CN113224412A - 动力电池的控温方法、ampc控制器、热管理***及介质 - Google Patents

动力电池的控温方法、ampc控制器、热管理***及介质 Download PDF

Info

Publication number
CN113224412A
CN113224412A CN202110348930.6A CN202110348930A CN113224412A CN 113224412 A CN113224412 A CN 113224412A CN 202110348930 A CN202110348930 A CN 202110348930A CN 113224412 A CN113224412 A CN 113224412A
Authority
CN
China
Prior art keywords
battery pack
temperature
temperature control
cooling liquid
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
CN202110348930.6A
Other languages
English (en)
Other versions
CN113224412B (zh
Inventor
赵明如
程玉佼
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.)
United Automotive Electronic Systems Co Ltd
Original Assignee
United Automotive Electronic Systems Co Ltd
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 United Automotive Electronic Systems Co Ltd filed Critical United Automotive Electronic Systems Co Ltd
Priority to CN202110348930.6A priority Critical patent/CN113224412B/zh
Publication of CN113224412A publication Critical patent/CN113224412A/zh
Application granted granted Critical
Publication of CN113224412B publication Critical patent/CN113224412B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H01M10/63—Control systems
    • H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
    • 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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • 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
    • H01M10/4285—Testing apparatus
    • 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
    • H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
    • 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
    • H01M10/61—Types of temperature control
    • H01M10/615—Heating or keeping warm
    • 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
    • H01M10/617—Types of temperature control for achieving uniformity or desired distribution of temperature
    • 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
    • H01M10/635—Control systems based on ambient temperature
    • 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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • 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
    • 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

  • 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)
  • Secondary Cells (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Sustainable Energy (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Sustainable Development (AREA)

Abstract

本发明提供了一种动力电池的控温方法、AMPC控制器、热管理***及介质。动力电池的热循环拓扑结构包括电池包和温度控制装置。控温方法，包括：根据动力电池的热循环拓扑结构，建立动力电池的控温预测模型；使用控温预测模型和若干组预先设定的温控参数信息，分别获取电池包的预测温度及温度控制装置的能耗信息；根据预设优化性能指标和目标函数从若干组所述温控参数信息中，选取一组作为温度控制装置的控制输入；并根据获取的电池包的状态参数实时校正控温预测模型。本发明提供的动力电池的控温方法、AMPC控制器、热管理***及介质，在不增加任何硬件成本的情况下，能够控制动力电池的电池包的温度处于/接近适宜的范围，且能够减少执行器的能耗。

Description

动力电池的控温方法、AMPC控制器、热管理***及介质
技术领域
本发明涉及动力电池技术领域，尤其涉及一种电池节能控温方法、控制器、热管理***及存储介质。
背景技术
近年来，由于面临能源成本的压力以及政府和消费者对于环保的日益重视，电动汽车作为缓解环境问题和能源危机的有效手段而受到人们的重视，得到迅速发展。动力电池是电动汽车的关键部件，决定汽车的动力性能。在汽车工作过程中，尤其是在加速、爬坡等情况下，电动汽车所需功率较大，此时动力电池将产生大量的热。这些热量必须快速排走，以保证汽车安全稳定地运行。因此，需要对动力电池进行热管理，保证其在合适的温度和温差范围内工作。
由于电池包成本最高，因此也成为最重要的热管理对象。电池对工作温度的要求较为苛刻。根据锂电池生产商的数据来看，20～30℃是最适宜锂电池工作的温度，温度过高或过低都会影响电池的安全，性能及寿命。其中，温度过高带来的危害更为严重，如下是某动力电池厂的实验数据。
表1：80％剩余容量与日历寿命的关系
温度/℃ 寿命/天
23 6238
35 1790
45 670
55 272
从上表可以看出，同样的电池，在环境温度23℃下，6238天后电池的剩余容量降为80％，但是电池在55℃的环境下，272天后电池的剩余容量就已经降到了80％。温度升高了32℃，电芯的日历寿命就下降了95％以上。因此，温度对日历寿命的影响极大，温度越高日历寿命衰退越严重。而汽车的工作温度范围一般为-25℃～60℃，如果不对电池进行有效的热管理，就会使电池经常工作在不适宜的温度下，造成寿命和性能的衰减，极端情况下可能会造成电池的热失控，造成着火甚至***，危害驾驶安全。
针对电池的冷却，目前的主流方案可以基于电池热管理***的复杂度以及能耗水平的不同分为主动冷却和被动冷却。其中，采用被动冷却的***结构更加简单，成本也相对更低，但已无法满足目前纯电以及插混车型中大容量大功率电池***的冷却需求。因此主动冷却的首要目标就是提高电池热管理***的控温能力。
然而，在电池热管理***中，温度控制存在诸多需要攻克的难点，大致列举如下：
1、需要处理多输入多输出***，就执行器而言，可能需要若干数量的泵，阀门，以及风扇协同工作。
2、传热过程是高度非线性的过程，其数学模型中的参数不仅是时变的，而且相互耦合。
3、需要同时满足多个目标和限制条件，而这些目标和限制条件通常是相互对立的。
与此同时，由于整车的能耗水平一直受到法规的约束，因此降低热管理***的能耗也是一项重要的目标。而这个目标一般是与控温能力相对立的，这就对电池冷却控制算法提出了更高的要求。
现有技术中，电池冷却控制算法最普遍的做法是基于规则的控制和PID控制，它们的优点在于成本较低，并经过了多年工程经验的验证，在简单***的控制上效果显著。但却存在着如下缺陷：过于依赖工程经验，当针对热惯性较大的复杂热管理***时，为了优先确保安全，通常会留出较大的控制余量，使执行器能耗较大，且难以跟随最优工况点。另外一种做法是通过车体内的空调***(冷风或热风)对电池组的温度进行控制，这种方式一方面空调***不与整车的电池管理***通讯，温控不及时、不精确，存在效果差或者浪费能源的情况；另一方面，在非空调季节和停车充电不开空调时难以保证对电池组的有效控温。还有一种做法是为电池组设置一个独立的空调***，单独给电池组进行冷却或预加热，这样相当于一台纯电动客车配了两套独立的空调***，一方面是成本的浪费，另一方面车身自重增加导致功耗增大、影响整车续航里程。
因此，针对现有技术中存在的上述缺陷，如何提供一种动力电池的控温方法，以控制动力电池的温度处于合适的范围，并减少能耗，日益成为本领域技术人员亟待解决的技术问题之一。
需要说明的是，公开于该发明背景技术部分的信息仅仅旨在加深对本发明一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明的主要目的在于，针对现有技术中存在的上述缺陷，提供一种动力电池的控温方法、AMPC控制器、热管理***及介质，以控制动力电池的电池包的温度处于或接近适宜的范围，并同时减少执行器的能耗。
为实现上述目的，本发明通过以下技术方案予以实现：一种动力电池的控温方法，所述动力电池的热循环拓扑结构包括电池包和温度控制装置；所述控温方法，包括：
根据所述动力电池的热循环拓扑结构，建立所述动力电池的控温预测模型；
按照预设规则，设定若干组温控参数信息，并分别将每组所述温控参数信息和所述动力电池的扰动参数信息输入所述控温预测模型，获取对应的所述电池包的预测温度及所述温度控制装置的能耗信息；
根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入；
获取所述电池包的状态参数，并使用所述状态参数实时校正所述控温预测模型。
可选地，所述温度控制装置包括冷却液泵和冷却器，所述冷却液泵驱动所述冷却器的冷却液向所述电池包提供冷量；其中，所述温控参数信息包括冷却液泵的转速和所述冷却器的制冷功率，所述动力电池的扰动参数信息包括所述电池包的电流强度；
所述根据所述动力电池的热循环拓扑结构，建立所述动力电池的控温预测模型，包括：
采用准静态灰箱模型建模方法，建立冷却液泵预测模型；
根据所述电池包的拓扑结构，建立电池包预测模型；
采用集总参数法，建立冷却器预测模型；
所述按照预设规则，设定若干组温控参数信息，并分别将每组所述温控参数信息和所述动力电池的扰动参数信息输入所述控温预测模型，获取对应的所述电池包的预测温度及所述温度控制装置的能耗信息的方法，包括：
所述冷却液泵预测模型根据所述冷却液泵的工况参数信息和所述冷却液泵的转速，获取冷却液质量流量和所述冷却液泵的工质泵耗功；
所述电池包预测模型根据所述电流强度和所述冷却液质量流量，获取所述电池包的预测温度；
所述冷却器预测模型根据所述冷却液质量流量、所述电池包的预测温度和所述制冷功率，获取所述冷却器出口处的预测温度。
可选地，所述冷却液泵的工况参数信息包括：入口密度、容积效率、工作容积、等熵过程出口比焓、进口比焓和等熵效率；
所述冷却液泵预测模型根据所述冷却液泵的工况参数信息和所述冷却液泵的转速，获取冷却液质量流量和所述冷却液泵的工质泵耗功的方法，包括：
根据所述入口密度、所述容积效率、所述冷却液泵的转速和所述工作容积，获取所述冷却液质量流量；
根据所述冷却液质量流量、所述等熵过程出口比焓、所述进口比焓和所述等熵效率，获取所述工质泵耗功。
可选地，所述根据所述入口密度、所述容积效率、所述冷却液泵的转速和所述工作容积，获取所述冷却液质量流量的方法，包括根据下式获取所述冷却液质量流量：
Figure BDA0003001783740000051
式中，
Figure BDA0003001783740000052
为所述冷却液质量流量；ρ为所述入口密度；ηv为所述容积效率，n为所述冷却液泵的转速，VD为所述工作容积；
其中，所述工质泵耗功通过下式获得：
Figure BDA0003001783740000053
式中，Ppump为所述工质泵耗功，
Figure BDA0003001783740000054
为所述冷却液质量流量，ηs为所述等熵效率，hout，s为所述等熵过程出口比焓，hin为所述进口比焓。
可选地，所述根据所述电池包的拓扑结构，建立电池包预测模型中，所述电池包预测模型包括等效电路模型、电池包产热模型和电池包散热模型；
所述电池包预测模型根据所述电流强度和所述冷却液质量流量，获取所述电池包的预测温度的方法，包括：
所述等效电路模型根据所述电池包的电流强度、所述电池包当前时刻的状态参数、所述电池包的预测温度和荷电状态，获取输出电压；
所述电池包产热模型根据所述电池包的电流强度、开路电压和所述输出电压，获取所述动力电池的产热量；
所述电池包散热模型根据所述动力电池的产热量、传热特征参数及边界条件，获取所述电池包的预测温度和冷却液的预测温度。
可选地，建立所述等效电路模型的方法，包括：采用等效电路法，将所述电池包的每个单体电芯等效为一阶RC模型；
和/或
建立所述电池包产热模型的方法，包括：根据所述电池包的单体电芯的个数和每个所述单体电芯的产热原理，建立所述电池包产热模型；
和/或
建立所述电池包散热模型的方法，包括：根据能量守恒，采用集总参数法，建立所述电池包散热模型。
可选地，所述一阶RC模型包括：电源元件、电感元件、电阻元件和电容元件，所述电阻元件和所述电容元件并联后再与所述电源元件和所述电感元件串联；所述状态参数包括当前时刻所述电阻元件两端的电压值；
所述等效电路模型根据所述电池包的电流强度、所述电池包当前时刻的状态参数、所述电池包的预测温度和荷电状态，获取输出电压的方法，包括：
对于每一个所述单体电芯，通过下式的连续状态方程获得所述输出电压，并在整个预测时域内对所述电阻元件两端的电压值实时迭代：
Figure BDA0003001783740000061
Vout＝VOCV-V1-IoutRint
式中，Vout为所述输出电压，VOCV为所述开路电压，Iout为所述电流强度；Rint，VOCV，R1，C1均由sig(Iout)、Tcell、SOC(t)查表获得，其中，sig(Iout)为电流方向，放电为正、充电为负；Tcell为所述电池包的预测温度，由所述电池包散热模型获得；SOC(t)为预测时域内的所述单体电芯的荷电状态；
V1为当前时刻所述电阻元件两端的电压值，
Figure BDA0003001783740000062
为下一时刻所述电阻元件两端的电压值。
可选地，包括采用安时积分法，通过下式获得所述预测时域内的所述单体电芯的荷电状态：
Figure BDA0003001783740000063
式中，SOC0为所述预测时域起点处所述单体电芯的荷电状态，Iout为所述单体电芯的电流强度，Cnom为所述单体电芯的额定容量，Tp为所述预测时域。
可选地，所述电池包产热模型根据所述电池包的电流强度、所述开路电压、所述输出电压和所述电池包的预测温度，获取所述动力电池的产热量的方法，包括：
根据电池包的每一个单体电芯的电流强度、所述开路电压、所述输出电压和所述电池包的预测温度，获取其内阻引起的焦耳热和传质引起的极化热；
根据所述电池包的所述单体电芯的拓扑关系和每个所述单体电芯的焦耳热，获取所述动力电池的产热量。
可选地，所述电池包散热模型根据所述动力电池的产热量、传热特征参数及边界条件，获取所述电池包的预测温度和所述冷却液的预测温度中，所述传热特征参数及边界条件包括：所述电池包与所述冷却液的总换热面积、换热系数、所述冷却液的比热容、电池包冷却液的进口温度、出口温度以及所述冷却液质量流量；
所述获取所述电池包的预测温度和所述冷却液的预测温度的方法，包括：
根据所述电池包与所述冷却液的总换热面积、所述冷却液的预测温度以及所述冷却液与所述电池包的换热系数，获取所述电池包与所述冷却液的换热量；
根据所述冷却液质量流量、所述冷却液比热容、所述电池包冷却液的进口温度和出口温度，获取所述电池包的热质量；
根据所述产热量、所述热质量和所述换热量，获取所述电池包的预测温度；
根据滞留在所述电池包中的冷却液质量、所述冷却液质量流量、冷却液比热容、所述电池包冷却液的进口温度和出口温度和所述换热量，获取所述冷却液的预测温度。
可选地，所述根据所述冷却液质量流量，获取所述制冷功率的方法，包括：
根据所述冷却液质量流量、滞留在所述冷却器中的冷却液质量、所述冷却液的比热容、所述冷却器进口处的温度和所述冷却器出口处的温度，获取所述制冷功率。
可选地，所述根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入的方法，包括：采用下式的目标函数，选取所述冷却液泵的转速和所述冷却器的制冷功率：
Figure BDA0003001783740000081
PTMS＝Pchiller+Ppump
式中，T(t)为t时刻所述电池包的温度，Tr为所述电池包的目标温度，PTMS为能耗，RT为温度项的系数矩阵，RP为能耗项的系数矩阵；Pchiller为所述冷却器的制冷功率，Ppump为所述冷却液泵的工质泵耗功。
可选地，所述根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入的方法，还包括：
基于线性二次规划方法，利用泰勒展开法和前向欧拉法将所述预测时域内的每个工况点的非线性连续状态方程转化为线性离散方程；
根据所述目标函数，选取其中一组作为所述温度控制装置的控制输入。
可选地，所述获取所述电池包的状态参数的方法，包括：
搭建基于卡尔曼滤波的状态观测器，获取所述电池包的状态参数。
可选地，还包括：
通过网联信息，获取所述预测时域内的扰动参数。
为了实现上述目的，本发明还提供了一种动力电池的AMPC控制器，所述动力电池的热循环拓扑结构包括电池包和温度控制装置，所述AMPC控制器包括：
控温预测单元，被配置为模拟所述动力电池的热循环拓扑结构，并用于按照预设规则，设定若干组温控参数信息，并分别将每组所述温控参数信息和所述动力电池的扰动参数信息输入所述控温预测模型，获取对应的所述电池包的预测温度及所述温度控制装置的能耗信息；
滚动优化单元，被配置为根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入；
反馈校正单元，被配置为获取所述电池包的状态参数，并使用所述状态参数实时校正所述控温预测模型。
为了实现上述目的，本发明还提供了一种动力电池的热管理***，包括与动力电池连接温度控制装置、控制器以及如上述的AMPC控制器；
所述控制器被配置为获取所述电池包的温度、荷电状态以及输出电压；
所述AMPC被配置为根据所述电流强度、所述电池包的预测温度、所述荷电状态以及所述输出电压，确定所述温度控制装置的温控参数信息；
所述温度控制装置根据所述温控参数信息，实时调节所述电池包的温度。
可选地，还包括网联信息获取模块，所述网联信息获取模块被配置为获取所述预测时域内的扰动参数。
为了实现上述目的，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可执行的指令，当所述计算机可执行的指令被执行时实现如上述任一项所述的动力电池的控温方法的步骤。
与现有技术相比，本发明提供的动力电池的控温方法、AMPC控制器、热管理***及介质，具有以下有益效果：
本发明提供的动力电池的控温方法，包括：根据所述动力电池的热循环拓扑结构，建立所述动力电池的控温预测模型；按照预设规则，设定若干组温控参数信息，并分别将每组所述温控参数信息和所述动力电池的扰动参数信息输入所述控温预测模型，获取对应的所述电池包的预测温度及所述温度控制装置的能耗信息；根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入；获取所述电池包的状态参数，并使用所述状态参数实时校正所述控温预测模型。如此配置，本发明提供的动力电池的控温方法、AMPC控制器、热管理***及介质，在不增加任何硬件成本的情况下，能够控制动力电池的电池包的温度处于或接近适宜的范围，并同时减少执行器的能耗。
进一步地，本发明提供的本发明提供的动力电池的AMPC控制器和热管理***，所述AMPC控制器包括温预测单元、滚动优化单元和反馈校正单元，如此配置，本发明提供的动力电池的AMPC控制器能够处理非线性时变***，综合利用所有执行器；可直接实现约束条件下的多目标优化；用于多输入输出的控制时，控制器的复杂度相对单输入输出的控制不会明显增加；预测性信息输入可明显改善控制效果，顺应未来智能网联的技术趋势。
附图说明
图1为本发明一实施例提供的动力电池的热循环拓扑结构示意图；
图2为本发明一实施例提供的动力电池的控温方法流程示意图；
图3为本发明一实施例提供的电池包模型的结构示意图；
图4为本发明一实施例提供的一阶RC模型电路结构示意图；
图5为本发明一实施例提供的AMPC控制器的结构示意图；
图6为本发明一实施例提供的其中一种热管理***的架构示意图；
图7为本发明一实施例提供的另外一种热管理***的架构示意图；
其中，附图标记说明如下：
100-电池包，200-温度控制装置，210-冷却器，220-冷却液泵；
310-等效电路模型、320-电池包产热模型，330-电池包散热模型；
400-AMPC控制器，410-控温预测单元、420-滚动优化单元、430-反馈校正单元；
500-控制器，600-网联信息获取模块。
具体实施方式
为使本发明的目的、优点和特征更加清楚，以下结合附图对本发明提出的动力电池的控温方法、AMPC控制器、热管理***及介质作进一步详细说明。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。应当了解，说明书附图并不一定按比例地显示本发明的具体结构，并且在说明书附图中用于说明本发明某些原理的图示性特征也会采取略微简化的画法。本文所公开的本发明的具体设计特征包括例如具体尺寸、方向、位置和外形将部分地由具体所要应用和使用的环境来确定。以及，在以下说明的实施方式中，有时在不同的附图之间共同使用同一附图标记来表示相同部分或具有相同功能的部分，而省略其重复说明。在本说明书中，使用相似的标号和字母表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
在适当情况下，如此使用的这些术语可替换。类似的，如果本文所述的方法包括一系列步骤，且本文所呈现的这些步骤的顺序并非必须是可执行这些步骤的唯一顺序，且一些所述的步骤可被省略和/或一些本文未描述的其他步骤可被添加到该方法。
本实施例提供了一种动力电池的控温方法。参见图1和图2，其中，图1为本发明一实施例提供的动力电池的热循环拓扑结构示意图，图2为本实施例提供的动力电池的控温方法流程示意图。从图1可以看出，所述动力电池的热循环拓扑结构包括电池包100和温度控制装置200。
从图2可以看出，所述控温方法，包括以下步骤：
S100：根据所述动力电池的热循环拓扑结构，建立所述动力电池的控温预测模型。
S200：按照预设规则，设定若干组温控参数信息，并分别将每组所述温控参数信息和所述动力电池的扰动参数信息输入所述控温预测模型，获取对应的所述电池包的预测温度及所述温度控制装置的能耗信息。
S300：根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入。
S400：获取所述电池包的状态参数，并使用所述状态参数实时校正所述控温预测模型。
本发明提供的动力电池的控温方法是一种在行驶工况下预测性节能控温算法。如此配置，在满足计算实时性的前提下，本发明提供的动力电池的控温方法能够控制电池包的温度处于或接近适宜的范围，并同时减少执行器的能耗。
具体地，在其中一种示例性实施方式中，所述温度控制装置200包括冷却液泵220和冷却器210，所述冷却液泵220驱动所述冷却器210的冷却液向所述电池包100提供冷量；其中，所述温控参数信息包括冷却液泵220的转速和所述冷却器210的制冷功率，所述动力电池的扰动参数信息包括所述电池包的电流强度。为了便于理解和描述，将以液冷制冷为例进行说明，本领域的技术人员可以理解地，这并非本发明的限制，对于采用风冷或者热管技术作为温度控制装置的动力电池，上述方法同样适用。
具体地，在其中一种优选实施方式中，所述根据所述动力电池的热循环拓扑结构，建立所述动力电池的控温预测模型，包括：采用准静态灰箱模型建模方法，建立冷却液泵预测模型；根据所述电池包100的拓扑结构，建立电池包预测模型；采用集总参数法，建立冷却器预测模型。进一步地，步骤S200中所述按照预设规则，设定若干组温控参数信息，并分别将每组所述温控参数信息和所述动力电池的扰动参数信息输入所述控温预测模型，获取对应的所述电池包的预测温度及所述温度控制装置的能耗信息的方法，包括：
S210：所述冷却液泵预测模型根据所述冷却液泵的工况参数信息和所述冷却液泵的转速，获取冷却液质量流量和所述冷却液泵的工质泵耗功。
S220：所述电池包预测模型根据所述电流强度和所述冷却液质量流量，获取所述电池包的预测温度。
S230：所述冷却器预测模型根据所述冷却液质量流量、所述电池包的预测温度和所述制冷功率，获取所述冷却器出口处的预测温度。
本领域的技术人员可以理解地，本发明对“按照预设规则，设定若干组温控参数信息”的具体内容进行任何限制，即既不限制设置温控参数信息(冷却液泵的转速和所述冷却器的制冷功率)的组数，也不限制每组温控参数信息的具体取值及取值的获取方法，本领域的技术人员应根据实际工况合理选择。
优选地，在其中一种示例性实施方式中，所述冷却液泵220采用容积泵，并选用了准静态灰箱模型的建模方法，该建模方法结合了物理原理和经验公式获取所述冷却液质量流量和所述冷却液泵220的转速。所述冷却液泵220的工况参数信息包括：所述冷却液泵220的工况参数信息包括：入口密度、容积效率、工作容积、等熵过程出口比焓、进口比焓和等熵效率。其中，所述容积效率和所述等熵效率可以通过标定或相关公式获得，本发明对此不作任何限制。步骤S210中，所述冷却液泵预测模型根据所述冷却液泵220的工况参数信息和所述冷却液泵220的转速，获取冷却液质量流量和所述冷却液泵220的工质泵耗功的方法，包括以下步骤：
S211：根据所述入口密度、所述容积效率、所述冷却液泵的转速和所述工作容积，获取所述冷却液质量流量。
S212：根据所述冷却液质量流量、所述等熵过程出口比焓、所述进口比焓和所述等熵效率，获取所述工质泵耗功。
具体地，在其中一种示例性实施方式中，步骤S211中，所述根据所述入口密度、所述容积效率、所述冷却液泵的转速和所述工作容积，获取所述冷却液质量流量的方法，包括根据下式获取所述冷却液质量流量：
Figure BDA0003001783740000131
式中，
Figure BDA0003001783740000132
为所述冷却液质量流量；ρ为所述入口密度；n为所述冷却液泵的转速；ηv为所述容积效率；VD为所述工作容积。
其中，所述工质泵耗功通过下式获得：
Figure BDA0003001783740000133
式中，Ppump为所述工质泵耗功，
Figure BDA0003001783740000134
为所述冷却液质量流量，ηs为所述等熵效率，hout，s为所述等熵过程出口比焓，hin为所述进口比焓。
优选地，在其中一种示例性性实施方式中，参见图3，图3为本实施例提供的电池包模型的结构示意图。从图3可以看出，所述根据所述电池包的拓扑结构，建立电池包预测模型中，所述电池包预测模型包括等效电路模型310、电池包产热模型320和电池包散热模型330。具体地，步骤S220中，所述电池包预测模型根据所述电流强度和所述冷却液质量流量，获取所述电池包的预测温度的方法，包括：
S221：所述等效电路模型310根据所述电池包100的电流强度、所述电池包100当前时刻的状态参数、所述电池包100的预测温度和荷电状态，获取输出电压；
S222：所述电池包产热模型320根据所述电池包100的电流强度、开路电压和所述输出电压，获取所述动力电池的产热量；
S223：所述电池包散热模型根据所述动力电池的产热量、传热特征参数及边界条件，获取所述电池包100的预测温度和冷却液的预测温度。
接下来，对所述电池包模型的等效电路模型310、电池包产热模型320和电池包散热模型330予以详细说明。
具体地，在其中一种优选实施方式中，所述建立所述等效电路模型的方法，包括：采用等效电路法，将所述电池包100的每个单体电芯等效为一阶RC模型。参见图4，图4为其中一种实施方式提供的一阶RC模型电路结构示意图。从图4可以看出，所述一阶RC模型包括：电源元件、电感元件、电阻元件和电容元件，所述电阻元件和所述电容元件并联后再与所述电源元件和所述电感元件串联。所述状态参数包括当前时刻所述电阻元件两端的电压值。具体地，所述等效电路模型根据所述电池包的电流强度、所述电池包当前时刻的状态参数、所述电池包的预测温度和荷电状态，获取输出电压的方法，包括：对于每一个所述单体电芯，通过下式的连续状态方程获得所述输出电压，并在整个预测时域内对所述电阻元件两端的电压值实时迭代：
Figure BDA0003001783740000141
Vout＝VOCV-V1-IoutRint
式中，Vout为所述输出电压，VOCV为所述开路电压，Iout为所述电流强度(单体电池的电流输出)；Rint，VOCV，R1，C1均由sig(Iout)、Tcell、SOC(t)查表(由BMS开发商提供)获得；其中，sig(Iout)为电流方向，放电为正、充电为负；Tcell为所述电池包的预测温度，由所述电池包散热模型获得；SOC(t)为预测时域内的所述单体电芯的荷电状态；V1为当前时刻所述电阻元件两端的电压值，为不可直接测量的状态参数；
Figure BDA0003001783740000142
为下一时刻所述电阻元件两端的电压值。所述输出电压Vout可用来建立观测器，重构出所述状态参数V1。
进一步地，在其中一种示例性实施方式中，包括采用安时积分法，通过下式获得所述预测时域内的所述单体电芯的荷电状态：
Figure BDA0003001783740000151
式中，SOC(t)为所述预测时域内的所述单体电芯的荷电状态，SOC0为所述预测时域起点处所述单体电芯的荷电状态，Iout为所述单体电芯的电流强度，Cnom为所述单体电芯的额定容量，Tp为所述预测时域。
优选地，在其中一种示例性实施方式中，所述建立所述电池包产热模型的方法，包括：根据所述电池包的单体电芯的个数和每个所述单体电芯的产热原理，建立所述电池包产热模型。
具体地，步骤S222中，所述电池包产热模型320根据所述电池包100的电流强度、开路电压和所述输出电压，获取所述动力电池的产热量方法，包括以下步骤：
S222-1：根根据电池包的每一个单体电芯的电流强度、所述开路电压、所述输出电压和所述电池包的预测温度，获取其内阻引起的焦耳热和传质引起的极化热；
S222-2：根据所述电池包的所述单体电芯的拓扑关系和每个所述单体电芯的焦耳热，获取所述动力电池的产热量。在其中一种实施方式中，假如所述电池包有N个单体电芯，则所述动力电池的产热量为N个所述单体电芯的产热量的总和。
以锂电池为例，单体电芯的产热包括锂离子电池内阻引起的焦耳热和传质损失引起的极化热，以及锂离子电池正负极的反应热(熵变热)。在动力电池正常工作的情况下，所述焦耳和所述极化热起主导作用，较佳地，可以对所述电池包产热模型进行简化，忽略了反应热，更加节省算力。
较佳地，在其中一种示例性实施方式中，所述建立所述电池包散热模型的方法，包括：根据能量守恒，采用集总参数法，建立所述电池包散热模型。
具体地，步骤S223中，所述电池包散热模型根据所述动力电池的产热量、传热特征参数及边界条件，获取所述电池包的预测温度和所述冷却液的预测温度中，所述传热特征参数及边界条件包括：所述电池包与所述冷却液的总换热面积、换热系数、所述冷却液比热容、电池包冷却液的进口温度、出口温度以及所述冷却液质量流量。具体地，所述获取所述电池包的温度的方法，包括以下步骤：
S223-1：根据所述电池包与所述冷却液的总换热面积、所述冷却液的预测温度以及所述冷却液与所述电池包的换热系数，获取所述电池包与所述冷却液的换热量。
具体地，在其中一种实施方式中，可以根据均匀壁面换热理由获取所述换热量，本领域的技术人员可以理解地，所述换热系数可根据实验标定，本发明对此不作任何限制，在实际应用中，所述总换热面积、所述冷却液的温度以及所述冷却液和所述电池包的换热系数与所述换热量之间的函数关系应根据实际工况获取，本发明对此不作限制。
S223-2：根据所述冷却液质量流量、所述冷却液比热容、所述电池包冷却液的进口温度和出口温度，获取所述电池包的热质量。
本领域的技术人员可以理解地，对所述电池包内的冷却液温度来说，由于在整个换热过程中不发生相变，而且进出口温差相对较小，因此可以采用集中参数法进行建模。对电池包中的冷却液建立动态模型之前，可以作如下假设：基于集总参数法，冷却液状态参数在除进口外的所有地方保持一致；冷却液在出口处的状态与在电池包中的状态一致；忽略冷却液在电池包中的压力损失以及动能损失；忽略对外界的散热损失。
S223-3：根据所述产热量、所述热质量和所述换热量，获取所述电池包的预测温度。继续以如前所述的液冷为例，由于所述动力电池的冷却采用的是液冷，因此电池包的散热介质仅有冷却液。因此，可以根据能量守恒方程预测所述电池包的预测温度。
S223-4：根据滞留在所述电池包中的冷却液质量、所述冷却液质量流量、冷却液比热容、所述电池包冷却液的进口温度和出口温度和所述换热量，获取所述冷却液的预测温度。
可以理解地，本发明中电池冷却采用的是液冷，因此电池包的散热介质仅有冷却液，可根据能量守恒方程得到电池包的预测温度(平均温度)的能量方程。
如此配置，本发明提供的一种动力电池的控温方法，通过建立电池包的动态模型，既可以足够准确的表达电池的动态特性，又可以实现较小的计算资源占用。
进一步地，在其中一种实施方式中，所述根据所述冷却液质量流量，获取所述制冷功率的方法，包括：
根据所述冷却液质量流量、滞留在所述冷却器中的冷却液质量、所述冷却液的比热容、所述冷却器进口处的温度和所述冷却器出口处的温度，获取所述制冷功率。可以理解地，根据制冷功率，可以对冷却液在Chiller中的换热过程进行物理建模。由于冷却液在整个换热过程中不发生相变，而且进出口温差相对较小，因此同样可以采用集中参数法进行建模。其中，假设冷却液在出口处的状态与在冷却器中的状态一致，所述滞留在所述冷却器中的冷却液质量可以通过实验标定，本发明对此不作限定。
如此配置，本发明提供的一种动力电池的温控方法，建立的冷却器预测模型为所述冷却器的动态模型，既可以足够准确的表达冷却器的动态特性，又可以实现较小的计算资源占用。
步骤S300中，所述根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入的方法，包括：采用下式的目标函数，选取所述冷却液泵的转速和所述冷却器的制冷功率：
Figure BDA0003001783740000171
PTMS＝Pchiller+Ppump
式中，T(t)为t时刻所述电池包的温度，Tr为所述电池包的目标温度，PTMS为能耗，RT为温度项的系数矩阵，RP为能耗项的系数矩阵；Pchiller为所述冷却器的制冷功率，Ppump为所述冷却液泵的工质泵耗功。通过调节两个系数矩阵可以调节目标函数中温度优化和能耗优化的权重。如此配置，不仅形式简单，可用于求解算力消耗较小的线性寻优算法，而且还能够同时对温度和能耗进行优化。
优选地，步骤S300中，所述根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入的方法，还包括以下步骤：
S310：基于线性二次规划方法，利用泰勒展开法和前向欧拉法将所述预测时域内的每个工况点的非线性连续状态方程转化为线性离散方程；
S320：根据所述目标函数，选取其中一组作为所述温度控制装置的控制输入。
由于本发明基于线性二次规划(Linear Quadratic Programming,LQP)的方法，可以在极小的算力下得到预测时域内最优控制序列的解析解。
具体地，在求解LQP问题之前，需要利用泰勒展开法和Forward-Euler法将预测时域内每个工况点(t(k)，x(k))的非线性连续状态方程转化为线性离散方程，其中
Figure BDA0003001783740000181
代表新的状态转移矩阵：
Figure BDA0003001783740000182
Figure BDA0003001783740000183
如此配置，本发明提供的动力电池的控温方法，在线性离散化的过程中，考虑了***的时变性。
Figure BDA0003001783740000184
的时变性可能体现在与x(k)有关，或者与u(k)有关，或者与时间T(k)有关。为了得到
Figure BDA0003001783740000185
Figure BDA0003001783740000186
必需的信息是预测时域内每个时间点/(k)下的x(k)和u(k)。
进一步地，本发明提供的动力电池的控温方法，采用了一个借用自身参数的方法，即调用上一个预测时域得到的最优控制序列ΔU，用来提供本次预测时域内每一步获取
Figure BDA0003001783740000187
所需要的信息。
更进一步地，当***中存在随时间变化的扰动参数(Iout(k))时，可以将未来的预测信息输入到预测时域内的线性离散方程中，使得模型预测算法能够提前响应未来的变化，做到更好的预控。得到预测时域内每个工况点(t(k),x(k))下的线性离散状态方程后，就可以结合目标函数，求解带约束的LQP问题。
步骤S400中，所述获取所述电池包的状态参数的方法，包括：
搭建基于卡尔曼滤波的状态观测器，获取所述电池包的状态参数。
由于预测模型与对象之间一定会存在误差，因此需要在每次滚动优化前将***的实际输出状态反馈至模型。当预测模型状态空间方程中含有不可直接测量的状态量时，需要搭建状态观测器，目的是根据可以直接测得的输出量来重构非线性模型中的状态量，同样实现避免累计误差的目的。
本发明提供的动力电池的控温方法，通过搭建基于卡尔曼滤波的状态观测器，并利用电池包的输出电压Vout来重构出不可直接测量的状态量V1，以及根据模型预测值和实际测量值综合反馈出最优估计值。如此配置，能够根据直接测得的输出量来重构非线性模型中的状态量，达到了避免累计误差的目的。
优选地，在其中一种示例性实施方式中，所述控温方法还包括：通过网联信息，获取所述预测时域内的扰动参数，所述扰动参数包括所述电流强度。如此配置，通过智能网联功能的辅助，根据模型预测控制算法对电池热管理***进行预控，更好地实现控温和节能的目的。
可以理解地，当没有智能网联信息时，可以假设扰动参数(Iout(k))在预测时域内保持当前值不变。
基于与所述动力电池的温控方法同一发明构思，本发明的再一实施例还提供了一种动力电池的AMPC(Adaptive Model Predictive Control,AMPC，自适应模型预测控制)控制器，参见图5，图5为本实施例提供的AMPC控制器的结构示意图。结合图1，从图5可以看出，所述动力电池的热循环拓扑结构包括电池包和温度控制装置，所述AMPC控制器400包括：控温预测单元410、滚动优化单元420和反馈校正单元430。
具体地，所述控温预测单元410，被配置为模拟所述动力电池的热循环拓扑结构，并用于按照预设规则，设定若干组温控参数信息，并分别将每组所述温控参数信息和所述动力电池的扰动参数信息输入所述控温预测模型，获取对应的所述电池包的预测温度及所述温度控制装置的能耗信息。对于AMPC来讲，模型要能够根据***的历史信息和未来的输入，来预测出对***未来的输出。本发明中，选取了能体现***非线性特性的非线性时变状态空间模型作为预测模型，并将该模型实时线性化，如此配置，不仅能够满足指数级降低控制算法的算力要求，同时保证较高的模型精度，充分体现了算法自适应性(Adaptive)的地方。
所述滚动优化单元420，被配置为根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入。在线滚动优化是AMPC的最主要特征。AMPC中，优化算法的性能指标不是某一静态时间点下的***目标函数，而是预测时域内***目标函数的积分，通过最优化这一性能指标来确定该***在预测时域内的最优控制序列。而滚动优化则体现在通过获取所述电池包的状态参数，在每一采样时刻，性能指标是从该时刻起到未来的有限时间内达到最优的效果，但只将得到的最优控制序列的第一项作为当前控制指令输出给被控对象，而在下一采样时刻，性能指标又要重新从当前时刻起到未来相同时间段内达到最优的效果，依此类推，模型预测控制最终实现滚动优化的控制效果。
所述反馈校正单元430，被配置为获取所述电池包的状态参数，并使用所述状态参数实时校正所述控温预测模型。如此配置，克服了AMPC采用的预测模型通常只能粗略描述对象的动态特性，同时环境的干扰以及测量元件和执行器的误差常常使控制效果偏离理想，从而会引起预测模型的预测输出与***实际输出之间存在着一定偏差的缺陷。通过AMPC需要在每个采样时刻检测出***的所述电池包的状态参数，根据所述状态参数与预测输出的偏差对模型进行修正，在此基础上，重新对***进行滚动优化。因此，它能够利用反馈信息对模型进行修正，实现了闭环优化控制。
综上所述，本发明提供的动力电池的AMPC控制器，具有如下有益优点：能够处理非线性时变***，综合利用所有执行器；可直接实现约束条件下的多目标优化；用于多输入输出的控制时，控制器的复杂度相对单输入输出的控制不会明显增加；预测性信息输入可明显改善控制效果，顺应未来智能网联的技术趋势。
本发明的又一实施方式还提供了一种动力电池的热管理***，参见图6，图6为本发明其中一种实施方式提供的热管理***的架构示意图，从图6可以看出，所述热管理***包括与动力电池的电池包100连接的温度控制装置200、控制器500以及上述任一实施方式所述的AMPC控制器400；所述控制器500被配置为获取所述电池包100的预测温度、荷电状态以及输出电压；所述AMPC控制器400被配置为根据电流强度、所述电池包100的温预测度、所述荷电状态以及所述输出电压，确定所述温度控制装置200的温控参数信息；所述温度控制装置200根据所述温控参数信息，实时调节所述电池包100的温度。其中，所述控制器500包括但不限于BMS，VCU等。
进一步地，参见图7，所述热管理***还包括网联信息获取模块600，所述网联信息获取模块600被配置为获取所述预测时域内的扰动参数，所述扰动参数包括所述电流强度。如此配置，通过智能网联功能的辅助，根据模型预测控制算法对电池热管理***进行预控，更好地实现控温和节能的目的。
由于本发明提供的动力电池的热管理***与上述各实施方式提供的AMPC控制器属于同一发明构思，因此，至少具有相同的有益效果，在此，不再一一赘述。
应当注意的是，在本文的实施方式中所揭露的方法和装置，也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的，例如，附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用于执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
本发明的再一实施方式还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可执行的指令，当所述计算机可执行的指令被执行时实现如上述任一实施方式所述的动力电池的控温方法的步骤。由于本发明提供的计算机可读存储介质，与上述各实施方式提供的所述动力电池的控温方法属于同一发明构思，因此，至少具有与其相同的有益效果，在此，不再一一赘述。
本实施方式的可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机硬盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其组合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
由此可见，本发明提供的动力电池的控温方法、AMPC控制器、热管理***及介质，在不增加任何硬件成本的前提下，能够控制动力电池的电池包的温度处于或接近适宜的范围，并同时减少执行器的能耗。
综上，上述实施例对动力电池的控温方法、AMPC控制器、热管理***及介质的不同构型进行了详细说明，当然，上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明包括但不局限于上述实施中所列举的构型，本领域技术人员可以根据上述实施例的内容举一反三，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims (19)

1.一种动力电池的控温方法，其特征在于，所述动力电池的热循环拓扑结构包括电池包和温度控制装置；所述控温方法，包括：
根据所述动力电池的热循环拓扑结构，建立所述动力电池的控温预测模型；
按照预设规则，设定若干组温控参数信息，并分别将每组所述温控参数信息和所述动力电池的扰动参数信息输入所述控温预测模型，获取对应的所述电池包的预测温度及所述温度控制装置的能耗信息；
根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入；
获取所述电池包的状态参数，并使用所述状态参数实时校正所述控温预测模型。
2.根据权利要求1所述的动力电池的控温方法，其特征在于，所述温度控制装置包括冷却液泵和冷却器，所述冷却液泵驱动所述冷却器的冷却液向所述电池包提供冷量；其中，所述温控参数信息包括冷却液泵的转速和所述冷却器的制冷功率，所述动力电池的扰动参数信息包括所述电池包的电流强度；
所述根据所述动力电池的热循环拓扑结构，建立所述动力电池的控温预测模型，包括：
采用准静态灰箱模型建模方法，建立冷却液泵预测模型；
根据所述电池包的拓扑结构，建立电池包预测模型；
采用集总参数法，建立冷却器预测模型；
所述按照预设规则，设定若干组温控参数信息，并分别将每组所述温控参数信息和所述动力电池的扰动参数信息输入所述控温预测模型，获取对应的所述电池包的预测温度及所述温度控制装置的能耗信息的方法，包括：
所述冷却液泵预测模型根据所述冷却液泵的工况参数信息和所述冷却液泵的转速，获取冷却液质量流量和所述冷却液泵的工质泵耗功；
所述电池包预测模型根据所述电流强度和所述冷却液质量流量，获取所述电池包的预测温度；
所述冷却器预测模型根据所述冷却液质量流量、所述电池包的预测温度和所述制冷功率，获取所述冷却器出口处的预测温度。
3.根据权利要求2所述的动力电池的控温方法，其特征在于，所述冷却液泵的工况参数信息包括：入口密度、容积效率、工作容积、等熵过程出口比焓、进口比焓和等熵效率；
所述冷却液泵预测模型根据所述冷却液泵的工况参数信息和所述冷却液泵的转速，获取冷却液质量流量和所述冷却液泵的工质泵耗功的方法，包括：
根据所述入口密度、所述容积效率、所述冷却液泵的转速和所述工作容积，获取所述冷却液质量流量；
根据所述冷却液质量流量、所述等熵过程出口比焓、所述进口比焓和所述等熵效率，获取所述工质泵耗功。
4.根据权利要求3所述的动力电池的控温方法，其特征在于，所述根据所述入口密度、所述容积效率、所述冷却液泵的转速和所述工作容积，获取所述冷却液质量流量的方法，包括根据下式获取所述冷却液质量流量：
Figure FDA0003001783730000021
式中，
Figure FDA0003001783730000022
为所述冷却液质量流量；ρ为所述入口密度；ηv为所述容积效率，n为所述冷却液泵的转速，VD为所述工作容积；
其中，所述工质泵耗功通过下式获得：
Figure FDA0003001783730000023
式中，Ppump为所述工质泵耗功，
Figure FDA0003001783730000024
为所述冷却液质量流量，ηs为所述等熵效率，hout，s为所述等熵过程出口比焓，hin为所述进口比焓。
5.根据权利要求2所述的动力电池的控温方法，其特征在于，所述根据所述电池包的拓扑结构，建立电池包预测模型中，所述电池包预测模型包括等效电路模型、电池包产热模型和电池包散热模型；
所述电池包预测模型根据所述电流强度和所述冷却液质量流量，获取所述电池包的预测温度的方法，包括：
所述等效电路模型根据所述电池包的电流强度、所述电池包当前时刻的状态参数、所述电池包的预测温度和荷电状态，获取输出电压；
所述电池包产热模型根据所述电池包的电流强度、开路电压和所述输出电压，获取所述动力电池的产热量；
所述电池包散热模型根据所述动力电池的产热量、传热特征参数及边界条件，获取所述电池包的预测温度和冷却液的预测温度。
6.根据权利要求5所述的动力电池的控温方法，其特征在于，建立所述等效电路模型的方法，包括：采用等效电路法，将所述电池包的每个单体电芯等效为一阶RC模型；
和/或
建立所述电池包产热模型的方法，包括：根据所述电池包的单体电芯的个数和每个所述单体电芯的产热原理，建立所述电池包产热模型；
和/或
建立所述电池包散热模型的方法，包括：根据能量守恒，采用集总参数法，建立所述电池包散热模型。
7.根据权利要求6所述的动力电池的控温方法，其特征在于，所述一阶RC模型包括：电源元件、电感元件、电阻元件和电容元件，所述电阻元件和所述电容元件并联后再与所述电源元件和所述电感元件串联；所述状态参数包括当前时刻所述电阻元件两端的电压值；
所述等效电路模型根据所述电池包的电流强度、所述电池包当前时刻的状态参数、所述电池包的预测温度和荷电状态，获取输出电压的方法，包括：
对于每一个所述单体电芯，通过下式的连续状态方程获得所述输出电压，并在整个预测时域内对所述电阻元件两端的电压值实时迭代：
Figure FDA0003001783730000031
Vout＝VOCV-V1-IoutRint
式中，Vout为所述输出电压，VOCV为所述开路电压，Iout为所述电流强度；Rint，VOCV，R1，C1均由sig(Iout)、Tcell、SOC(t)查表获得，其中，sig(Iout)为电流方向，放电为正、充电为负；Tcell为所述电池包的预测温度，由所述电池包散热模型获得；SOC(t)为预测时域内的所述单体电芯的荷电状态；
V1为当前时刻所述电阻元件两端的电压值，
Figure FDA0003001783730000041
为下一时刻所述电阻元件两端的电压值。
8.根据权利要求7所述的动力电池的控温方法，其特征在于，包括采用安时积分法，通过下式获得所述预测时域内的所述单体电芯的荷电状态：
Figure FDA0003001783730000042
式中，SOC0为所述预测时域起点处所述单体电芯的荷电状态，Iout为所述单体电芯的电流强度，Cnom为所述单体电芯的额定容量，Tp为所述预测时域。
9.根据权利要求5所述的动力电池的控温方法，其特征在于，所述电池包产热模型根据所述电池包的电流强度、所述开路电压、所述输出电压和所述电池包的预测温度，获取所述动力电池的产热量的方法，包括：
根据电池包的每一个单体电芯的电流强度、所述开路电压、所述输出电压和所述电池包的预测温度，获取其内阻引起的焦耳热和传质引起的极化热；
根据所述电池包的所述单体电芯的拓扑关系和每个所述单体电芯的焦耳热，获取所述动力电池的产热量。
10.根据权利要求5所述的动力电池的控温方法，其特征在于，所述电池包散热模型根据所述动力电池的产热量、传热特征参数及边界条件，获取所述电池包的预测温度和所述冷却液的预测温度中，所述传热特征参数及边界条件包括：所述电池包与所述冷却液的总换热面积、换热系数、所述冷却液的比热容、电池包冷却液的进口温度、出口温度以及所述冷却液质量流量；
所述获取所述电池包的预测温度和所述冷却液的预测温度的方法，包括：
根据所述电池包与所述冷却液的总换热面积、所述冷却液的预测温度以及所述冷却液与所述电池包的换热系数，获取所述电池包与所述冷却液的换热量；
根据所述冷却液质量流量、所述冷却液比热容、所述电池包冷却液的进口温度和出口温度，获取所述电池包的热质量；
根据所述产热量、所述热质量和所述换热量，获取所述电池包的预测温度；
根据滞留在所述电池包中的冷却液质量、所述冷却液质量流量、冷却液比热容、所述电池包冷却液的进口温度和出口温度和所述换热量，获取所述冷却液的预测温度。
11.根据权利要求5所述的动力电池的控温方法，其特征在于，所述根据所述冷却液质量流量，获取所述制冷功率的方法，包括：
根据所述冷却液质量流量、滞留在所述冷却器中的冷却液质量、所述冷却液的比热容、所述冷却器进口处的温度和所述冷却器出口处的温度，获取所述制冷功率。
12.根据权利要求2所述的动力电池的控温方法，其特征在于，所述根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入的方法，包括：采用下式的目标函数，选取所述冷却液泵的转速和所述冷却器的制冷功率：
Figure FDA0003001783730000051
PTMS＝Pchiller+Ppump
式中，T(t)为t时刻所述电池包的温度，Tr为所述电池包的目标温度，PTMS为能耗，RT为温度项的系数矩阵，RP为能耗项的系数矩阵；Pchiller为所述冷却器的制冷功率，Ppump为所述冷却液泵的工质泵耗功。
13.根据权利要求12所述的动力电池的控温方法，其特征在于，所述根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入的方法，还包括：
基于线性二次规划方法，利用泰勒展开法和前向欧拉法将所述预测时域内的每个工况点的非线性连续状态方程转化为线性离散方程；
根据所述目标函数，选取其中一组作为所述温度控制装置的控制输入。
14.根据权利要求1所述的动力电池的控温方法，其特征在于，所述获取所述电池包的状态参数的方法，包括：
搭建基于卡尔曼滤波的状态观测器，获取所述电池包的状态参数。
15.根据权利要求1所述的动力电池的控温方法，其特征在于，还包括：
通过网联信息，获取所述预测时域内的扰动参数。
16.一种动力电池的AMPC控制器，其特征在于，所述动力电池的热循环拓扑结构包括电池包和温度控制装置，所述AMPC控制器包括：
控温预测单元，被配置为模拟所述动力电池的热循环拓扑结构，并用于按照预设规则，设定若干组温控参数信息，并分别将每组所述温控参数信息和所述动力电池的扰动参数信息输入所述控温预测模型，获取对应的所述电池包的预测温度及所述温度控制装置的能耗信息；
滚动优化单元，被配置为根据预设优化性能指标、所述预测温度、所述能耗信息以及目标温度，从若干组所述温控参数信息中，选取其中一组作为所述温度控制装置的控制输入；
反馈校正单元，被配置为获取所述电池包的状态参数，并使用所述状态参数实时校正所述控温预测模型。
17.一种动力电池的热管理***，其特征在于，包括与动力电池连接温度控制装置、控制器以及如权利要求16所述的AMPC控制器；
所述控制器被配置为获取所述电池包的温度、荷电状态以及输出电压；
所述AMPC被配置为根据所述电池包的电流强度、所述电池包的预测温度、荷电状态以及所述输出电压，确定所述温度控制装置的温控参数信息；
所述温度控制装置根据所述温控参数信息，实时调节所述电池包的温度。
18.根据权利要求17所述的动力电池的热管理***，其特征在于，还包括网联信息获取模块，所述网联信息获取模块被配置为获取所述预测时域内的扰动参数。
19.一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可执行的指令，当所述计算机可执行的指令被执行时实现如权利要求1至15任一项所述的动力电池的控温方法的步骤。
CN202110348930.6A 2021-03-31 2021-03-31 动力电池的控温方法、ampc控制器、热管理***及介质 Active CN113224412B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110348930.6A CN113224412B (zh) 2021-03-31 2021-03-31 动力电池的控温方法、ampc控制器、热管理***及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110348930.6A CN113224412B (zh) 2021-03-31 2021-03-31 动力电池的控温方法、ampc控制器、热管理***及介质

Publications (2)

Publication Number Publication Date
CN113224412A true CN113224412A (zh) 2021-08-06
CN113224412B CN113224412B (zh) 2023-01-06

Family

ID=77086077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110348930.6A Active CN113224412B (zh) 2021-03-31 2021-03-31 动力电池的控温方法、ampc控制器、热管理***及介质

Country Status (1)

Country Link
CN (1) CN113224412B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113659246A (zh) * 2021-10-20 2021-11-16 中国气象科学研究院 适应于极地超低温环境的电池***及其控温方法
CN113759847A (zh) * 2021-09-08 2021-12-07 重庆交通职业学院 一种大功率混合动力***协作分布式热管理方法及***
CN114361656A (zh) * 2021-12-29 2022-04-15 广东工业大学 一种电池及其温控方法
CN116937006A (zh) * 2023-09-14 2023-10-24 深圳市首航新能源股份有限公司 一种温度控制方法和储能***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101628603B1 (ko) * 2015-01-20 2016-06-08 현대자동차주식회사 환경차량용 충전기 냉각시스템 제어 방법 및 냉각시스템 제어기
CN109193075A (zh) * 2018-09-28 2019-01-11 合肥工业大学 基于强化学习的纯电动汽车动力电池冷却***控制方法
US20190105968A1 (en) * 2017-10-06 2019-04-11 Uber Technologies, Inc. Systems and Methods for Cooling Vehicle Systems of an Autonomous Vehicle
CN111191366A (zh) * 2019-12-30 2020-05-22 中国第一汽车股份有限公司 一种基于液冷散热方式的动力电池温度预测模型及建模方法
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***
CN112271359A (zh) * 2020-11-13 2021-01-26 睿驰电装(大连)电动***有限公司 基于电池的加热***控制方法、装置以及电子设备
CN112477698A (zh) * 2020-11-17 2021-03-12 中山大学 一种动力电池主动热管理***及控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101628603B1 (ko) * 2015-01-20 2016-06-08 현대자동차주식회사 환경차량용 충전기 냉각시스템 제어 방법 및 냉각시스템 제어기
US20190105968A1 (en) * 2017-10-06 2019-04-11 Uber Technologies, Inc. Systems and Methods for Cooling Vehicle Systems of an Autonomous Vehicle
CN109193075A (zh) * 2018-09-28 2019-01-11 合肥工业大学 基于强化学习的纯电动汽车动力电池冷却***控制方法
CN111191366A (zh) * 2019-12-30 2020-05-22 中国第一汽车股份有限公司 一种基于液冷散热方式的动力电池温度预测模型及建模方法
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***
CN112271359A (zh) * 2020-11-13 2021-01-26 睿驰电装(大连)电动***有限公司 基于电池的加热***控制方法、装置以及电子设备
CN112477698A (zh) * 2020-11-17 2021-03-12 中山大学 一种动力电池主动热管理***及控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
PARK, SEHO等: "Computationally Efficient Stochastic Model Predictive Controller for Battery Thermal Management of Electric Vehicle", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113759847A (zh) * 2021-09-08 2021-12-07 重庆交通职业学院 一种大功率混合动力***协作分布式热管理方法及***
CN113759847B (zh) * 2021-09-08 2023-07-18 重庆交通职业学院 一种大功率混合动力***协作分布式热管理方法及***
CN113659246A (zh) * 2021-10-20 2021-11-16 中国气象科学研究院 适应于极地超低温环境的电池***及其控温方法
WO2023065626A1 (zh) * 2021-10-20 2023-04-27 中国气象科学研究院 适应于极地超低温环境的电池***及其控温方法
CN114361656A (zh) * 2021-12-29 2022-04-15 广东工业大学 一种电池及其温控方法
CN114361656B (zh) * 2021-12-29 2024-06-25 广东工业大学 一种电池及其温控方法
CN116937006A (zh) * 2023-09-14 2023-10-24 深圳市首航新能源股份有限公司 一种温度控制方法和储能***
CN116937006B (zh) * 2023-09-14 2023-12-26 深圳市首航新能源股份有限公司 一种温度控制方法和储能***

Also Published As

Publication number Publication date
CN113224412B (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
CN113224412B (zh) 动力电池的控温方法、ampc控制器、热管理***及介质
Amini et al. Hierarchical MPC for robust eco-cooling of connected and automated vehicles and its application to electric vehicle battery thermal management
CN111261973B (zh) 基于模型预测控制的电动汽车整车电池热管理方法
Huo et al. Lifespan-consciousness and minimum-consumption coupled energy management strategy for fuel cell hybrid vehicles via deep reinforcement learning
Ma et al. Battery thermal management strategy for electric vehicles based on nonlinear model predictive control
US20230273593A1 (en) Method and system for control of battery thermal management of electric drive bulldozers based on deep learning
Bulut et al. Prediction and optimization of the design decisions of liquid cooling systems of battery modules using artificial neural networks
Guo et al. An integrated thermal management strategy for cabin and battery heating in range-extended electric vehicles under low-temperature conditions
Anbarasu et al. Novel enhancement of energy management in fuel cell hybrid electric vehicle by an advanced dynamic model predictive control
Yang et al. Modeling and simulation of vehicle integrated thermal management system for a fuel cell hybrid vehicle
Lin et al. Active equalization control strategy of Li‐ion battery based on state of charge estimation of an electrochemical‐thermal coupling model
CN113128110A (zh) 智能网联电动汽车高寒地区动力电池热管理优化方法
Zhang et al. An optimal thermal management system heating control strategy for electric vehicles under low-temperature fast charging conditions
CN115587512A (zh) 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法
CN115732810A (zh) 一种电动汽车电池包加温***控制方法
Wu et al. Optimal battery thermal management for electric vehicles with battery degradation minimization
Wang et al. Optimization of the powertrain and energy management control parameters of a hybrid hydraulic vehicle based on improved multi-objective particle swarm optimization
Li et al. A novel engine and battery coupled thermal management strategy for connected HEVs based on switched model predictive control under low temperature
Hajidavalloo et al. NMPC-based integrated thermal management of battery and cabin for electric vehicles in cold weather conditions
Li et al. Optimization of the heat dissipation structure for lithium-ion battery packs based on thermodynamic analyses
Hai et al. Deep learning-based prediction of lithium-ion batteries state of charge for electric vehicles in standard driving cycle
Hannan et al. Lithium ion battery thermal management system using optimized fuzzy controller
Ma et al. Hierarchical optimal intelligent battery thermal management strategy for an electric vehicle based on ant colony sliding mode control
CN114256913A (zh) 一种基于操作效能最优的再分配电池包充放电管理策略
Laird et al. Graph-based design and control optimization of a hybrid electrical energy storage system

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