CN104881550A - 动力电池运行温度的自适应预测方法 - Google Patents

Abstract

本发明提供一种动力电池运行温度的自适应预测方法，包括：在动力电池动态充放电过程中，采集引起动力电池温度变化的真实数据，获得动力电池运行时的电流预测值，并确定温度预测模型的参数初始值以及产热计算模型的参数初始值；进行充放电过程中的动力电池温度预测值和动力电池产热量预测值耦合计算；以及对温度预测模型的参数以及产热计算模型的参数进行自适应辨识，得到修正后的温度预测模型参数以及产热计算模型参数；根据所述修正后的温度预测模型的参数以及产热计算模型的参数计算所述动力电池运行温度。该方法适用于动态充放电引起的动力电池温度变化的预测，可以实时给出动力电池的温度变化预测值，进而提升动力电池状态预测的精度。

Description

动力电池运行温度的自适应预测方法

技术领域

本发明属于电池管理领域，涉及一种动力电池运行温度的自适应预测方法。

背景技术

与传统燃油汽车相比，电动汽车在行驶经济性和环境友好程度上有很大优势，但电动汽车中动力电池的性能受温度的影响较大，不同温度下电池参数、电压输出和放电效率有所不同，使得不同温度下的电池最大功率和剩余可用能量有差别，影响实车使用中车辆的功率能力和续驶里程，因此在电池管理***中需重点考虑温度的影响。除环境温度差异导致的动力电池性能变化之外，动力电池未来充放电过程中的产热也会导致温度变化，造成性能的变化。因此，为了提升动力电池性能的预测精度，需要用实时可用的方法对电池充放电过程中的温度变化进行预测。

然而，目前在动力电池充放电过程的温度预测方面，大多采用神经网络方法进行电池温度的预测，该方法需要基于大量数据进行训练，使用不方便，且该方法主要应用于固定电流倍率的电池温度预测，也不利于实车正常行驶过程中动力电池的温度预测。

发明内容

有鉴于此，确有必要提供一种可以方便应用的动力电池运行温度的自适应预测方法。

一种动力电池运行温度的自适应预测方法，该方法包括以下步骤：S1：在动力电池动态充放电过程中，采集某一时刻引起动力电池温度变化的真实数据，获得动力电池运行时的电流预测值，并确定温度预测模型的参数初始值以及产热计算模型的参数初始值；S2：基于所述引起动力电池温度变化的数据和电流预测值，并结合所述温度预测模型的参数初始值与产热计算模型的参数初始值，进行充放电过程中的动力电池温度预测值T_fut和动力电池产热量预测值Q_fut的耦合计算；S3：对温度预测模型的参数以及产热计算模型的参数进行自适应辨识，得到修正后的温度预测模型的参数以及产热计算模型的参数；以及S4：根据所述修正后的温度预测模型的参数以及产热计算模型的参数计算所述动力电池运行温度。

本发明提供的动力电池运行温度的自适应预测方法，在预测过程中，通过动力电池温度预测值和动力电池产热量预测值的耦合计算，以及对动力电池温度预测模型的参数和电池产热量计算的参数进行自适应辨识，可以在运行过程中对电池温度预测值进行实时优化，得到的温度预测结果比较精确；且可以适用于变化的电流倍率，以及不同散热条件和不同产热情况下的动力电池温度的预测过程；该方法可以仅通过采集某一个或几个时间点的真实数据，以及动力电池温度预测值和动力电池产热量预测值，对动力电池温度预测模型的参数和电池产热量计算的参数进行自适应辨识，方法简单。

附图说明

图1为本发明实施例中动力电池运行温度的自适应预测方法的流程示意图。

图2为本发明实施例中动力电池温度预测值T_fut和动力电池产热量预测值Q_fut的耦合关系示意图。

图3为本发明实施例中温度预测模型的参数自适应辨识过程示意图。

图4为本发明实施例中动力电池运行温度预测结果的自适应修正过程示意图。

图5为本发明实施例中产热计算模型的参数自适应辨识过程示意图。

具体实施方式

以下将结合附图对本发明作进一步详细的说明。

请参阅图1，本发明实施例提供一种动力电池运行温度的自适应预测方法，其包括以下步骤：

S1：在动力电池动态充放电过程中，采集某一时刻引起动力电池温度变化的真实数据，预估动力电池运行时的电流预测值，并确定温度预测模型的参数初始值以及产热计算模型的参数初始值；

S2：基于所述引起动力电池温度变化的真实数据和电流预测值，并结合所述温度预测模型的参数的初始值以及产热计算模型的参数的初始值，进行充放电过程中的动力电池温度预测值T_fut和动力电池产热量预测值Q_fut的耦合计算；

S3：对所述温度预测模型的参数以及产热计算模型的参数进行自适应辨识，得到修正后的温度预测模型参数以及产热计算模型参数；以及

S4：根据所述修正后的温度预测模型参数以及产热计算模型参数预测所述动力电池的运行温度。

步骤S1中，所述引起动力电池温度变化的数据包括动力电池真实温度T_bat,meas、环境温度T_env、真实电流值I_bat,meas，以及真实端电压值U_bat,meas。所述电流预测值可以根据车辆实际行驶中对动力电池的电流需求以及具体的充放电工况等得到。所述温度预测模型的参数包括产热参数k_T,gen和散热参数k_T,diss。所述产热计算模型的参数包括焦耳产热的电池内阻参数R_Q,jou和电化学反应的可逆热参数U_Q,rev。所述温度预测模型的参数初始值以及产热计算模型的参数初始值可以根据实验经验随机确定，也可以通过初始的标定实验获得较准确的温度预测模型的参数初始值以及产热计算模型的参数初始值。

步骤S2中，由于动力电池温度在很大程度上取决于动力电池产热量，而动力电池产热量又受到动力电池温度的影响，因此在充放电过程中进行动力电池温度预测，需要对动力电池温度预测值T_fut和动力电池产热量预测值Q_fut进行耦合计算。请参阅图2，图2中点划线围成的区域对应动力电池温度预测值T_fut的计算过程，双点划线围成的区域对应动力电池产热量预测值Q_fut的计算过程。

在所述动力电池温度预测值T_fut的计算过程中，所述动力电池温度预测值T_fut采用实时性较好的集总参数热模型进行计算。具体的，将动力电池充放电过程的时间点分别记为t₁, t₂, ..., t_k-1, t_k, ... , t_end，其中t_k时刻的温度预测值T_fut,k由前一时刻t_k-1对应的温度预测值T_fut,k-1，t_k时刻对应的产热量预测值Q_fut,k以及t_k时刻对应的环境温度值T_env进行计算，满足关系式：

T_fut,k=T_fut,k-1+k_T,gen*Q_fut,k+k_T,diss*(T_fut,k-1-T_env) （1），

动力电池产热量预测值Q_fut,k由t_k时刻对应的电流预测值I_fut,k，产热参数，以及充放电导致的荷电状态（SOC）变化和温度变化进行计算。所述动力电池产热量预测值Q_fut,k包括焦耳产热预测值Q_fut,jou,k和电化学反应可逆热预测值Q_fut,rev,k。焦耳产热值Q_fut,jou,k由电流预测值I_fut,k和动力电池内阻参数R_Q,jou进行计算，而动力电池内阻R_Q,jou受多种因素影响，包括SOC、动力电池温度和动力电池衰减情况。其中， SOC可根据电流预测值I_fut,k进行计算，t_k时刻的SOC值记为SOC_fut,k。由于t_k时刻的动力电池内阻参数采用前一时刻t_k-1的动力电池温度T_fut,k-1进行衡量，而电池衰减对内阻参数的影响较为缓慢，主要通过内阻自适应辨识进行体现。因此，t_k时刻的焦耳产热值Q_fut,jou,k满足关系式：

Q_fut,jou,k=f(I_fut,k,R_Q,jou(SOC_fut,k,T_fut,k-1)) （2）。

电化学反应可逆热Q_fut,rev,k对应的产热参数U_Q,rev也与荷电状态SOC和电池温度相关，电池衰减对可逆热的影响可以忽略。因此t_k时刻的可逆热值Q_fut,rev,k满足关系式：

Q_fut, rev,k=g(I_fut,k,U_Q,rev(SOC_fut,k,T_fut,k-1)) （3）。

通过关系式（1）（2）（3）可以分别计算出t₁, t₂, ..., t_k-1, t_k, ... , t_end时刻的动力电池温度预测值和产热量预测值。

步骤S3中，请参阅图3，需要自适应辨识的温度预测模型的参数为产热参数k_T,gen和散热参数k_T,diss。该温度预测模型的参数的自适应辨识过程包括：通过比较相同时间点的动力电池温度预测值T_fut和传感器采集的电池真实温度值T_bat,meas得到一预测误差ΔT_bat,pred；基于该预测误差ΔT_bat,pred对温度预测模型中的产热参数k_T,gen和散热参数k_T,diss进行自适应辨识确定电池温度预测模型的参数的修正量，直至其符合当前车辆的散热条件，得到修正后的产热参数k_T,gen,corr和散热参数k_T,diss,corr。该修正后的产热参数k_T,gen,corr和散热参数k_T,diss,corr用于计算修正后的温度预测值T_fut,corr。请参阅图4，为动力电池温度预测结果的自适应修正过程示意图。

在动力电池产热量预测值Q_fut的计算中，产热参数可能随电池衰减过程发生变化，也需要进行自适应辨识，以提高动力电池全生命周期的产热计算精度。在动力电池充放电过程中的产热主要由电池内阻参数R_Q,jou相关的焦耳产热以及可逆热参数U_Q,rev相关的电化学反应可逆产热组成。其中可逆热参数U_Q,rev受电池衰减的影响较小，在电池衰减过程中忽略其变化，可以不进行自适应辨识。请参阅图5，需要自适应辨识的产热计算模型的参数为动力电池内阻参数R_Q,jou。通过动力电池真实电流测量值I_bat,meas结合动力电池产热计算模型，得到产热计算模型的端电压预测值U_bat,calc，该端电压预测值U_bat,calc和相同时间点的端电压真实测量值U_bat,meas进行比较得到一预测误差ΔR_Q,corr；基于该预测误差ΔR_Q,corr进行自适应辨识确定电池温度预测模型的参数的修正量，得到修正后的内阻参数R_Q,corr。修正后的电池内阻参数R_Q,corr用于产热计算模型中动力电池产热量预测值Q_fut的计算。本实施例中，产热计算模型的参数的自适应辨识过程考虑了动力电池衰减的影响，可以在动力电池全生命周期中保证产热量预测值Q_fut的精度。

为满足实车控制器的计算需求，对所述温度预测模型的参数以及产热计算模型的参数进行自适应辨识的方法优选采用实时性较好的带遗忘因子的递归最小二乘计算方法。

本发明提供的动力电池运行温度的自适应预测方法在预测过程中，通过动力电池温度预测值和动力电池产热量预测值的耦合计算，以及对对动力电池温度预测模型的参数和电池产热量计算的参数进行自适应辨识，在运行过程中对电池温度预测值进行实时优化，可以适用于变化的电流倍率以及不同散热条件和不同产热情况下的电池温度的预测过程。该方法可以仅通过采集某一个或几个时间点的真实数据，以及动力电池温度预测值和动力电池产热量预测值，对动力电池温度预测模型的参数和电池产热量计算的参数进行自适应辨识，方法简单。该方法采用修正后的温度预测模型的参数以及产热计算模型的参数计算动力电池的温度，得到的温度预测结果比较精确，有利于对动力电池充放电过程的参数变化、电压响应和能量状态等因素进行更好的预测。而且该方法的实时性较好，有利于提高实车场合车辆功率能力和续驶里程预测的精度。

另外，本领域技术人员还可以在本发明精神内做其他变化，这些依据本发明精神所做的变化，都应包含在本发明所要求保护的范围内。

Claims (10)

1.一种动力电池运行温度的自适应预测方法，该方法包括以下步骤：

S1：在动力电池动态充放电过程中，采集某一时刻引起动力电池温度变化的真实数据，获得动力电池运行时的电流预测值，并确定温度预测模型的参数初始值以及产热计算模型的参数初始值；

S2：基于所述引起动力电池温度变化的数据和电流预测值，并结合所述温度预测模型的参数初始值与产热计算模型的参数初始值，进行充放电过程中的动力电池温度预测值T_fut和动力电池产热量预测值Q_fut的耦合计算；

S3：对温度预测模型的参数以及产热计算模型的参数进行自适应辨识，得到修正后的温度预测模型的参数以及产热计算模型的参数；以及

S4：根据所述修正后的温度预测模型的参数以及产热计算模型的参数计算所述动力电池运行温度。

2.如权利要求1所述的动力电池运行温度的自适应预测方法，其特征在于，所述引起动力电池温度变化的真实数据包括动力电池真实温度T_bat,meas、环境温度T_env、真实电流值I_bat,meas，以及动力电池真实端电压值U_bat,meas。

3.如权利要求1所述的动力电池运行温度的自适应预测方法，其特征在于，所述温度预测模型的参数包括产热参数k_T,gen和散热参数k_T,diss。

4.如权利要求1所述的动力电池运行温度的自适应预测方法，其特征在于，所述产热计算模型的参数包括焦耳产热的电池内阻参数R_Q,jou和电化学反应的可逆热参数U_Q,rev。

5.如权利要求1所述的动力电池运行温度的自适应预测方法，其特征在于，将动力电池充放电过程的时间点分别记为t₁, t₂, ..., t_k-1, t_k, ... , t_end，其中t_k时刻的温度预测值T_fut,k的计算公式为：

T_fut,k=T_fut,k-1+k_T,gen*Q_fut,k+k_T,diss*(T_fut,k-1-T_env)，

其中，Q_fut,k为t_k时刻对应的产热量预测值，T_env为t_k时刻对应的环境温度值，k_T,gen为产热参数，k_T,diss为散热参数。

6.如权利要求5所述的动力电池运行温度的自适应预测方法，其特征在于，t_k时刻的动力电池产热量预测值Q_fut,k包括焦耳产热预测值Q_fut,jou,k和电化学反应可逆热预测值Q_fut,rev,k。

7.如权利要求6所述的动力电池运行温度的自适应预测方法，其特征在于，Q_fut,jou,k=f(I_fut,k,R_Q,jou(SOC_fut,k,T_fut,k-1))，Q_fut, rev,k=g(I_fut,k,U_Q,rev(SOC_fut,k,T_fut,k-1))，其中，I_fut,k为t_k时刻的电流预测值，R_Q,jou为动力电池内阻参数，SOC_fut,k为t_k时刻的SOC值，T_fut,k-1为t_k-1时刻的动力电池温度预测值，U_Q,rev为产热参数。

8.如权利要求3所述的动力电池运行温度的自适应预测方法，其特征在于，需要自适应辨识的温度预测模型的参数为产热参数k_T,gen和散热参数k_T,diss，对所述温度预测模型的参数进行自适应辨识的过程包括，通过比较相同时间点的动力电池温度预测值T_fut和动力电池真实温度值T_bat,meas得到一预测误差ΔT_bat,pred；基于该预测误差ΔT_bat,pred对温度预测模型中的产热参数k_T,gen和散热参数k_T,diss进行自适应辨识确定参数修正量，得到修正后的产热参数k_T,gen,corr和散热参数k_T,diss,corr。

9.如权利要求4所述的动力电池运行温度的自适应预测方法，其特征在于，需要自适应辨识的产热计算模型的参数为焦耳产热的电池内阻参数R_Q,jou，对该焦耳产热的电池内阻参数R_Q,jou进行自适应辨识的过程包括，通过动力电池的真实电流测量值I_bat,meas结合电池产热计算模型，得到产热计算模型的端电压预测值U_bat,calc；将该端电压预测值U_bat,calc和相同时间点的端电压真实测量值U_bat,meas进行比较得到一预测误差ΔR_Q,corr；该预测误差ΔR_Q,corr对产热计算模型中的电池内阻参数R_Q,jou进行自适应辨识确定参数修正量，得到修正后的电池内阻参数R_Q,corr。

10.如权利要求1所述的动力电池运行温度的自适应预测方法，其特征在于，对所述温度预测模型的参数以及产热计算模型的参数进行自适应辨识的方法采用递归最小二乘方法。