CN114497818B - 一种低温环境下锂离子电池的内部快速加热方法 - Google Patents

Abstract

本发明公开了一种低温环境下锂离子电池的内部快速加热方法。包括以下步骤：实时采集锂离子电池的温度、端电压、充放电电流，将上述采集值作为控制***的输入；控制***根据电池温度、电流等参数，采用扩展卡尔曼滤波估计锂离子电池的实时SoC；访问根据实验数据辨识出的锂离子电池电热耦合模型的参数数据库，获得实时的电池参数；采用遗传算法求解加热时间和能耗的优化问题，输出脉冲充放电电流幅值。本发明能显著缩短锂离子电池的加热时间，降低加热过程中锂离子电池的能量损耗，有效恢复低温环境下锂离子电池的性能，提高电动汽车在低温环境下的续航里程。

Description

一种低温环境下锂离子电池的内部快速加热方法

技术领域

本发明属于锂离子电池技术领域，具体涉及一种低温环境下锂离子电池的内部快速加热方法。

背景技术

低温会导致锂离子电池的性能产生极大损失，从而造成电动汽车的续航里程大大缩短，与此同时电动汽车的使用成本和寿命损耗会大大增加。因此，有必要在使用之前恢复电池的性能，即通过加热电池，使其温度恢复正常工作温度。以更快速、更节能的方法实现锂离子电池的升温是保证电动汽车续航里程和在寒冷地区普及的关键问题。

在现有的加热方法中，外部加热方法都是利用外部热源产生的热量加热电池。热源产生的热量通过传热介质传到电池内部，传导路径复杂、传热效率低下、能量利用率低且加热过程会持续较长时间。与外部加热方法相比，内部加热方法利用电池在低温下阻抗大大增加的特性，通过电池的充放电就能在电池内部产生大量热量，热传导效率高、加热时间快且能量利用率高，能够很好的解决外部加热的问题。但是现有的内部加热方法一般不考虑不同温度、不同SoC、不同加热电流幅值等情况下的锂离子电池参数变化问题，不能在消耗较低能量的情况下快速加热锂离子电池。

发明内容

为了解决上述技术问题，本发明提供一种低温环境下锂离子电池的内部快速加热方法。本发明能够快速、节能地在内部加热锂离子电池，提高了低温环境下电动汽车的性能，保证了电动汽车的续航里程，降低了电池汽车的运行成本。

本发明解决其技术问题所采用的技术方案是：一种低温环境下锂离子电池的内部快速加热方法，包括如下步骤：

A：设定脉冲电流的频率、脉宽和采集数据的周期；

B：采集实时的锂离子电池表面温度、端电压以及脉冲电流幅值；

C：根据步骤B中采集的脉冲电流幅值和初始SoC估计锂离子电池的实时SoC；

D：根据步骤B中采集的锂离子电池表面温度和步骤C中得到的SoC，采用查表法获得当前状态下锂离子电池的电热耦合模型的参数；

E：采用遗传算法求解加热时间和能耗的优化问题，优化模糊逻辑控制器，获得模糊控制规则；

F：以步骤B中采集到的锂离子电池表面温度和步骤C中得到的SoC作为模糊逻辑控制器的输入，根据步骤E中的模糊控制规则获得加热电流幅值；在此过程中锂离子电池的温度、SoC和电热偶合模型参数不断更新；

G：重复步骤B～F，直到锂离子电池的温度达到目标温度。

优选的，所述步骤A中，脉冲周期为4s，脉宽为50％，采样周期为1s。

优选的，所述步骤C的具体步骤为：对建立的电池模型进行离散化处理：

U_cell(k)＝U_oc(SoC(k))-U₂(k)-U₃(k)-R₀I(k)

其中：SoC(k)为k时刻电池的荷电状态，η为库伦效率，Q为电池的额定容量，I(k)为k时刻电池的电流，R_ct、C_dl分别是时间常数较小极化电阻和极化电容，U₂(k+1)是R_ctC_dl上的电压，R_SEI、C_SEI分别是时间常数较大极化电阻和极化电容，U₃(k+1)是R_SEIC_SEI上的电压，τ₁、τ₂是上述两个RC网络的时间常数，τ₁＝R_ctC_dl，τ₂＝R_SEIC_SEI，U_cell(k)是电池的端电压；

选择SoC、U₂、U₃作为状态变量，U_cell作为测量变量，根据上述公式，电池的状态空间方程为：

其中，x_k是状态向量，u_k是输入向量，w_k是过程噪声，y_k是测量向量，v_k是测量噪声，

基于扩展卡尔曼滤波算法估计SoC的具体步骤如下：

C1：估算k时刻的状态变量值：

C2：计算协方差矩阵：

C3：计算卡尔曼增益：

C4：根据C3所得结果修正状态向量估计值：

C5：更新协方差矩阵：

循环执行步骤C1～C5，实现算法的不断迭代，得到估算的实时SoC。

优选的，所述步骤E中，加热时间和能量损耗的优化问题表达如下：

电流越大，产热越多，加热时间也就越短，因此第一个优化目标为：

J₁＝I(k)²·Z_R

电池SoC下降越少，说明加热过程消耗的能量越少，因此第二个优化目标为：

由于J₂在[0，1]的范围内变化，但是J₁可以达到数百mAh，因此通过对J₁进行归一化处理，消除两个优化目标之间的数量级差异，两目标之间的重要程度是通过设置权重来实现的，优化目标权重越大，说明该目标越重要，优化目标函数如下：

其中，α是权重系数，I(k)为k时刻电池的电流，Z_R是电池阻抗的实部，q_min和q_max分别是最小和最大产热量，Q为电池的额定容量；

电流和电压的约束条件：

I_c≤I_{c_max}

I_d≤I_{d_max}

I_c≤I_d

I_c·|Z|+U_oc≤U_max

U_oc-I_d·|Z|≥U_min

优选的，所述步骤F中，将步骤B中采集到的电池温度和步骤C中估计的电池SoC作为模糊逻辑控制器的输入，经过模糊化，结合步骤E中优化后得到的控制规则表，经过去模糊化后得到输出，即脉冲充放电电流幅值，用于加热锂离子电池。

本发明的有益效果：

本发明通过实验获得了锂离子电池的电热耦合模型的参数，以此建立模型参数与电池温度、SoC的关系数据库。且基于上述数据库，能够准确估计锂离子电池的SoC；采用遗传算法求解加热时间和能耗的优化问题，优化模糊逻辑控制器，获得模糊控制规则，根据模糊控制规则获得根据当前的电池温度和SoC输出的加热电流序列，实现快速、节能地从内部加热锂离子电池，恢复低温环境下电动汽车的性能，保证了电动汽车的续航里程，降低了电池汽车的运行成本。

附图说明

图1是本发明的流程图；

图2是本发明中的锂离子电池SoC估计的算法流程图；

图3是本发明中模糊逻辑控制器的脉冲充电电流的输入输出表面空间图；

图4是本发明中模糊逻辑控制器的脉冲放电电流的输入输出表面空间图；

图5是本发明的脉冲电流序列示意图；

具体实施方式

下面将结合本发明中的附图，对本发明的技术方案进行清楚、完整地描述。

如图1所示，图1为本发明的流程图。一种低温环境下锂离子电池的内部快速加热方法包括如下步骤：

首先设定脉冲电流的频率、脉宽和采集数据的周期；本步骤中，设定的参数为：脉冲周期为4s，脉宽为50％，采样周期为1s。

接下来采集实时的锂离子电池表面温度、端电压、脉冲电流幅值等信息；本步骤中，用贴在锂离子电池表面的热电偶测量电池的温度，用电压传感器实时采集电池的开路电压和端电压，用电流传感器实时采集电池的脉冲电流大小，并将上述信息通过串口传至上位机。

然后根据步骤B中采集到的脉冲电流幅值和初始SoC，采用扩展卡尔曼滤波估计锂离子电池的实时SoC；本步骤中，以电池的端电压作为测量值，以卡尔曼滤波器输出的SoC作为估计值，基于上述步骤采集的信息和建立的数据库，实时估计锂离子电池的当前SoC。

根据采集到的锂离子电池表面温度和估计的SoC，采用查表法获得当前状态下锂离子电池的电热耦合模型的参数；本步骤中，结合脉冲电流序列、采集到的电池温度以及估计出的SoC，读取建立的数据库，获取实时的电池参数。

采用遗传算法求解加热时间和能耗的优化问题，优化模糊逻辑控制器，获得模糊控制规则；本步骤中，基于经验建立的规则库存在较多认为因素，且不是最优的，那么就建立加热时间和能量损耗的优化问题，结合电压和电流约束，采用遗传算法求解该优化问题，获得模糊规则表。

以采集到的锂离子电池表面温度和估计出的SoC作为模糊逻辑控制器的输入，根据模糊控制规则表获得加热电流幅值；在此过程中锂离子电池的温度、SoC和电热偶合模型参数不断更新；本步骤中，将采集到的电池温度和估计出的电池SoC作为模糊逻辑控制器的输入，经过模糊化，结合优化后得到的控制规则表，经过去模糊化后得到输出，即脉冲充放电电流幅值，用于加热锂离子电池。随着电池温度不断上升，电池的SoC和模型参数会不断变化，因此需要不断更新参数，从而更新电流幅值，保证加热效果。

最后重复上述步骤，直到锂离子电池的温度达到目标温度；本步骤中，需要提前设定目标温度，该温度能使锂离子的性能恢复正常。

对于本发明而言，基于卡尔曼滤波估计锂离子电池的SoC还可以进一步细化，其算法框图如图3所示，流程图如图4所示，其步骤进一步包括：

估算k时刻的状态变量值；

计算协方差矩阵；

计算卡尔曼增益；

根据所得卡尔曼增益修正状态向量估计值；

更新协方差矩阵；

循环执行上述步骤，实现算法的不断迭代。

以上所述仅为本发明的较优实例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种低温环境下锂离子电池的内部快速加热方法，其特征在于，包括如下步骤：

A：设定脉冲电流的频率、脉宽和采集数据的周期；

B：采集实时的锂离子电池表面温度、端电压以及脉冲电流幅值；

C：根据步骤B中采集的脉冲电流幅值和初始SoC估计锂离子电池的实时SoC；具体步骤为：对建立的电池模型进行离散化处理：

U_cell(k)＝U_oc(SoC(k))-U₂(k)-U₃(k)-R₀I(k)

其中：SoC(k)为k时刻电池的荷电状态，η为库伦效率，Q为电池的额定容量，I(k)为k时刻电池的电流，R_ct、C_dl分别是时间常数较小极化电阻和极化电容，U₂(k+1)是R_ctC_dl上的电压，R_SEI、C_SEI分别是时间常数较大极化电阻和极化电容，U₃(k+1)是R_SEIC_SEI上的电压，τ₁、τ₂是上述两个RC网络的时间常数，τ₁＝R_ctC_dl，τ₂＝R_SEIC_SEI，U_cell(k)是电池的端电压；

选择SoC、U₂、U₃作为状态变量，U_cell作为测量变量，根据上述公式，电池的状态空间方程为：

其中，x_k是状态向量，u_k是输入向量，w_k是过程噪声，y_k是测量向量，v_k是测量噪声，

基于扩展卡尔曼滤波算法估计SoC的具体步骤如下：

C1：估算k时刻的状态变量值：

C2：计算协方差矩阵：

C3：计算卡尔曼增益：

C4：根据C3所得结果修正状态向量估计值：

C5：更新协方差矩阵：

循环执行步骤C1～C5，实现算法的不断迭代，得到估算的实时SoC；

D：根据步骤B中采集的锂离子电池表面温度和步骤C中得到的SoC，采用查表法获得当前状态下锂离子电池的电热耦合模型的参数；

E：采用遗传算法求解加热时间和能耗的优化问题，优化模糊逻辑控制器，获得模糊控制规则；加热时间和能耗的优化问题表达如下：

电流越大，产热越多，加热时间也就越短，因此第一个优化目标为：

J₁＝I(k)²·Z_R

电池SoC下降越少，说明加热过程消耗的能量越少，因此第二个优化目标为：

由于J₂在[0，1]的范围内变化，但是J₁可以达到数百mAh，因此通过对J₁进行归一化处理，消除两个优化目标之间的数量级差异，两目标之间的重要程度是通过设置权重来实现的，优化目标权重越大，说明该目标越重要，优化目标函数如下：

其中，α是权重系数，I(k)为k时刻电池的电流，Z_R是电池阻抗的实部，q_min和q_max分别是最小和最大产热量，Q为电池的额定容量；

电流和电压的约束条件：

I_c≤I_{c_max}

I_d≤I_{d_max}

I_c≤I_d

I_c·|Z|+U_oc≤U_max

U_oc-I_d·|Z|≥U_min；

F：以步骤B中采集到的锂离子电池表面温度和步骤C中得到的SoC作为模糊逻辑控制器的输入，根据步骤E中的模糊控制规则获得加热电流幅值；在此过程中锂离子电池的温度、SoC和电热偶合模型参数不断更新；

G：重复步骤B～F，直到锂离子电池的温度达到目标温度。

2.根据权利要求1中所述的一种低温环境下锂离子电池的内部快速加热方法，其特征在于，所述步骤A中，脉冲周期为4s，脉宽为50％，采样周期为1s。

3.根据权利要求1中所述的一种低温环境下锂离子电池的内部快速加热方法，其特征在于，所述步骤F中，将步骤B中采集到的电池温度和步骤C中估计的电池SoC作为模糊逻辑控制器的输入，经过模糊化，结合步骤E中优化后得到的控制规则表，经过去模糊化后得到输出，即脉冲充放电电流幅值，用于加热锂离子电池。

4.根据权利要求1中所述的一种低温环境下锂离子电池的内部快速加热方法，其特征在于，所述步骤C中，采用扩展卡尔曼滤波估计锂离子电池的实时SoC。