声对分析结果的影响，由此温度自差分序列中的每个元素计算如下：

式中，表示第s个潜在隐患区域中心点在时间窗口内第j个时刻的自差分值，表示第s个潜在隐患区域中心点在时间窗口内第j个时刻的温度值；/>表示第s个潜在隐患区域中心点在时间窗口内第j+1个时刻的温度值，/>表示温度自差分序列中元素的个数。

由于单个采样点的温度变化具有一定的波动性，不同时间段内的温度的波动是不一样的，因此根据序列波动相似性对温度自差分序列进行聚类。本实施例采用DTC无监督时间序列聚类模型实现对各单点电池的温度自差分序列进行聚类，设置聚类的个数为/>个，用/>表示第s个潜在隐患区域第i个时间簇内第j个时刻的温度自差分值。其中，DTC无监督时间序列聚类模型为公知技术，本实施例不再赘述。

温度变化具有一定的连续性，因此重在分析温度变化的趋势，因此针对每个温度自差分序列中单个时间簇的分布对序列进行分解。本实施例采用STL时序序列分解方式，将自差分序列分解进行分解，只保留其对应的趋势项，记作。

由此构建各潜在隐患区域各时间簇的簇内自差分趋势变化系数，针对第s个潜在隐患区域第i个时间簇的簇内自差分趋势变化系数的表达式具体计算如下：

式中，表示分解后的第s个潜在隐患区域第i个时间簇的簇内自差分趋势变化系数，/>表示第i个时间簇的自差分均值，/>表示第i个时间簇内趋势项元素的个数，表示第i个时间簇内第j个时刻对应趋势项的值，/>表示第i个时间簇内趋势项的最小值，/>表示第i个时间簇内趋势项取最小值时对应的时刻，其中，为第i个时间簇内第j个时刻对应趋势项的第一差值，为第i个时间簇内第j个时刻对应趋势项的第二差值。

需要说明的是，反映了温度自差分序列趋势项的整体变化情况，当该潜在隐患区域只是对应温度较高区域时，其区域中心对应各时间簇的温度自差分序列整体变化较为缓慢，对应的自差分序列趋势项同样变化缓慢，得到的簇内自差分趋势变化系数/>值较小。相反如果对应的是热点效应对应的潜在隐患区域，温度变化较为剧烈，波动性较大，因此得到的/>值较大。

对自差分序列中所有时间簇进行遍历，最终能够得到潜在隐患区域中心点的簇内自差分趋势变化向量，用表示，/>反映了潜在隐患区域中心点在时间窗口内的变化趋势，对于正常高温区域内，各个检测点之间温度变化趋势较为一致。而对应异常高温区域，热点处的温度变化与区域内其他位置检测点的变化差异较大。

对潜在隐患区域内的每个单点电池都构建温度自差分序列，得到每个单点电池对应的簇内自差分趋势变化向量，用表示。通过该区域内各个单点电池的簇内自差分趋势变化向量得到区域温度同质性系数：

式中，表示第s个潜在隐患区域的区域温度同质性系数，/>表示第s个潜在隐患区域中采样点的个数，/>和/>表示第s个潜在隐患区域中心点和第i个采样点在时间窗口内温度自差分序列均值，/>和/>表示第s个潜在隐患区域中心点和第i个采样点计算得到的簇内自差分趋势变化向量，/>表示求向量/>的模长，/>表示求向量/>的模长。

由于采样点位置不同，且在时间窗口内采样时刻较多，因此针对不同采样点得到温度序列的均值不可能相等，反映了潜在隐患区域整体温度的变化情况，正常高温区域对应的中心点和其余采样点的温度变化较为同步，因此得到高温区域同质性系数/>较大。反之，对应异常高温区域，热点处温度值变化较快，从而与区域内其余采样点的变化差异较大，因此得到高温区域同质性系数/>较小。

当遍历完所有的潜在隐患区域后，能够得到每个潜在隐患区域的区域温度同质性系数，结合区域内温度最大值和最小值，对风扇的功率进行调整，最终得到电池包风扇功率补偿指数：

式中，表示第k个采样时刻的电池包风扇功率补偿指数，/>表示第k个采样时刻第s个潜在隐患区域的补偿系数，/>表示第k个采样时刻潜在隐患区域的个数，表示第k个采样时刻第s个潜在隐患区域中的最大温度值，/>表示第k个采样时刻第s个潜在隐患区域中的最小温度值，/>表示第s个潜在隐患区域的区域温度同质性系数。

需要说明的是，当在第k个采样时刻得到的电池温度矩阵中的潜在隐患区域都是正常高温区域，得到的区域温度同质性系数的值较大，并且区域内温度分布较为均匀，因此最大值与最小值的差值较小，最终得到的功率补偿系数/>较小，表示在原本的风扇功率基础上，对其进行很小的功率补偿系数就可以调整温度。当采样时刻内有热点效应造成的异常高温区域时，得到的/>值较大，并且最大值与最小值之间的差值较大，最终使得功率补偿系数/>的值比较大。

电池包风扇功率补偿指数是根据采样时刻的温度情况和往前的时间窗口内温度的分布进行实时调控，除了对电池包散热中的风扇功率进行调整外，还需要调整风扇偏移向量。

以左风扇为原点、电池温度矩阵的水平向右的方向为x轴正半轴、电池温度矩阵的竖直向下的方向为y轴的正半轴，确定中心点坐标，获取左右风扇的偏移向量，和/>，式中W和H表示电池温度矩阵的宽度和高度，/>表示中心点在x轴的坐标值，/>表示中心点在y轴的坐标值，/>表示中心点坐标，/>表示左风扇的偏移向量，/>表示右风扇的偏移向量。

对于各采样时刻，当遍历完采样时刻所有的潜在隐患区域后，根据能够得到整个补偿序列X，选取补偿序列中的区域最大值，区域最大值表示其对应的潜在隐患区域的异常的概率较高，获取区域最大值对应的中心点坐标，即/>。

步骤S003，根据各采样时刻的电池包风扇功率补偿指数和左右风扇的偏移向量对新能源电池散热进行管理。

以电池管理系统BMC输出的风扇功率作为基准数据，在同等工况下根据新能源汽车运行数据，在电池散热标准下的风扇理论输出功率/>作为训练的标签数据。

本实施例采用神经网络对风扇功率进行拟合，神经网络的输入为电池包风扇功率补偿指数和风扇功率/>，将风扇理论输出功率/>作为训练的优化目标，采用交叉熵作为损失函数，采用Adam优化器，最终网络输出接近理论标准的电池风扇拟合功率/>。其中，本实施例采用LSTM神经网络作为拟合网络，LSTM神经网络为公知技术，本实施例不再赘述。

由此根据新能源汽车电池包的电池风扇拟合功率，实时调整风扇功率；同时结合左右风扇的偏移向量，调整两个风扇的偏移角度，使其能够定点对潜在隐患最大的高温区域进行定点散热。

至此，本实施例针对原本新能源汽车散热中无法解决热点效应的问题，能够实时调整风扇功率加大散热效率的同时，还能够调整风向实现定点散热，有效解决了热电效应对电池的损坏，提高电池使用寿命。

基于与上述方法相同的发明构思，本发明实施例还提供了一种新能源汽车电池散热管理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种新能源汽车电池散热管理方法中任意一项所述方法的步骤。

综上所述，本发明实施例提出一种新能源汽车电池散热管理方法与系统，通过分析各采样时刻的电池温度矩阵，对新能源汽车电池温度监控，实现新能源电池的散热管理。

本发明实施例通过对新能源电池包内每个单点电池安装温度传感器获得电池温度矩阵，通过分水岭算法划分出高温区域，构建高温区域的区域温度单点集中系数，从而筛选出潜在隐患区域，从热点效应的温度不均匀的空间分布特征的基础上初步筛选潜在隐患区域，便于对异常情况进行精准识别；

针对潜在隐患区域中心点及其他各单点电池，在时间轴上划分时间窗口，构建温度自差分序列，对序列进行分解，得到趋势项并划分时间簇，计算得到簇内自差分趋势变化系数，最终得到中心点的簇内自差分趋势变化向量，结合其他采样点的簇内自差分趋势变化向量，得到各潜在区域的区域温度同质性系数，最终得到各采样时刻的电池包风扇功率补偿系数和左右风扇的偏移向量，从时间层面完成对热点效应特征的辨别，针对传统散热方式中无法针对热点效应做到有效散热，在提高功率调整精度的同时，能够控制风扇的偏移向量，实现对电池包热点处异常高温的定点散热。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种新能源汽车电池散热管理方法，其特征在于，所述方法包括以下步骤：

获取各采样时刻的电池温度矩阵；

获取电池温度矩阵各高温区域；根据高温区域内数据点的分布得到高温区域的区域温度单点集中系数；根据电池温度矩阵各高温区域的区域温度单点集中系数获取各潜在隐患区域；将各单点电池在采样时刻及其前个时刻的温度数据作为各单点电池的时间窗口，其中，/>的取值范围为[1,100]；

获取潜在隐患区域中心点在时间窗口内的温度自差分序列；将温度自差分序列进行聚类得到潜在隐患区域中心点各时间簇；计算潜在隐患区域中心点的簇内自差分趋势变化向量；获取潜在隐患区域各单点电池的簇内自差分趋势变化向量，根据潜在隐患区域各单点电池及中心点的簇内自差分趋势变化向量得到潜在隐患区域的区域温度同质性系数；根据潜在隐患区域的区域温度同质性系数得到潜在隐患区域的补偿系数；将各采样时刻的所有潜在隐患区域的补偿系数均值作为各采样时刻的电池包风扇功率补偿指数；

获取各采样时刻左右风扇的偏移向量；将各采样时刻的电池包风扇功率补偿指数、风扇功率以及风扇理论输出功率输入到神经网络，输出电池风扇拟合功率，结合左右风扇的偏移向量及电池风扇拟合功率完成新能源汽车电池散热管理。

2.如权利要求1所述的一种新能源汽车电池散热管理方法，其特征在于，所述获取电池温度矩阵各高温区域，包括以下步骤：

采用泊松曲面重建构建电池温度矩阵的温度波动曲线，通过分水岭算法对温度波动曲线进行划分得到电池温度矩阵中各高温区域。

3.如权利要求1所述的一种新能源汽车电池散热管理方法，其特征在于，所述根据高温区域内数据点的分布得到高温区域的区域温度单点集中系数，包括以下步骤：

将高温区域温度最高的点作为温度中心；

对于高温区域各单点电池，计算温度中心与单点电池的温度差值，计算温度中心与单点电池的曼哈顿距离，将高温区域所有单点电池的所述温度差值的数值与所述曼哈顿距离的数值的比值归一化值的均值作为高温区域的区域温度单点集中系数。

4.如权利要求1所述的一种新能源汽车电池散热管理方法，其特征在于，所述根据电池温度矩阵各高温区域的区域温度单点集中系数获取各潜在隐患区域，包括以下步骤：

对于电池温度矩阵各高温区域，将区域温度单点集中系数大于高温区域集中阈值的高温区域作为潜在隐患区域。

5.如权利要求1所述的一种新能源汽车电池散热管理方法，其特征在于，所述获取潜在隐患区域中心点在时间窗口内的温度自差分序列，包括以下步骤：

计算中心点在时间窗口内各相邻时刻的后一时刻与前一时刻的温度差值，将中心点在时间窗口内所有相邻时刻的所述温度差值作为潜在区域中心点的温度自差分序列。

6.如权利要求1所述的一种新能源汽车电池散热管理方法，其特征在于，所述计算潜在隐患区域中心点的簇内自差分趋势变化向量，包括以下步骤：

对于潜在隐患区域中心点各时间簇，对时间簇进行序列分解得到温度差分序列的趋势项，获取时间簇内的最小趋势项；

对于时间簇内各趋势项，将趋势项与最小趋势项的差值作为第一差值，将趋势项所对应的下标与最小趋势项所对应的下标的差值作为第二差值，计算时间簇内除最小趋势项外的所有趋势项的第一差值与第二差值比值绝对值的均值；

获取时间簇内的自差分均值；将所述自差分均值与所述均值的比值作为时间簇的簇内自差分趋势变化系数，将潜在隐患区域中心点所有时间簇的簇内自差分趋势变化系数组成潜在隐患区域中心点的簇内自差分趋势变化向量。

7.如权利要求1所述的一种新能源汽车电池散热管理方法，其特征在于，所述根据潜在隐患区域各单点电池及中心点的簇内自差分趋势变化向量得到潜在隐患区域的区域温度同质性系数，包括以下步骤：

对于潜在隐患区域各单点电池，计算单点电池与中心点的簇内自差分趋势变化向量的余弦值，计算单点电池与中心点在时间窗口内的温度自差分序列均值的差值；

将潜在隐患区域所有单点电池的余弦值与差值的比值均值作为潜在隐患区域的区域温度同质性系数。

8.如权利要求7所述的一种新能源汽车电池散热管理方法，其特征在于，所述根据潜在隐患区域的区域温度同质性系数得到潜在隐患区域的补偿系数，包括以下步骤：

获取潜在隐患区域中的最大温度值和最小温度值；将潜在隐患区域的最大温度值与最小温度值的差值的数值和区域温度同质性系数的比值作为潜在隐患区域的补偿系数。

9.如权利要求1所述的一种新能源汽车电池散热管理方法，其特征在于，所述获取各采样时刻左右风扇的偏移向量，包括以下步骤：

对于各采样时刻，将采样时刻所有潜在隐患区域的补偿系数组成补偿序列，获取补偿序列的区域最大值所对应的中心点的坐标；

将所述中心点的坐标作为左风扇的偏移向量，将电池温度矩阵的宽度和高度分别减去所述中心点坐标的对应值得到右风扇的偏移向量。

10.一种新能源汽车电池散热管理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。