CN109987000A - 一种动力电池温度预测***及方法 - Google Patents

一种动力电池温度预测***及方法 Download PDF

Info

Publication number
CN109987000A
CN109987000A CN201910123752.XA CN201910123752A CN109987000A CN 109987000 A CN109987000 A CN 109987000A CN 201910123752 A CN201910123752 A CN 201910123752A CN 109987000 A CN109987000 A CN 109987000A
Authority
CN
China
Prior art keywords
temperature
battery
input
module
critical
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.)
Granted
Application number
CN201910123752.XA
Other languages
English (en)
Other versions
CN109987000B (zh
Inventor
荣常如
孙焕丽
王书洋
王雯婷
许立超
刘轶鑫
赵子亮
姜涛
孟祥宇
任毅
窦智
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FAW Group Corp
Original Assignee
FAW Group Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by FAW Group Corp filed Critical FAW Group Corp
Priority to CN201910123752.XA priority Critical patent/CN109987000B/zh
Publication of CN109987000A publication Critical patent/CN109987000A/zh
Application granted granted Critical
Publication of CN109987000B publication Critical patent/CN109987000B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

本发明属于动力电池领域，具体涉及一种动力电池温度预测***及方法。本发明的动力电池温度预测***，包括采集模块和温度预测模块，通过充放电过程中锂离子嵌脱反应的通量、电池容量衰减量以及低温加热充电的时间等多目标函数确定关键温度参数进行温度预测。本发明的方法提高了电池温度预测精度，降低温度对电池性能的不利影响。

Description

一种动力电池温度预测***及方法
技术领域
本发明属于动力电池领域，具体涉及一种动力电池温度预测***及方法。
背景技术
电动车的动力电池的性能受到温度的影响较大，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许用功率和剩余可用能量有差别，影响实车使用中车辆的功率输出和续驶里程。而电池在当前和未来使用过程中充放电的产热也会导致温度的变化，从而造成电池性能的变化。因此，为了提升动力电池的性能的预测精度，需要实时预测电池温度变化，提升续驶里程估计精度，或充电时间估计精度，提高电池***的能量利用率和车辆的里程利用率便会提高。
公开号为CN106842050A的专利公开了一种电池温度预测方法及装置，公开号为CN104881550A的专利公开了一种动力电池运行温度的自适应预测方法，公开号为CN204791125U的专利公开了一种电动汽车动力电池温度预测及散热装置，公开号为KR101449276B1的专利公开了***和方法用于预测电池的温度，公开号为CN103415957A的专利公开了一种电池温度控制装置，公开号为CN105048021A的专利公开了电池温度估计***，公开号为CN107392352A的专利公开了一种基于融合极限学习机的电池未来温度预测方法及***，文献《基于pso_FSVM的车用动力电池温度预测模型研究》(现代电子技术，2018，41)等介绍了一种基于pso_FSVM的车用动力电池温度预测模型研究，文献《基于热效应的电池温度预测和分类研究》(哈尔滨工程大学硕士毕业论文，2013年)根据充放电循环的历史数据，探究电池的温度特性，利用神经网络建立电池温度的预测模型，对不同环境温度和工作电流下的电池进行温度预测，文献《动力锂离子电池***热管理研究》(北京理工大学博士毕业论文，2017年)针对一个大容量软包动力锂离子电池模组提出了不同的极耳散热方案，使用热模型推导了包含电池模组工作电流前馈环节的电池温度动态矩阵预测控制算法；文献《基于风冷散热的电动汽车电池组热模型与温度控制研究》(吉林大学硕士论文，2017年)介绍了分析了锂离子电池充放电过程中的生热机理和电池与外界空气间的传热特性，根据生热率模型和牛顿冷却定律建立了电池内阻和换热系数时变的单体电池热模型。
综合以上分析可以看出，作为动力电池重要影响因素的温度获得了广泛关注和深入研究，这些研究主要集中在模型和/或神经网络建立预测模型，更早、更精确地预测温度，对电池温度控制更有效，减少因温度导致的性能衰减。但现有相关研究也存在待改进的问题，如温度等幅假设并不能真是反映车辆实际运行过程中电池温度变化；模型运算量较大，会使现有实际应用的电池管理***微处理器负载率过大，预测的温度值很难实时给出；深度学习工作量大，实际驾驶习惯差别较明显，车辆功率输出不同导致电池产热不同，自适应能力适应实际运行还需要进一步提升。
发明内容
本发明提供了一种能提高电池温度估算精度及热管理预先控制等问题的动力电池温度预测***，解决了现有动力电池温度预测***和温度预测方法存在的上述不足。
本发明技术方案结合附图说明如下：
一种动力电池温度预测***，该***包括采集模块以及与其通讯连接的温度预测模块，采集模块中的采样芯片将电压检测电路、电流传感器和温度传感器采集的电池最高温度Tmax、电池最低温度Tmin和电流值I，输入至温度预测模块；温度预测模块的运算芯片根据实时温度和SOC计算内阻R及反应热系数k，作为温度预测方程的输入量预测k时刻电池温度Tk，并将得到的温度预测值Tk输入至电池热管理***，整车控制器根据电池热管理***输入的温度预测值Tk对电池进行加热和散热管理。
一种动力电池温度预测方法包括以下步骤：
S1：温度传感器分别布置在温度分布云图对应的电池模组最高温度点和最低温度点位置，将采集到的最高温度Tmax和最低温度Tmin传输给电池管理***；电池管理***将电池传感器采集到的所有电池最高温度Tmax和电池最低温度Tmin，或者预测的电池最高温度Tk，max和电池最低温度Tk，min传输给采集模块，所有Tmin中的最小值与温度输入设定值Tm比较，
当Tmin＜Tm时，Tmin或Tk，min中的最小值作为电流值I、不同温度下及不同SOC时内阻R、反应热系数k的输入变量，用来获得I、R、k，Tmin中的最小值输入至温度预测模块；
当Tmin≥Tm时，Tmax或Tk，max中的最大值作为电流值I、不同温度下及不同SOC时内阻R、反应热系数k的输入变量，用来获得I、R、k，Tmax输入至温度预测模块；
其中，温度输入设定值Tm为温度控制目标，通过目标函数计算得到Tm值；电池充放电过程中锂离子嵌脱反应产生通量J、电池容量衰减量Qde以及低温加热充电的时间t为温度相关函数，以增加锂离子嵌脱反应产生通量J，降低电池充放电过程中容量衰减量Qde，以及低温加热充电的时间t建立目标函数，
约束条件T≤Thde，Thde为电池边加热边充电时加热退出的临界温度；
所述的电池充放电过程中锂离子嵌脱反应产生通量J＝f(i0，αn，αp，η，T)，αp与αn为正负极传递系数，η为过电势，i0为交换电流密度，i0＝f(κn，κp，αn，αp，cs，max，cs，surf，cl)，κn，κp是正负极电化学反应速率常数，cs，max为固相锂离子最大浓度，cs，surf固相表面锂离子浓度，cl液相锂离子浓度；
所述的电池充放电过程中容量衰减量Qde＝f(T，t，I，Ahthr，Ea)；
所述的低温加热充电的时间t＝f(T，I)；
目标函数(1)、(2)和(3)归一化，附加不同的权重系数ω1，ω2，ω3得到总目标函数取极小值时对应的温度，此时温度即为温度设定值Tm；其中，权重ω1+ω2+ω3＝1；
S2：当电池最低温度值Tmin＜Tm时，根据车辆运行状态，判断电池的充放电状态；具体方法如下：
2a)充电时，根据充电装置与电池管理***的通信交互，判定充电模式，当处于直流充电模式时，电池最低温度值Tmin与电池加热临界温度Thd0比较，当Tmin＜Thd0，加热开启，充电不开启，输入至温度预测模块的电流值为0；电池最低温度值Tmin与电池加热临界温度Thd0及电池加热退出的临界温度Thde比较，当Thd0≤Tmin＜Thde，加热开启，充电开启，Tmin＝Thde时，加热关闭，根据充电策略估算输入至温度预测模块k时刻的电流Ik；电池最低温度值Tmin与电池不加热充电临界温度Thdm及电池边加热边充电时加热退出的临界温度Thde比较，当Thdm≤Tmin≤Thde，加热不开启，充电开启，根据充电策略估算输入至温度预测模块k时刻的电流Ik；
2b)当处于交流充电模式时，电池最低温度值Tmin与电池加热临界温度Tha0比较，当Tmin＜Tha0，加热开启，充电不开启，输入至温度预测模块的电流值为0；当Tmin≥Tha0，加热关闭，充电开启，根据充电策略估算输入至温度预测模块k时刻的电流Ik；
2c)放电时，电池最低温度值Tmin与电池放电加热临界温度Th0比较，当Tmin＜Th0，加热开启，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；当Tmin≥Th0，加热退出，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；
当温度输入模块输入至电流输入模块的电池最小温度值Tmin≥Tm时，根据车辆运行状态，判断电池的充放电状态；具体如下：
2d)充电时，最高温度值Tmax与电池充电散热临界温度Tcc0比较，当Tmax＜Tcc0，散热不开启，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；最高温度值Tmax与电池充电散热临界温度Tcc0比较，当Tmax≥Tcc0，散热开启，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；最高温度值Tmax与电池充电散热退出临界温度Tcce比较，当Tmax＜Tcce，散热关闭，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；
2e)放电时，最高温度值Tmax与电池放电散热临界温度Tcd0比较，当Tmax＜Tcd0，散热不开启，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；当Tmax≥Tcd0，散热开启，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；最高温度值Tmax与电池放电散热退出临界温度Tcde比较，当Tmax＜Tcde，散热关闭，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；
S3：根据温度输入设定值Tm、电池加热临界温度Thd0、电池边加热边充电时加热退出的临界温度Thde、电池不加热充电临界温度Thdm、电池加热临界温度Tha0、电池放电加热临界温度Th0、电池充电散热临界温度Tcc0、电池充电散热退出临界温度Tcce、电池放电散热临界温度Tcd0、电池放电散热退出临界温度Tcde，确定温度区间为-20～45℃，计算不同SOC时的内阻值R，根据温度输入值度Tmax或Tmin或Tk，max或Tk，min，以及和电池管理***的SOC输入值，将内阻值R输入至温度预测模块；
S4：根据温度输入设定值Tm、电池加热临界温度Thd0、电池边加热边充电时加热退出的临界温度Thde、电池不加热充电临界温度Thdm、电池加热临界温度Tha0、电池放电加热临界温度Th0、电池充电散热临界温度Tcc0、电池充电散热退出临界温度Tcce、电池放电散热临界温度Tcd0、电池放电散热退出临界温度Tcde，确定温度区间为-20～45℃，计算不同SOC时的反应热系数k，根据温度输入值Tmax或Tmin或Tk，max或Tk，min，以及电池管理***的SOC输入值，将反应热系数k输入至温度预测模块；
S5：输入至温度预测模块的温度Tmax或Tmin，k时刻的电流Ik，内阻值R，反应热系数k，以及电池管理***输入至温度预测模块的SOC值，作为温度预测模块的输入量，通过电池温度预测的状态方程和观测方程，预测k时刻的电池温度Tk；
电池温度预测的状态方程，
电池温度预测的观测方程，
Tmk＝DTk-1+vk-1
其中，
D＝[0 0 1]
式中，ωk-1为状态噪声，vk-1为观测噪声，h为对流换热系数，A为热交换面积，m为电池质量，Tk-1为k-1时刻的电池预测温度，q为单位时间内电池产热量，Tc为冷却介质温度，Cp为电池比热容。
S6：温度预测模块输出的预测温度Tk输入至热管理***进行温度控制，以及以温度为输入变量的控制器调用。
S2中所述的基于运行工况预测输入至温度预测模块的k时刻的电流Ik包括基于历史运行工况预测k时刻的电流Ik，和基于未来运行工况预测k时刻的电流Ik，基于运行工况临近时刻预测k时刻的电流Ik。
S2中所述的电池加热临界温度Thd0为-20～10℃；所述的电池边加热边充电时加热退出的临界温度Thde为10～30℃；所述的电池不加热充电临界温度所述的Thdm为-20～20℃；所述的电池加热临界温度Tha0为-20～10℃，所述的电池放电加热临界温度Th0为-10～20℃，所述的电池充电散热临界温度Tcc0为30～45℃，所述的电池充电散热退出临界温度Tcce为32～45℃，所述的电池放电散热临界温度Tcd0为20～45℃，所述的电池放电散热退出临界温度Tcde为15～45℃。
本发明的有益效果：本发明的动力电池温度预测***，包括采集模块和温度预测模块，通过充放电过程中锂离子嵌脱反应的通量、电池容量衰减量以及低温加热充电的时间等多目标函数确定关键温度参数进行温度预测。本发明的方法提高了电池温度预测精度，降低温度对电池性能的不利影响。
附图说明
图1是本发明实施例的温度分布云图。
图2是本发明实施例的温度预测方法策略示意图。
图3是本发明实施例的温度预测曲线图。
具体实施方式
本发明的目的在于提供一种动力电池温度预测***及方法，用于预测动力电池模组充放电过程中热能和电能的变化引起的温度变化。
一种动力电池温度预测***，该***包括采集模块以及与其通讯连接的温度预测模块，采集模块中的采样芯片将电压检测电路、电流传感器和温度传感器采集的电池最高温度Tmax、电池最低温度Tmin和电流值I，输入至温度预测模块；温度预测模块的运算芯片根据实时温度和SOC计算内阻R及反应热系数k，作为温度预测方程的输入量预测k时刻电池温度Tk，并将得到的温度预测值Tk输入至电池热管理***，整车控制器根据电池热管理***输入的温度预测值Tk对电池进行加热和散热管理。
一种动力电池温度预测方法包括以下步骤：
温度传感器分别布置在温度分布云图对应的电池模组最高温度点和最低温度点位置，将采集到的最高温度Tmax和最低温度Tmin传输给电池管理***；图1为本发明实施例中的四个电芯组成的动力电池模组铺展开的温度场分布云图，所述的动力电池模组温度场分布云图用于设计电池模组最高温度点Tmax和最低温度点Tmin的传感器位置。图1中电池模组温度最高点Tmax传感器布置位置为(244，485)，温度最低点Tmin传感器布置位置为(56，289)。
所述的温度云图为仿真和/或实际测试绘制。
电池管理***将传感器采集到的所有电池最高温度Tmax和电池最低温度Tmin，或者预测的电池最高温度Tk，max和电池最低温度Tk，min传输给采集模块，所有Tmin中的最小值与温度输入设定值Tm比较，
当Tmin＜Tm时，Tmin或Tk，min中的最小值作为电流值I、不同温度下及不同SOC时内阻R、反应热系数k的输入变量，用来获得I、R、k，Tmin中的最小值输入至温度预测模块。
当Tmin≥Tm时，Tmax或Tk，max中的最大值作为电流值I、不同温度下及不同SOC时内阻R、反应热系数k的输入变量，用来获得I、R、k，Tmax输入至温度预测模块。
其中，温度输入设定值Tm为温度控制目标，通过目标函数计算得到Tm值；电池充放电过程中锂离子嵌脱反应产生通量J、电池容量衰减量Qde以及低温加热充电的时间t为温度相关函数，以增加锂离子嵌脱反应产生通量J，降低电池充放电过程中容量衰减量Qde，以及低温加热充电的时间t建立目标函数，
约束条件T≤Thde，Thde为电池边加热边充电时加热退出的临界温度。
所述的电池充放电过程中锂离子嵌脱反应产生通量J＝f(i0，αn，αp，η，T)，αp与αn为正负极传递系数，η为过电势，i0为交换电流密度，i0＝f(κn，κp，αn，αp，cs，max，cs，surf，cl)，κn，κp是正负极电化学反应速率常数，cs，max为固相锂离子最大浓度，cs，surf固相表面锂离子浓度，cl液相锂离子浓度。
所述的电池充放电过程中容量衰减量Qde＝f(T，t，I，Ahthr，Ea)。
所述的低温加热充电的时间t＝f(T，I)。
目标函数(1)、(2)和(3)归一化，附加不同的权重系数ω1，ω2，ω3得到总目标函数取极小值时对应的温度，此时温度即为温度设定值Tm；其中，权重ω1+ω2+ω3＝1。
如图2，当温度输入模块输入至电流输入模块的电池最小温度值Tmin＜Tm时，根据车辆运行状态，判断电池的充放电状态。
充电时，根据充电装置与电池管理***的通信交互，判定充电模式，当处于直流充电模式时，电池最低温度值Tmin与电池加热临界温度Thd0比较，当Tmin＜Thd0，加热开启，充电不开启，输入至温度预测模块的电流值为0；电池最低温度值Tmin与电池加热临界温度Thd0及电池加热退出的临界温度Thde比较，当Thd0≤Tmin＜Thde，加热开启，充电开启，Tmin＝Thde时，加热关闭，根据充电策略估算输入至温度预测模块k时刻的电流Ik；电池最低温度值Tmin与电池不加热充电临界温度Thdm及电池边加热边充电时加热退出的临界温度Thde比较，当Thdm≤Tmin≤Thde，加热不开启，充电开启，根据充电策略估算输入至温度预测模块k时刻的电流Ik；
当处于交流充电模式时，电池最低温度值Tmin与电池加热临界温度Tha0比较，当Tmin＜Tha0，加热开启，充电不开启，输入至温度预测模块的电流值为0；当Tmin≥Tha0，加热关闭，充电开启，根据充电策略估算输入至温度预测模块k时刻的电流Ik；
放电时，电池最低温度值Tmin与电池放电加热临界温度Th0比较，当Tmin＜Th0，加热开启，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；当Tmin≥Th0，加热退出，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；
当温度输入模块输入至电流输入模块的电池最小温度值Tmin≥Tm时，根据车辆运行状态，判断电池的充放电状态；具体如下：
充电时，最高温度值Tmax与电池充电散热临界温度Tcc0比较，当Tmax＜Tcc0，散热不开启，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；最高温度值Tmax与电池充电散热临界温度Tcc0比较，当Tmax≥Tcc0，散热开启，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；最高温度值Tmax与电池充电散热退出临界温度Tcce比较，当Tmax＜Tcce，散热关闭，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；
放电时，最高温度值Tmax与电池放电散热临界温度Tcd0比较，当Tmax＜Tcd0，散热不开启，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；当Tmax≥Tcd0，散热开启，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；最高温度值Tmax与电池放电散热退出临界温度Tcde比较，当Tmax＜Tcde，散热关闭，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；
根据温度输入设定值Tm、电池加热临界温度Thd0、电池边加热边充电时加热退出的临界温度Thde、电池不加热充电临界温度Thdm、电池加热临界温度Tha0、电池放电加热临界温度Th0、电池充电散热临界温度Tcc0、电池充电散热退出临界温度Tcce、电池放电散热临界温度Tcd0、电池放电散热退出临界温度Tcde，确定温度区间为-20～45℃，计算不同SOC时的内阻值R，根据温度输入值度Tmax或Tmin或Tk，max或Tk，min，以及和电池管理***的SOC输入值，将内阻值R输入至温度预测模块；
根据温度输入设定值Tm、电池加热临界温度Thd0、电池边加热边充电时加热退出的临界温度Thde、电池不加热充电临界温度Thdm、电池加热临界温度Tha0、电池放电加热临界温度Th0、电池充电散热临界温度Tcc0、电池充电散热退出临界温度Tcce、电池放电散热临界温度Tcd0、电池放电散热退出临界温度Tcde，确定温度区间为-20～45℃，计算不同SOC时的反应热系数k，根据温度输入值Tmax或Tmin或Tk，max或Tk，min，以及电池管理***的SOC输入值，将反应热系数k输入至温度预测模块；
输入至温度预测模块的温度Tmax或Tmin，k时刻的电流Ik，内阻值R，反应热系数k，以及电池管理***输入至温度预测模块的SOC值，作为温度预测模块的输入量，通过电池温度预测的状态方程和观测方程，预测k时刻的电池温度Tk；
电池温度预测的状态方程，
电池温度预测的观测方程，
Tmk＝DTk-1+vk-1
其中，
D＝[0 0 1]
式中，ωk-1为状态噪声，vk-1为观测噪声，h为对流换热系数，A为热交换面积，m为电池质量，Tk-1为k-1时刻的电池预测温度，q为单位时间内电池产热量，Tc为冷却介质温度，Cp为电池比热容。
温度预测模块输出的预测温度Tk输入至热管理***进行温度控制，以及其他控制器调用。
所述的基于运行工况预测输入至温度预测模块的k时刻的电流Ik包括基于历史运行工况预测k时刻的电流Ik，和基于未来运行工况预测k时刻的电流Ik，基于运行工况临近时刻预测k时刻的电流Ik。
所述的电池加热临界温度Thd0为-20～10℃，电池边加热边充电时加热退出的临界温度Thde为10～30℃，电池不加热充电临界温度所述的Thdm为-20～20℃，所述的电池加热临界温度Tha0为-20～10℃，所述的电池放电加热临界温度Th0为-10～20℃，所述的电池充电散热临界温度Tcc0为30～45℃，所述的电池充电散热退出临界温度Tcce为32～45℃，所述的电池放电散热临界温度Tcd0为20～45℃，所述的电池放电散热退出临界温度Tcde为15～45℃。
所述的动力电池包括用于弱混合动力车、混合动力车、插电式混合动力车、增程式电动车、纯电动车和燃料电池车辆的电池。图3为纯电动车动力电池在US06工况下的温度预测值和实测值曲线。
所述的温度输入模块输入至电流输入模块的最小温度值Tmin＜Tm时，混合动力车辆的发动机废气热循环加热电池，纯电动车加热元器件和/或电机余热循环加热电池。充电时候，空调可提供一部分散热能力。

Claims (4)

1.一种动力电池温度预测***，其特征在于，该***包括采集模块以及与其通讯连接的温度预测模块；所述的采集模块中的采样芯片将电压检测电路、电流传感器和温度传感器采集的电池最高温度Tmax、电池最低温度Tmin和电流值I，输入至温度预测模块；所述的温度预测模块的运算芯片根据实时温度和SOC计算内阻R及反应热系数k，作为温度预测方程的输入量预测k时刻电池温度Tk，并将得到的温度预测值Tk输入至电池热管理***，整车控制器根据电池热管理***输入的温度预测值Tk对电池进行加热和散热管理。
2.根据权利要求1所述的一种动力电池温度预测***的预测方法，其特征在于，该方法包括以下步骤：
步骤一、温度传感器分别布置在温度分布云图对应的电池模组最高温度点和最低温度点位置，传感器将采集到的最高温度Tmax和最低温度Tmin传输给电池管理***BMS；电池管理***BMS将所有传感器采集到的电池最高温度Tmax和最低温度Tmin传输给温度输入模块，温度输入模块将最低温度Tmin中的最小值，与温度输入设定值Tm比较，当Tmin＜Tm时，温度输入模块将传感器采集的最低温度Tmin中的最小值或预测的最低温度Tk，min输入至温度预测模块、电流输入模块、内阻输入模块和反应热系数模块；当Tmin≥Tm，温度输入模块将最高温度Tmax中的最大值或预测的最高温度Tk，max输入至至温度预测模块、电流输入模块、内阻输入模块和反应热系数模块；其中，温度输入设定值Tm为温度控制目标，通过目标函数计算得到Tm值；电池充放电过程中锂离子嵌脱反应产生通量J、电池容量衰减量Qde以及低温加热充电的时间t为温度相关函数，以增加锂离子嵌脱反应产生通量J，降低电池充放电过程中容量衰减量Qde，以及低温加热充电的时间t建立目标函数，
约束条件T≤Thde，Thde为电池边加热边充电时加热退出的临界温度；
所述的电池充放电过程中锂离子嵌脱反应产生通量J＝f(i0,αn,αp,η,T)，αp与αn为正负极传递系数，η为过电势，i0为交换电流密度，i0＝f(κn,κp,αn,αp,cs,max,cs,surf,cl)，κn，κp是正负极电化学反应速率常数，cs,max为固相锂离子最大浓度，cs,surf固相表面锂离子浓度，cl液相锂离子浓度；
所述的电池充放电过程中容量衰减量Qde＝f(T,t,I,Ahthr,Ea)；
所述的低温加热充电的时间t＝f(T,I)；
目标函数(1)、(2)和(3)归一化，附加不同的权重系数ω1，ω2，ω3得到总目标函数取极小值时对应的温度，此时温度即为温度设定值Tm；其中，权重ω1+ω2+ω3＝1；
步骤二、当温度输入模块输入至电流输入模块的电池最低温度值Tmin＜Tm时，根据车辆运行状态，判断电池的充放电状态；具体方法如下：
21)充电时，根据通过充电装置与电池管理***BMS的通讯交互，判定充电模式，当处于直流充电模式时，温度输入模块输入至电流输入模块的电池最低温度值Tmin与电池加热临界温度Thd0比较，当Tmin＜Thd0，加热开启，充电不开启，输入至温度预测模块的电流值为0；温度输入模块输入至电流输入模块的电池最低温度值Tmin与电池加热临界温度Thd0及电池加热退出的临界温度Thde比较，当Thd0≤Tmin＜Thde，加热开启，充电开启，Tmin＝Thde时，加热关闭，根据充电策略估算输入至温度预测模块k时刻的电流Ik；温度输入模块输入至电流输入模块的电池最低温度值Tmin与电池不加热充电临界温度Thdm及电池边加热边充电时加热退出的临界温度Thde比较，当Thdm≤Tmin≤Thde，加热不开启，充电开启，根据充电策略估算输入至温度预测模块k时刻的电流Ik；
22)当处于交流充电模式时，温度输入模块输入至电流输入模块的电池最低温度值Tmin与电池加热临界温度Tha0比较，当Tmin＜Tha0，加热开启，充电不开启，输入至温度预测模块的电流值为0；当Tmin≥Tha0，加热关闭，充电开启，根据充电策略估算输入至温度预测模块k时刻的电流Ik；
23)放电时，温度输入模块输入至电流输入模块的电池最低温度值Tmin与电池放电加热临界温度Th0比较，当Tmin＜Th0，加热开启，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；当Tmin≥Th0，加热退出，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；
当温度输入模块输入至电流输入模块的电池最小温度值Tmin≥Tm时，根据车辆运行状态，判断电池的充放电状态；具体如下：
24)充电时，温度输入模块输入至电流输入模块的最高温度值Tmax与电池充电散热临界温度Tcc0比较，当Tmax＜Tcc0，散热不开启，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；温度输入模块输入至电流输入模块的最高温度值Tmax与电池充电散热临界温度Tcc0比较，当Tmax≥Tcc0，散热开启，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；温度输入模块输入至电流输入模块的最高温度值Tmax与电池充电散热退出临界温度Tcce比较，当Tmax＜Tcce，散热关闭，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；
25)放电时，温度输入模块输入至电流输入模块的最高温度值Tmax与电池放电散热临界温度Tcd0比较，当Tmax＜Tcd0，散热不开启，基于运行工况预测输入至温度预测模块k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；当Tmax≥Tcd0，散热开启，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；温度输入模块输入至电流输入模块的最高温度值Tmax与电池放电散热退出临界温度Tcde比较，当Tmax＜Tcde，散热关闭，基于运行工况预测输入至温度预测模块的k时刻的电流Ik，初始时刻传感器采集的电流值作为输入至温度预测模块的电流初始值I0；
步骤三、根据温度输入模块的温度输入设定值Tm、电池加热临界温度Thd0、电池边加热边充电时加热退出的临界温度Thde、电池不加热充电临界温度Thdm、电池加热临界温度Tha0、电池放电加热临界温度Th0、电池充电散热临界温度Tcc0、电池充电散热退出临界温度Tcce、电池放电散热临界温度Tcd0、电池放电散热退出临界温度Tcde，确定内阻输入模块的内阻温度区间为-20～45℃，计算不同SOC时的内阻值R，根据温度输入模块的温度输入值和电池管理***的SOC输入值，将内阻值R输入至温度预测模块；
步骤四、根据温度输入模块的温度输入设定值Tm、电池加热临界温度Thd0、电池边加热边充电时加热退出的临界温度Thde、电池不加热充电临界温度Thdm、电池加热临界温度Tha0、电池放电加热临界温度Th0、电池充电散热临界温度Tcc0、电池充电散热退出临界温度Tcce、电池放电散热临界温度Tcd0、电池放电散热退出临界温度Tcde，确定反应热系数输入模块的温度区间为-20～45℃，计算不同SOC时的反应热系数k，根据温度输入模块的温度输入值和电池管理***的SOC输入值，将反应热系数k输入至温度预测模块；
步骤五、温度输入模块输入至温度预测模块的温度Tmax或Tmin，电流输入模块输入至温度预测模块的k时刻的电流Ik，内阻输入模块输入至温度预测模块的内阻值R，反应热系数模块输入至温度预测模块的反应热系数k，以及电池管理***BMS输入至温度预测模块的SOC值，作为温度预测模块的输入量，通过电池温度预测的状态方程和观测方程，预测k时刻的电池温度Tk；
电池温度预测的状态方程，
电池温度预测的观测方程，
Tmk＝DTk71+vk-1
其中，
D＝[0 0 1]
式中，ω6-1为状态噪声，vk-1为观测噪声，h为对流换热系数，A为热交换面积，m为电池质量，Tk-1为k-1时刻的电池预测温度，q为单位时间内电池产热量，Tc为冷却介质温度，Cp为电池比热容。
步骤六、温度预测模块将预测温度Tk输入至热管理模块进行温度控制，以及以温度为输入变量的控制器调用。
3.根据权利要求2所述的一种动力电池温度预测***的预测方法，其特征在于，步骤二中所述的基于运行工况预测输入至温度预测模块的k时刻的电流Ik包括基于历史运行工况预测k时刻的电流Ik，和基于未来运行工况预测k时刻的电流Ik，基于运行工况临近时刻预测k时刻的电流Ik。
4.根据权利要求2所述的一种动力电池温度预测***的预测方法，其特征在于，步骤二中所述的电池加热临界温度Thd0为-20～10℃；所述的电池边加热边充电时加热退出的临界温度Thde为10～30℃；所述的电池不加热充电临界温度所述的Thdm为-20～20℃；所述的电池加热临界温度Tha0为-20～10℃，所述的电池放电加热临界温度Th0为-10～20℃，所述的电池充电散热临界温度Tcc0为30～45℃，所述的电池充电散热退出临界温度Tcce为32～45℃，所述的电池放电散热临界温度Tcd0为20～45℃，所述的电池放电散热退出临界温度Tcde为15～45℃。
CN201910123752.XA 2019-02-19 2019-02-19 一种动力电池温度预测***及方法 Active CN109987000B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910123752.XA CN109987000B (zh) 2019-02-19 2019-02-19 一种动力电池温度预测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910123752.XA CN109987000B (zh) 2019-02-19 2019-02-19 一种动力电池温度预测***及方法

Publications (2)

Publication Number Publication Date
CN109987000A true CN109987000A (zh) 2019-07-09
CN109987000B CN109987000B (zh) 2021-07-13

Family

ID=67129789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910123752.XA Active CN109987000B (zh) 2019-02-19 2019-02-19 一种动力电池温度预测***及方法

Country Status (1)

Country Link
CN (1) CN109987000B (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110703115A (zh) * 2019-10-30 2020-01-17 同济大学 一种电动汽车蓄电池的平均温度在线估计方法
CN111071106A (zh) * 2019-12-25 2020-04-28 浙江合众新能源汽车有限公司 一种电动汽车低温充电管理***及方法
CN111398827A (zh) * 2020-03-18 2020-07-10 珠海迈巨微电子有限责任公司 环境温度预测方法、电池温度预测方法及电量计算方法
CN111948540A (zh) * 2020-06-29 2020-11-17 东风商用车有限公司 一种动力电池包温度预测方法及***
CN112016190A (zh) * 2020-08-04 2020-12-01 华人运通(上海)新能源驱动技术有限公司 动力电池温度修正方法、装置及计算机可读存储介质
CN112161712A (zh) * 2020-09-29 2021-01-01 上海汽车工业(集团)总公司 一种电动汽车全天候温度监控***
CN112436201A (zh) * 2020-11-25 2021-03-02 中国第一汽车股份有限公司 一种电池热失控气体温度测试装置及方法
CN112455287A (zh) * 2019-09-06 2021-03-09 比亚迪股份有限公司 车辆及其动力电池的冷却方法、装置
CN112519635A (zh) * 2019-09-17 2021-03-19 深圳市英维克科技股份有限公司 一种电池热管理的控制方法及相关装置
CN112976999A (zh) * 2021-04-12 2021-06-18 吉林大学 针对多热源直流储能装置的集成式热管理***及控制方法
CN113022378A (zh) * 2021-03-01 2021-06-25 中国第一汽车股份有限公司 温度一致性预测方法、装置、预测设备及存储介质
CN113071373A (zh) * 2021-04-25 2021-07-06 北京新能源汽车股份有限公司 一种基于云端智能互联大数据的温度预测和装置
CN113255205A (zh) * 2021-04-02 2021-08-13 南京工程学院 基于电动汽车电池的生命周期成本和电池温度优化方法
JP2022504862A (ja) * 2019-08-29 2022-01-13 エルジー エナジー ソリューション リミテッド 温度推定モデル決定方法および装置、温度推定モデルが適用されたバッテリ管理システム
CN114184964A (zh) * 2021-12-08 2022-03-15 蜂巢能源科技(无锡)有限公司 一种电芯内部温度分布的评估方法及装置
CN114355997A (zh) * 2021-12-15 2022-04-15 广东亿嘉和科技有限公司 基于智能预测算法的红外相机的温控方法及***
CN116306032A (zh) * 2023-05-17 2023-06-23 宁德时代新能源科技股份有限公司 温度预测方法、装置、设备以及存储介质
CN116494816A (zh) * 2023-06-30 2023-07-28 江西驴宝宝通卡科技有限公司 充电桩的充电管理***及其方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4630113B2 (ja) * 2005-04-12 2011-02-09 古河電気工業株式会社 二次電池劣化状態判定方法及び二次電池劣化状態判定装置
JP5061839B2 (ja) * 2007-10-17 2012-10-31 ソニー株式会社 電池パックおよび温度推定方法
US20140324379A1 (en) * 2013-04-26 2014-10-30 Hyundai Motor Company System and method for predicting temperature of battery
CN104462847A (zh) * 2014-12-23 2015-03-25 哈尔滨工业大学 一种电池内部温度实时预测方法
CN104865534A (zh) * 2015-04-29 2015-08-26 同济大学 一种单体电池内部温度估计方法
CN104881550A (zh) * 2015-06-15 2015-09-02 清华大学 动力电池运行温度的自适应预测方法
CN204791125U (zh) * 2015-07-21 2015-11-18 桂林电子科技大学 电动汽车动力电池温度预测及散热装置
CN105206888A (zh) * 2015-08-31 2015-12-30 浙江工业大学之江学院 一种锂离子电池内部温度监测方法
CN106154171A (zh) * 2016-06-17 2016-11-23 清华大学 建立电池直流内阻函数的方法
CN106289566A (zh) * 2016-07-19 2017-01-04 清华大学 一种基于电化学阻抗对二次电池内部温度估算的方法
CN106842050A (zh) * 2017-01-24 2017-06-13 中国电力科学研究院 一种电池温度预测方法及装置
CN107539137A (zh) * 2016-06-27 2018-01-05 比亚迪股份有限公司 电动汽车中动力电池组的温度控制***、方法及电动汽车

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4630113B2 (ja) * 2005-04-12 2011-02-09 古河電気工業株式会社 二次電池劣化状態判定方法及び二次電池劣化状態判定装置
JP5061839B2 (ja) * 2007-10-17 2012-10-31 ソニー株式会社 電池パックおよび温度推定方法
US20140324379A1 (en) * 2013-04-26 2014-10-30 Hyundai Motor Company System and method for predicting temperature of battery
CN104462847A (zh) * 2014-12-23 2015-03-25 哈尔滨工业大学 一种电池内部温度实时预测方法
CN104865534A (zh) * 2015-04-29 2015-08-26 同济大学 一种单体电池内部温度估计方法
CN104881550A (zh) * 2015-06-15 2015-09-02 清华大学 动力电池运行温度的自适应预测方法
CN204791125U (zh) * 2015-07-21 2015-11-18 桂林电子科技大学 电动汽车动力电池温度预测及散热装置
CN105206888A (zh) * 2015-08-31 2015-12-30 浙江工业大学之江学院 一种锂离子电池内部温度监测方法
CN106154171A (zh) * 2016-06-17 2016-11-23 清华大学 建立电池直流内阻函数的方法
CN107539137A (zh) * 2016-06-27 2018-01-05 比亚迪股份有限公司 电动汽车中动力电池组的温度控制***、方法及电动汽车
CN106289566A (zh) * 2016-07-19 2017-01-04 清华大学 一种基于电化学阻抗对二次电池内部温度估算的方法
CN106842050A (zh) * 2017-01-24 2017-06-13 中国电力科学研究院 一种电池温度预测方法及装置

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022504862A (ja) * 2019-08-29 2022-01-13 エルジー エナジー ソリューション リミテッド 温度推定モデル決定方法および装置、温度推定モデルが適用されたバッテリ管理システム
JP7167415B2 (ja) 2019-08-29 2022-11-09 エルジー エナジー ソリューション リミテッド 温度推定モデル決定方法および装置、温度推定モデルが適用されたバッテリ管理システム
US11754630B2 (en) 2019-08-29 2023-09-12 Lg Energy Solution, Ltd. Method and device for determining temperature estimating model, and battery management system to which the temperature estimating model is applied
CN112455287A (zh) * 2019-09-06 2021-03-09 比亚迪股份有限公司 车辆及其动力电池的冷却方法、装置
CN112519635B (zh) * 2019-09-17 2023-10-20 深圳市英维克科技股份有限公司 一种电池热管理的控制方法及相关装置
CN112519635A (zh) * 2019-09-17 2021-03-19 深圳市英维克科技股份有限公司 一种电池热管理的控制方法及相关装置
CN110703115B (zh) * 2019-10-30 2020-11-27 同济大学 一种电动汽车蓄电池的平均温度在线估计方法
CN110703115A (zh) * 2019-10-30 2020-01-17 同济大学 一种电动汽车蓄电池的平均温度在线估计方法
CN111071106A (zh) * 2019-12-25 2020-04-28 浙江合众新能源汽车有限公司 一种电动汽车低温充电管理***及方法
CN111398827A (zh) * 2020-03-18 2020-07-10 珠海迈巨微电子有限责任公司 环境温度预测方法、电池温度预测方法及电量计算方法
CN111948540A (zh) * 2020-06-29 2020-11-17 东风商用车有限公司 一种动力电池包温度预测方法及***
CN112016190A (zh) * 2020-08-04 2020-12-01 华人运通(上海)新能源驱动技术有限公司 动力电池温度修正方法、装置及计算机可读存储介质
CN112161712A (zh) * 2020-09-29 2021-01-01 上海汽车工业(集团)总公司 一种电动汽车全天候温度监控***
CN112436201A (zh) * 2020-11-25 2021-03-02 中国第一汽车股份有限公司 一种电池热失控气体温度测试装置及方法
CN113022378B (zh) * 2021-03-01 2023-03-07 中国第一汽车股份有限公司 温度一致性预测方法、装置、预测设备及存储介质
CN113022378A (zh) * 2021-03-01 2021-06-25 中国第一汽车股份有限公司 温度一致性预测方法、装置、预测设备及存储介质
CN113255205B (zh) * 2021-04-02 2023-11-21 南京工程学院 基于电动汽车电池的生命周期成本和电池温度优化方法
CN113255205A (zh) * 2021-04-02 2021-08-13 南京工程学院 基于电动汽车电池的生命周期成本和电池温度优化方法
CN112976999B (zh) * 2021-04-12 2022-07-22 吉林大学 针对多热源直流储能装置的集成式热管理***及控制方法
CN112976999A (zh) * 2021-04-12 2021-06-18 吉林大学 针对多热源直流储能装置的集成式热管理***及控制方法
CN113071373A (zh) * 2021-04-25 2021-07-06 北京新能源汽车股份有限公司 一种基于云端智能互联大数据的温度预测和装置
CN113071373B (zh) * 2021-04-25 2022-07-29 北京新能源汽车股份有限公司 一种基于云端智能互联大数据的温度预测和装置
CN114184964B (zh) * 2021-12-08 2023-08-29 蜂巢能源科技(无锡)有限公司 一种电芯内部温度分布的评估方法及装置
CN114184964A (zh) * 2021-12-08 2022-03-15 蜂巢能源科技(无锡)有限公司 一种电芯内部温度分布的评估方法及装置
CN114355997A (zh) * 2021-12-15 2022-04-15 广东亿嘉和科技有限公司 基于智能预测算法的红外相机的温控方法及***
CN116306032A (zh) * 2023-05-17 2023-06-23 宁德时代新能源科技股份有限公司 温度预测方法、装置、设备以及存储介质
CN116306032B (zh) * 2023-05-17 2023-08-25 宁德时代新能源科技股份有限公司 温度预测方法、装置、设备以及存储介质
CN116494816A (zh) * 2023-06-30 2023-07-28 江西驴宝宝通卡科技有限公司 充电桩的充电管理***及其方法
CN116494816B (zh) * 2023-06-30 2023-09-15 江西驴宝宝通卡科技有限公司 充电桩的充电管理***及其方法

Also Published As

Publication number Publication date
CN109987000B (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
CN109987000A (zh) 一种动力电池温度预测***及方法
Xie et al. An MPC-based control strategy for electric vehicle battery cooling considering energy saving and battery lifespan
CN108172930B (zh) 电池包冷却控制方法、装置和电池包
CN102195101B (zh) 动力电池组管理***以及方法
CN113281655B (zh) 一种低温环境下动力电池内部加热预测控制方法及装置
CN107134604A (zh) 一种基于工况特性的动力电池热管理方法
CN104600381B (zh) 一种锂离子电池组单体布置结构的优化方法
Guo et al. An integrated thermal management strategy for cabin and battery heating in range-extended electric vehicles under low-temperature conditions
CN113071506A (zh) 考虑座舱温度的燃料电池汽车能耗优化***
Zhao et al. A two-stage eco-cooling control strategy for electric vehicle thermal management system considering multi-source information fusion
Samadani et al. Evaluation of air conditioning impact on the electric vehicle range and li-ion battery life
Enthaler et al. Thermal management consumption and its effect on remaining range estimation of electric vehicles
Liang et al. Evaluation of battery modules state for electric vehicle using artificial neural network and experimental validation
Zhang et al. An optimal thermal management system heating control strategy for electric vehicles under low-temperature fast charging conditions
Li et al. Large-scale battery system modeling and analysis for emerging electric-drive vehicles
Kim et al. Cooling performance of thermal management system for lithium-ion batteries using two types of cold plate: Experiment and MATLAB/Simulink-Simscape simulation
CN113255205B (zh) 基于电动汽车电池的生命周期成本和电池温度优化方法
Qin et al. Joint SOC–SOP estimation method for lithium-ion batteries based on electro-thermal model and multi-parameter constraints
Li et al. Optimization of the heat dissipation structure for lithium-ion battery packs based on thermodynamic analyses
CN109616716A (zh) 并联电池箱的冷却液流量均衡方法及装置
Zheng et al. Electrical and thermal active co-management for lithium-ion batteries
Muratori Thermal characterization of lithium-ion battery cell
Ma et al. Multi-layer NMPC for battery thermal management optimization strategy of connected electric vehicle integrated with waste heat recovery
Zhang et al. Research on prediction model of electric vehicle thermal management system based on particle swarm optimization-Back propagation neural network
Anselma et al. Predictive control framework for thermal management of automotive fuel cell systems at high ambient temperatures

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
GR01 Patent grant
GR01 Patent grant