CN110492197A - 一种基于模糊模型预测控制的锂电池温度控制***和方法 - Google Patents

一种基于模糊模型预测控制的锂电池温度控制***和方法 Download PDF

Info

Publication number
CN110492197A
CN110492197A CN201910740821.1A CN201910740821A CN110492197A CN 110492197 A CN110492197 A CN 110492197A CN 201910740821 A CN201910740821 A CN 201910740821A CN 110492197 A CN110492197 A CN 110492197A
Authority
CN
China
Prior art keywords
lithium battery
temperature
module
equivalent
battery
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
CN201910740821.1A
Other languages
English (en)
Other versions
CN110492197B (zh
Inventor
刘之涛
庄伟超
苏宏业
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201910740821.1A priority Critical patent/CN110492197B/zh
Publication of CN110492197A publication Critical patent/CN110492197A/zh
Application granted granted Critical
Publication of CN110492197B publication Critical patent/CN110492197B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/61—Types of temperature control
    • H01M10/613—Cooling or keeping cold
    • 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
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/62—Heating or cooling; Temperature control specially adapted for specific applications
    • H01M10/625—Vehicles
    • 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
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/63—Control systems
    • H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
    • 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
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/63—Control systems
    • H01M10/635—Control systems based on ambient temperature
    • 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)
  • Automation & Control Theory (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于模糊模型预测控制的锂电池温度控制***和方法。温度采样模块安装于锂电池表面，电流采样模块连接锂电池输出，电流采样模块经SOC估计模块连接到温度控制模块，温度控制模块连接到散热模块；温度采样模块采集锂电池的电池表面温度，电流采样模块采集锂电池的输出电流，SOC估计模块接收来自电流采样模块采集到的锂电池输出电流处理估计获得电池的SOC值，将电池表面温度、SOC值、输出电流发送到温度控制模块，温度控制模块根据锂电池放电时的温升特性，控制散热模块进行散热。本发明既能降低锂电池温升速率，又能减少锂电池用于散热的能量消耗，延长了锂电池的使用寿命和续航能力。

Description

一种基于模糊模型预测控制的锂电池温度控制***和方法
技术领域
本发明涉及了一种锂电池温度管理领域，尤其是涉及了一种基于模糊模型预测控制的锂电池温度控制***和方法。
背景技术
锂离子电池由于能量密度高、输出功率大和无记忆性等优点已广泛应用于众多领域，包括动力储能、发电储能等方面。但是锂的化学性质非常活泼，是一种强还原剂，接触氧气等氧化剂会发生燃烧***等安全事故。同时，锂电池在充放电过程中会产生大量热量，导致锂电池温度升高，过高的温度可能引起电池内部短路，电池外壳破裂，进而导致漏液、起火等事故。而且，锂电池长时间工作在高温条件下会大幅降低性能。有实验表明，即使没有充放电的情况下，放置在45℃以上的高温环境中，半年以后锂电池也会发生30％不可逆的容量损失。因此必须对锂电池进行散热处理。现有技术的解决方式是在锂电池上设置有温度传感器进行温度检测，电池温度管理***通过温度传感器检测电池的温度，当温度达到设定值时，散热模块以一个固定的散热强度对电池进行散热，当温度降到设定值时，散热模块停止散热。
这种温度管理方法过于简单，温度控制不准确，当温度达到设定值时，散热模块会频繁开启和关闭，影响散热***的稳定性和使用寿命。而且这种方法没有针对锂电池建模，不能根据温度的变化动态调节散热强度，也没有考虑散热时消耗的能量，针对现有技术存在的缺陷，有必要提出一种技术方案以克服现有技术的缺陷。
发明内容
为了克服上述现有技术的不足，本发明提供了一种基于模糊模型预测控制的锂电池温度控制***和方法，既能防止锂离子电池温度升高过快，又能降低散热模块的能量消耗，避免锂电池温度过高的同时提升锂电池的续航能力。
要解决上述技术问题，本发明采用技术方案包括以下步骤：
一、一种基于模糊模型预测控制的锂电池温度控制***：
控制***包含锂电池、温度采样模块、电流采样模块、SOC估计模块、温度控制模块和散热模块，温度采样模块安装于锂电池表面，电流采样模块连接锂电池输出，电流采样模块经SOC估计模块连接到温度控制模块，温度控制模块连接到散热模块，散热模块朝向锂电池进行散热。
所述的温度采样模块采集锂电池的电池表面温度，电流采样模块采集锂电池的输出电流，SOC估计模块接收来自电流采样模块采集到的锂电池输出电流处理估计获得电池的SOC值，将电池表面温度、SOC值、输出电流发送到温度控制模块，温度控制模块根据锂电池放电时的温升特性，控制散热模块进行散热。
所述的锂电池采用三元锂电池，优选采用18650锂电池。
所述锂电池为温度采样模块、电流采样模块、温度控制模块和散热模块供电；
所述温度采样模块用于采集锂电池表面的温度并将温度信息发送给所述温度控制模块；
所述电流采样模块用于采集锂电池的电流值，并将电流信息发送给所述温度控制模块和SOC估计模块；
所述SOC估计模块用于根据电流信息估计锂电池的SOC值，并将所估计的SOC值和收到的电流值发送给所述温度控制模块；
所述温度控制模块与温度采样模块、SOC估计模块相连接，根据锂电池的二阶RC等效电路模型，利用模糊模型预测控制算法求得最优散热强度，并发送散热控制信号给散热模块；
所述散热模块根据温度控制模块的散热控制信号执行不同强度的散热工作。
二、一种基于模糊模型预测控制的锂电池温度控制方法，采用上述***，方法包括以下步骤：
1)通过温度采样模块采集锂电池的电池表面温度，电流采样模块采集锂电池的输出电流，SOC估计模块接收来自电流采样模块采集到的锂电池输出电流处理估计获得电池的SOC值；
2)SOC估计模块将获得的SOC值和从电流采样模块接收到的电流值发送给温度控制模块，温度采样模块将采集的锂电池的电池表面温度发送到温度控制模块；
3)温度控制模块中根据锂电池的二阶RC等效电路模型利用基于模糊模型的预测控制方法对SOC值、电流值和电池表面温度求得最优散热强度，并以最优散热强度控制散热模块进行散热工作。
所述温度控制模块根据锂电池放电时的温升特性，控制散热模块进行散热的方法为：设置一个锂电池的最佳工作温度，当锂电池温度未达到设定温度时，散热模块不工作；当锂电池温度超过设定温度时，温度控制模块利用模糊模型基础上设计的实施方法预测控制，综合温度的偏差和散热模块消耗的功率控制散热模块以一个最优强度散热，实现锂电池温度控制。
所述步骤3)包括为：
3.1)首先，采用曼达尼(Mamdani)模糊模型拟合建立温度和SOC值共同与锂电池二阶RC等效电路模型的参数之间的非线性关系模型，这样使得模型更加精确；
3.2)然后，建立锂电池关于温度的二阶RC等效电路状态方程，采用二元泰勒展开公式在预先设定的关键温度-散热强度采样点处对散热模块工作下的二阶RC等效电路状态方程分别进行展开，并利用T-S模糊模型将非线性关系模型转化为线性模型；
3.3)最后，设置一个优化的目标函数，目标函数综合考虑了锂电池当前温度与最佳工作温度之间的偏差以及散热所消耗的能量，并利用预测控制算法求解最优散热强度，利用最优散热强度控制散热模块进行散热工作。
所述步骤3)具体为：
3.1)利用实验中预先设定的几个关键温度和关键SOC值下进行测试获得对应温度和SOC值下的锂电池二阶RC等效电路模型的5个参数值，分别为等效欧姆电阻值、第一RC环的等效电阻值、第一RC环的时间常数、第二RC环的等效电阻值和第二RC环的时间常数，再采用曼达尼(Mamdani)模糊模型拟合获得温度和SOC值共同与锂电池二阶RC等效电路模型的参数之间的非线性关系模型，针对实时采集的温度和SOC值输入到非线性关系模型中输出获得锂电池二阶RC等效电路模型的参数；
3.2)建立以下锂电池的二阶RC等效电路状态方程：
上式中，SOC(k)表示第k时刻电池的剩余电量；I(k)表示第k时刻的电流值；△t表示采样时间间隔；Q0表示电池总容量；Ucs(k)、Rs(k)和τs(k)分别表示第k时刻锂电池二阶RC等效电路模型中第一RC环中的电压、等效电阻和时间常数，Ucl(k)、Rl(k)和τl(k)分别表示第k时刻锂电池二阶RC等效电路模型中第二RC环中的电压、等效电阻和时间常数；T(k)表示第k时刻锂电池的电池表面温度；R0(k)表示第k时刻锂电池二阶RC等效电路模型中的等效欧姆电阻R0的阻值；h(k)表示第k时刻的对流散热系数；A表示锂电池的表面积；Ten表示环境温度；M表示锂电池的质量；Cp表示锂电池的比热容；表示电池电压随温度变化的温度系数，一般取0.005V/K；
在散热模块工作的情况下，锂电池的二阶RC等效电路状态方程如下：
接着采用二元泰勒展开公式对上述公式分别在预先设定的关键温度-散热强度采样点进行展开：预先设定了n个关键温度，设置锂电池最佳工作温度为Tref，则当第i个关键温度Ti≤Tref时，该温度下对应的散热强度ui＝0，表示散热模块不工作；当第i个关键温度Ti-Tref≥10℃时，对应的散热强度ui＝1，表示散热模块全速工作，其中i≤n；
然后，建立n个以关键温度为中心的模糊集合，并利用T-S模糊模型对在预先设定的关键温度-散热强度采样点下的线性化电路状态方程进行处理，获得线性化电路状态方程：
上式中，T(k)表示第k时刻锂电池的温度；Fi表示T-S模糊模型中第个i关键温度所对应的模糊集合，ωi(T(k))表示锂电池当前温度关于第个i关键温度所对应的模糊集合的隶属度值，hi为将ωi归一化之后的隶属度值；Ti,ui分别表预先设定的第i个关键温度和该温度下对应的散热强度；
最后将线性化电路状态方程转化为以下形式：
上述目标函数综合考虑锂电池当前温度与最佳工作温度之间的偏差和散热所消耗的能量，能使得温度处理和控制更精确。
利用上述公式的线性化电路状态方程迭代计算得到第k时刻的锂电池温度T(k)；
3.3)建立以下目标函数，将第k时刻的锂电池温度T(k)代入到目标函数中进行迭代，采用穷举法求出最优散热强度：
其中，u(k)表示第k时刻的散热强度；T(k)表示第k时刻的锂电池温度；Tref表示锂电池的最佳工作温度；p表示预测时域；Q和R为正定矩阵。
所述的锂电池二阶RC等效电路模型包括开路电压OCV、等效欧姆电阻R0、第一RC环和第二RC环；第一RC环是由电容Cs和电阻Rs并联构成，第二RC环是由电容Cl和电阻Rl并联构成，开路电压OCV、等效欧姆电阻R0、第一RC环、第二RC环依次串联连接，串联连接后的两端输出电压，第二RC环靠近输出电压的正极，开路电压OCV靠近输出电压的负极。
所述的对流散热系数h(k)计算如下：
当散热模块不工作时，则进行自然对流散热，计算为h(k)＝4.3；
当散热模块工作时，则计算为：h(k)≈24.11u(k)。
其中，u(k)表示第k时刻的散热强度，v(k)表示第k时刻散热模块产生的风速。
由此，本发明既降低锂电池温度升高的速率，又使锂电池用于散热的功耗达到最小。
本发明的有益效果：
本发明通过模糊模型预测控制算法可精确预测锂电池在未来一段时间之内的温度变化情况，在电动汽车实际行驶过程中能够动态调节散热强度，既降低锂了电池温升速率，防止锂离子电池温度升高过快，又减少了锂电池的散热模块用于散热的能量消耗，延长了锂电池的使用寿命和续航能力，避免锂电池温度过高的同时提升锂电池的续航能力。
附图说明
图1为本发明的整体示意图。
图2为本发明的锂电池二阶RC等效电路模型图。
图3为本发明的整体结构框图。
图4为本发明的模糊模型预测控制方法逻辑框图。
图5为Mamdani模糊模型中关于温度的输入隶属度函数图。
图6为Mamdani模糊模型中关于SOC的输入隶属度函数图。
图7为Mamdani模糊模型中关于的输出隶属度函数图。
图8为Mamdani模糊模型中关于的输出隶属度函数图。
图9为Mamdani模糊模型中关于的输出隶属度函数图。
图10为不同温度和SOC下的锂电池二阶RC等效电路模型中的等效欧姆电阻结果表示图。
图11为不同温度和SOC下的锂电池二阶RC等效电路模型中的第一RC环中的电阻值结果表示图。
图12为不同温度和SOC下的锂电池二阶RC等效电路模型中的第二RC环中的电阻值结果表示图。
图13为通过Mamdani模糊模型拟合之后的不同温度和SOC下的锂电池二阶RC等效电路模型中的等效欧姆电阻结果表示图。
图14为通过Mamdani模糊模型拟合之后的不同温度和SOC下的锂电池二阶RC等效电路模型中的第一RC环中的电阻值结果表示图。
图15为通过Mamdani模糊模型拟合之后的不同温度和SOC下的锂电池二阶RC等效电路模型中的第二RC环中的电阻值结果表示图。
图16为实施例中锂电池的放电速率曲线图。
图17为实施例中锂电池的SOC曲线图。
图18为实施例中锂电池风冷散热与自然对流散热的温度对比曲线图。
图19为实施例中风冷散热的风速变化曲线图。
具体实施方式
下面用一个实例来证明本发明提出的一种基于模糊模型预测控制的锂电池温度控制方法的有效性。
如图1和图3所示，具体实施采用以下控制***，控制***包含锂电池1、温度采样模块2、电流采样模块3、SOC估计模块4、温度控制模块5和散热模块6，温度采样模块2安装于锂电池1表面，电流采样模块3电连接锂电池1输出，电流采样模块3经SOC估计模块4连接到温度控制模块5，温度控制模块5连接到散热模块6，散热模块6朝向锂电池1进行散热。温度采样模块2采用温度传感器。散热模块6为风扇。
本发明实施例及其实施过程如下：
1)具体实施采用18650锂电池作为锂电池1。设置初始温度T(0)＝20℃，环境温度Ten＝20℃，锂电池最佳工作温度Tref＝25℃，初始SOC值SOC(0)＝100％，当SOC降至10％时停止实验。为了模拟电动汽车在实际行驶过程中的放电情况，设置锂电池的放电速率为0.25C到1C之间，参见图16，实验过程中锂SOC变化情况参见图17。
通过温度采样模块2采集锂电池1的电池表面温度，电流采样模块3采集锂电池1的输出电流，SOC估计模块4接收来自电流采样模块3采集到的锂电池1输出电流处理估计获得电池的SOC值；
2)SOC估计模块4将获得的SOC值和从电流采样模块3接收到的电流值发送给温度控制模块5，温度采样模块2将采集的锂电池1的电池表面温度发送到温度控制模块5；
3)如图4所示，温度控制模块5中根据锂电池1的二阶RC等效电路模型利用基于模糊模型的预测控制方法对SOC值、电流值和电池表面温度求得最优散热强度，并以最优散热强度控制散热模块6进行散热工作。
具体实施中，设置一个锂电池的最佳工作温度，当锂电池温度未达到设定温度时，散热模块不工作；当锂电池温度超过设定温度时，温度控制模块5利用模糊模型基础上设计的实施方法预测控制，综合温度的偏差和散热模块消耗的功率控制散热模块6以一个最优强度散热，实现锂电池温度控制。
具体是：
3.1)如图2所示，锂电池二阶RC等效电路模型包括开路电压OCV、等效欧姆电阻R0、第一RC环和第二RC环；第一RC环是由电容Cs和电阻Rs并联构成，第二RC环是由电容Cl和电阻Rl并联构成，开路电压OCV、等效欧姆电阻R0、第一RC环、第二RC环依次串联连接，串联连接后的两端输出电压，第二RC环靠近输出电压的正极，开路电压OCV靠近输出电压的负极；
设置关键温度为0℃,10℃,25℃和45℃，设置关键SOC值为10％,20％,50％,80％和90％。根据实验，测得在关键温度和关键SOC值下，锂电池二阶RC等效电路模型中的等效欧姆电阻R0，第一RC环中的等效电阻Rs和时间常数τs，第二RC环中的等效电阻Rl和时间常数τl如下表所示：
表1 18650锂电池在不同温度和SOC值下的二阶RC等效电路参数
将锂电池二阶RC等效电路模型中两个RC环的时间常数τs和τl分别近似为恒值1s和12s。设计Mamdani模糊模型关于温度的输入隶属度函数如图5所示，在图5中，关键温度处的隶属度值达到最大值1；设计关于SOC的输入隶属度函数如图6所示，在图6中，关键SOC值处的隶属度值达到最大值1。
设计Mamdani模糊模型关于锂电池二阶RC等效电路模型中的等效欧姆电阻R0的输出隶属度函数如图13所示，第一RC环中的等效电阻Rs的输出隶属度如图14所示，第二RC环中的等效电阻Rl的输出隶属度如图15所示。
3.2)建立以下锂电池1的二阶RC等效电路状态方程：
上式中，SOC(k)表示第k时刻电池的剩余电量；I(k)表示第k时刻的电流值；△t表示采样时间间隔；Q0表示电池总容量；Ucs(k)、Rs(k)和τs(k)分别表示第k时刻锂电池二阶RC等效电路模型中第一RC环中的电压、等效电阻和时间常数，Ucl(k)、Rl(k)和τl(k)分别表示第k时刻锂电池二阶RC等效电路模型中第二RC环中的电压、等效电阻和时间常数；T(k)表示第k时刻锂电池的温度；R0(k)表示第k时刻锂电池二阶RC等效电路模型中的等效欧姆电阻R0的阻值；h(k)表示第k时刻的对流散热系数；A表示锂电池的表面积；Ten表示环境温度；M表示锂电池的质量；Cp表示锂电池的比热容；表示电池电压随温度变化的温度系数，一般取0.005V/K；
对流散热系数h(k)计算如下：
当散热模块不工作时，则进行自然对流散热，计算为h(k)＝4.3；
当散热模块工作时，则计算为：h(k)≈24.11u(k)。
在散热模块6工作的情况下，锂电池1的二阶RC等效电路状态方程如下：
其中，u(k)表示第k时刻的散热强度，v(k)表示第k时刻散热模块(6)产生的风速。
接着采用二元泰勒展开对上述公式分别在以下四个设定的关键温度-散热强度采样点进行展开：
其中，T1,T2,T3,T4分别表示四个预先设置的关键温度，u1,u2,u3,u4分别表示四个预先设置的关键温度对应的散热模块的散热强度；设置T1,T2,T3,T4分别为0、10、25、45摄氏度，u1＝0、u2＝0、u3＝0分别表示在0、10、25摄氏度下散热模块不工作，u4＝1表示在45摄氏度下散热模块全速工作。
具体实施中，T1,T2,T3,T4也即分别对应图5中隶属度函数值最大时的4个温度点，u1,u2,u3,u4分别表示当锂电池的温度分别达到T1,T2,T3,T4时散热模块的散热强度。
然后，利用T-S模糊模型对在上述设定的关键温度-散热强度采样点下的线性化电路状态方程进行处理，获得线性化电路状态方程：
上式中，T(k)表示第k时刻锂电池的温度；Fi表示T-S模糊模型中第个i关键温度所对应的模糊集合，ωi(T(k))表示锂电池当前温度关于第个i关键温度所对应的模糊集合的隶属度值，hi为将ωi归一化之后的隶属度值；Ti,ui分别表示预先设定的第i个关键温度和该温度下对应的散热强度；
最后将线性化电路状态方程转化为以下形式：
利用上述公式的线性化电路状态方程迭代计算得到第k时刻的锂电池温度T(k)；
3.3)建立以下目标函数，将第k时刻的锂电池温度T(k)代入到目标函数中进行迭代，采用穷举法求出最优散热强度：
其中，u(k)表示第k时刻的散热强度；T(k)表示第k时刻的锂电池温度；Tref表示锂电池的最佳工作温度；p表示预测时域；Q和R为正定矩阵。
参见图18，所示为空气自然对流散热与采用本方法散热的锂电池放电温升情况，由图可知，锂电池从100％SOC放电至10％SOC时，自然对流散热情况下锂电池的最高温度达到约37.6℃，而在本发明所提出的散热方法下，锂电池的最高温度仅为27.3℃，相比锂电池的最佳工作温度只升高了2.3℃，说明本方法可有效降低锂电池的温升速率，同时减少散热所消耗的能量。参见图19，所示为散热风扇所输出的风速变化图。结合图16，图18和图19可知，当锂电池的放电速率达到1C时，尽管风速达到最大值1m/s，由于电池生热率过高，锂电池的温度还是不可避免的上升。当锂电池的放电速率小于1C时，锂电池的生热率较小，因此散热风扇以一个最优的风速进行散热，体现了本发明所设计的散热方法可有效节约电池用于散热的能量消耗。
从实验结果可得，本发明提出的方法可以精确地预测电动汽车在实际行驶过程中锂电池的温度变化情况，并根据未来的锂电池温度变化情况动态调整散热强度，以降低锂电池用于散热的能量消耗，节省电能，提升续航，同时本方法能有效降低锂电池的温升速率，使电动汽车在行驶过程中锂电池的温度能保持在最佳工作温度附近。与现有的锂电池温度管理方法相比，本发明的方法能够精确建立锂电池动态模型，精确预测未来时刻的锂电池温度变化情况，实时动态调整散热强度，在降低锂电池温升速率的同时更加节省能量。
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于模糊模型预测控制的锂电池温度控制***，其特征在于：采用以下控制***，控制***包含锂电池(1)、温度采样模块(2)、电流采样模块(3)、SOC估计模块(4)、温度控制模块(5)和散热模块(6)，温度采样模块(2)安装于锂电池(1)表面，电流采样模块(3)连接锂电池(1)输出，电流采样模块(3)经SOC估计模块(4)连接到温度控制模块(5)，温度控制模块(5)连接到散热模块(6)，散热模块(6)朝向锂电池(1)进行散热。
2.根据权利要求1所述的一种基于模糊模型预测控制的锂电池温度控制***，其特征在于：所述的温度采样模块(2)采集锂电池(1)的电池表面温度，电流采样模块(3)采集锂电池(1)的输出电流，SOC估计模块(4)接收来自电流采样模块(3)采集到的锂电池(1)输出电流处理估计获得电池的SOC值，将电池表面温度、SOC值、输出电流发送到温度控制模块(5)，温度控制模块(5)根据锂电池放电时的温升特性，控制散热模块(6)进行散热。
3.根据权利要求1所述的一种基于模糊模型预测控制的锂电池温度控制***，其特征在于：所述的锂电池(1)采用三元锂电池，优选采用18650锂电池。
4.根据权利要求1所述的一种基于模糊模型预测控制的锂电池温度控制***，其特征在于：所述锂电池(1)为温度采样模块(2)、电流采样模块(3)、温度控制模块(5)和散热模块(6)供电；
所述温度采样模块(2)用于采集锂电池(1)表面的温度并将温度信息发送给所述温度控制模块(5)；
所述电流采样模块(3)用于采集锂电池(1)的电流值，并将电流信息发送给所述温度控制模块(5)和SOC估计模块(4)；
所述SOC估计模块(4)用于根据电流信息估计锂电池的SOC值，并将所估计的SOC值和收到的电流值发送给所述温度控制模块(5)；
所述温度控制模块(5)与温度采样模块(2)、SOC估计模块(4)相连接，根据锂电池(1)的二阶RC等效电路模型，利用模糊模型预测控制算法求得最优散热强度，并发送散热控制信号给散热模块(6)；
所述散热模块(6)根据温度控制模块(5)的散热控制信号执行不同强度的散热工作。
5.一种基于模糊模型预测控制的锂电池温度控制方法，其特征在于：采用权利要求1-4任一所述***，方法包括以下步骤：
1)通过温度采样模块(2)采集锂电池(1)的电池表面温度，电流采样模块(3)采集锂电池(1)的输出电流，SOC估计模块(4)接收来自电流采样模块(3)采集到的锂电池(1)输出电流处理估计获得电池的SOC值；
2)SOC估计模块(4)将获得的SOC值和从电流采样模块(3)接收到的电流值发送给温度控制模块(5)，温度采样模块(2)将采集的锂电池(1)的电池表面温度发送到温度控制模块(5)；
3)温度控制模块(5)中利用基于模糊模型的预测控制方法对SOC值、电流值和电池表面温度求得最优散热强度，并以最优散热强度控制散热模块(6)进行散热工作。
6.根据权利要求5所述的一种基于模糊模型预测控制的锂电池温度控制方法，其特征在于：
所述温度控制模块(5)根据锂电池放电时的温升特性，控制散热模块(6)进行散热的方法为：设置一个锂电池的最佳工作温度，当锂电池温度未达到设定温度时，散热模块不工作；当锂电池温度超过设定温度时，温度控制模块(5)利用模糊模型基础上设计的实施方法预测控制，综合温度的偏差和散热模块消耗的功率控制散热模块(6)以一个最优强度散热，实现锂电池温度控制。
7.根据权利要求5所述的一种基于模糊模型预测控制的锂电池温度控制方法，其特征在于：所述步骤3)包括为：
3.1)首先，采用曼达尼(Mamdani)模糊模型拟合建立温度和SOC值共同与锂电池二阶RC等效电路模型的参数之间的非线性关系模型；
3.2)然后，建立锂电池关于温度的二阶RC等效电路状态方程，采用二元泰勒展开公式在预先设定的关键温度-散热强度采样点处对散热模块工作下的二阶RC等效电路状态方程分别进行展开，并利用T-S模糊模型将非线性关系模型转化为线性模型；
3.3)最后，设置一个优化的目标函数，并利用预测控制算法求解最优散热强度，利用最优散热强度控制散热模块(6)进行散热工作。
8.根据权利要求7所述的一种基于模糊模型预测控制的锂电池温度控制方法，其特征在于：所述步骤3)具体为：
3.1)利用实验中预先设定的关键温度和关键SOC值下进行测试获得对应温度和SOC值下的锂电池二阶RC等效电路模型的5个参数值，分别为等效欧姆电阻值、第一RC环的等效电阻值、第一RC环的时间常数、第二RC环的等效电阻值和第二RC环的时间常数，再采用曼达尼模糊模型拟合获得温度和SOC值共同与锂电池二阶RC等效电路模型的参数之间的非线性关系模型，针对实时采集的温度和SOC值输入到非线性关系模型中输出获得锂电池二阶RC等效电路模型的参数；
3.2)建立以下锂电池(1)的二阶RC等效电路状态方程：
上式中，SOC(k)表示第k时刻电池的剩余电量；I(k)表示第k时刻的电流值；△t表示采样时间间隔；Q0表示电池总容量；Ucs(k)、Rs(k)和τs(k)分别表示第k时刻锂电池二阶RC等效电路模型中第一RC环中的电压、等效电阻和时间常数，Ucl(k)、Rl(k)和τl(k)分别表示第k时刻锂电池二阶RC等效电路模型中第二RC环中的电压、等效电阻和时间常数；T(k)表示第k时刻锂电池的电池表面温度；R0(k)表示第k时刻锂电池二阶RC等效电路模型中的等效欧姆电阻R0的阻值；h(k)表示第k时刻的对流散热系数；A表示锂电池的表面积；Ten表示环境温度；M表示锂电池的质量；Cp表示锂电池的比热容；表示电池电压随温度变化的温度系数，一般取0.005V/K；
在散热模块(6)工作的情况下，锂电池(1)的二阶RC等效电路状态方程如下：
接着采用二元泰勒展开公式对上述公式分别在预先设定的关键温度-散热强度采样点进行展开：预先设定了n个关键温度，设置锂电池最佳工作温度为Tref，则当第i个关键温度Ti≤Tref时，该温度下对应的散热强度ui＝0，表示散热模块(6)不工作；当第i个关键温度Ti-Tref≥10℃时，对应的散热强度ui＝1，表示散热模块(6)全速工作，其中i≤n；
然后，建立n个以关键温度为中心的模糊集合，并利用T-S模糊模型对在预先设定的关键温度-散热强度采样点下的线性化电路状态方程进行处理，获得线性化电路状态方程：
上式中，T(k)表示第k时刻锂电池的温度；Fi表示T-S模糊模型中第个i关键温度所对应的模糊集合，ωi(T(k))表示锂电池当前温度关于第个i关键温度所对应的模糊集合的隶属度值，hi为将ωi归一化之后的隶属度值；Ti,ui分别表预先设定的第i个关键温度和该温度下对应的散热强度；
最后将线性化电路状态方程转化为以下形式：
利用上述公式的线性化电路状态方程迭代计算得到第k时刻的锂电池温度T(k)；
3.3)建立以下目标函数，将第k时刻的锂电池温度T(k)代入到目标函数中进行迭代，求出最优散热强度：
其中，u(k)表示第k时刻的散热强度；T(k)表示第k时刻的锂电池温度；Tref表示锂电池的最佳工作温度；p表示预测时域；Q和R为正定矩阵。
9.根据权利要求8所述的一种基于模糊模型预测控制的锂电池温度控制方法，其特征在于：所述的锂电池二阶RC等效电路模型包括开路电压OCV、等效欧姆电阻R0、第一RC环和第二RC环；第一RC环是由电容Cs和电阻Rs并联构成，第二RC环是由电容Cl和电阻Rl并联构成，开路电压OCV、等效欧姆电阻R0、第一RC环、第二RC环依次串联连接，串联连接后的两端输出电压，第二RC环靠近输出电压的正极，开路电压OCV靠近输出电压的负极。
10.根据权利要求8所述的一种基于模糊模型预测控制的锂电池温度控制方法，其特征在于：所述的对流散热系数h(k)计算如下：
当散热模块不工作时，则计算为h(k)＝4.3；
当散热模块工作时，则计算为：h(k)≈24.11u(k)。
CN201910740821.1A 2019-08-12 2019-08-12 一种基于模糊模型预测控制的锂电池温度控制***和方法 Active CN110492197B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910740821.1A CN110492197B (zh) 2019-08-12 2019-08-12 一种基于模糊模型预测控制的锂电池温度控制***和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910740821.1A CN110492197B (zh) 2019-08-12 2019-08-12 一种基于模糊模型预测控制的锂电池温度控制***和方法

Publications (2)

Publication Number Publication Date
CN110492197A true CN110492197A (zh) 2019-11-22
CN110492197B CN110492197B (zh) 2020-11-10

Family

ID=68550641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910740821.1A Active CN110492197B (zh) 2019-08-12 2019-08-12 一种基于模糊模型预测控制的锂电池温度控制***和方法

Country Status (1)

Country Link
CN (1) CN110492197B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113206319A (zh) * 2021-04-27 2021-08-03 吉林大学 新能源汽车动力电池组液冷***模糊滑模优化方法
CN116387692A (zh) * 2023-05-31 2023-07-04 宁波齐云新材料技术有限公司 一种锂电池pack智能散热控制***及其控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140057547A1 (en) * 2012-08-23 2014-02-27 Kia Motors Corporation Cooling blower control device and method for high-voltage battery
CN107887672A (zh) * 2017-10-10 2018-04-06 中车工业研究院有限公司 一种锂离子电池温度控制方法及装置
CN109980316A (zh) * 2019-02-27 2019-07-05 深圳市力通威电子科技有限公司 动力电池温度管理控制***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140057547A1 (en) * 2012-08-23 2014-02-27 Kia Motors Corporation Cooling blower control device and method for high-voltage battery
CN107887672A (zh) * 2017-10-10 2018-04-06 中车工业研究院有限公司 一种锂离子电池温度控制方法及装置
CN109980316A (zh) * 2019-02-27 2019-07-05 深圳市力通威电子科技有限公司 动力电池温度管理控制***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ALVIN J. SALKIND等: "Determination of state-of-charge and state-of-health of batteries by fuzzy logic methodology", 《JOURNAL OF POWER SOURCES》 *
周封等: "电动车IVT功能设计及电池管理***的优化", 《哈尔滨理工大学学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113206319A (zh) * 2021-04-27 2021-08-03 吉林大学 新能源汽车动力电池组液冷***模糊滑模优化方法
CN113206319B (zh) * 2021-04-27 2022-03-11 吉林大学 新能源汽车动力电池组液冷***模糊滑模优化方法
CN116387692A (zh) * 2023-05-31 2023-07-04 宁波齐云新材料技术有限公司 一种锂电池pack智能散热控制***及其控制方法
CN116387692B (zh) * 2023-05-31 2023-08-18 宁波齐云新材料技术有限公司 一种锂电池pack智能散热控制***及其控制方法

Also Published As

Publication number Publication date
CN110492197B (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN111430845B (zh) 一种电池包热管理方法、装置、存储介质及电子设备
Jiaqiang et al. Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge
CN111430844B (zh) 一种电池包充电时的热管理方法、装置及汽车
CN108039722B (zh) 一种适用于交直流混合的分布式可再生能源***优化配置方法
CN112531232A (zh) 一种储能***及其热管理方法
CN109572487B (zh) 一种燃料电池混合动力***的关机控制方法
Yan et al. Predicting for power battery SOC based on neural network
CN108550929A (zh) 一种电动汽车低温充电的电池热管理方法及***
CN110492197A (zh) 一种基于模糊模型预测控制的锂电池温度控制***和方法
CN105337324A (zh) 一种控制电动汽车充电时间的智能充电策略
CN114335648B (zh) 全钒液流电池***的控制方法和控制***
WO2024131296A1 (zh) 一种储能热管理***、控制方法及控制装置
CN110265745A (zh) 一种锂离子电池***对流换热过程的温度控制策略
CN106476665B (zh) 一种基于半导体制冷的车载多能杯座及控制方法
CN109412250B (zh) 一种离网发电***储能电池最佳充电速率的确定方法
CN108649282B (zh) 一种规避锂离子电池内短路风险的安全防护方法及***
CN114497818A (zh) 一种低温环境下锂离子电池的内部快速加热方法
CN110281808A (zh) 一种基于电池温度与健康状态的v2g安全控制方法及***
CN113043915A (zh) 电池的加热方法、加热***及含有该加热***的电动汽车
Tang et al. Degradation adaptive energy management strategy for FCHEV based on the Rule-DDPG method: tailored to the current SOH of the powertrain
CN116154969B (zh) 一种智能电网综合管理***
CN109378842B (zh) 电储热负荷和电池储能协调最大化减小峰谷差方法
CN208256852U (zh) 一种固态锂离子电池及电池***
JP2013251102A (ja) バッテリ制御装置
CN206180060U (zh) 一种锂电池的温度控制装置

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