CN116826254A - 重载货运列车自组网低温下电池直流自加热方法、***、介质及终端 - Google Patents
重载货运列车自组网低温下电池直流自加热方法、***、介质及终端 Download PDFInfo
- Publication number
- CN116826254A CN116826254A CN202311040175.0A CN202311040175A CN116826254A CN 116826254 A CN116826254 A CN 116826254A CN 202311040175 A CN202311040175 A CN 202311040175A CN 116826254 A CN116826254 A CN 116826254A
- Authority
- CN
- China
- Prior art keywords
- battery
- heating
- self
- temperature
- current
- 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.)
- Withdrawn
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000010168 coupling process Methods 0.000 claims abstract description 56
- 230000008878 coupling Effects 0.000 claims abstract description 55
- 238000005859 coupling reaction Methods 0.000 claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 31
- 230000032683 aging Effects 0.000 claims abstract description 28
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 208000028659 discharge Diseases 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000005485 electric heating Methods 0.000 abstract 1
- 239000002245 particle Substances 0.000 description 7
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 6
- 229910001416 lithium ion Inorganic materials 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003878 thermal aging Methods 0.000 description 1
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
-
- 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
- H01M10/62—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
- H01M10/60—Heating or cooling; Temperature control
- H01M10/63—Control systems
- H01M10/637—Control systems characterised by the use of reversible temperature-sensitive devices, e.g. NTC, PTC or bimetal devices; characterised by control of the internal current flowing through the cells, e.g. by switching
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)
Abstract
本发明公开了一种重载货运列车自组网低温下电池直流自加热方法、***、介质及终端，其中方法包括S1获取电热老化耦合模型；对耦合模型进行测试，得到不同的温度、SOC下耦合模型的离线参数数据库；S2设定电池加热的目标温度；S3获取电池的当前温度、当前SOC，基于耦合模型的离线参数数据库确定电池当前的耦合模型的参数值；S4将电池自加热过程中的加热时间和电池容量损耗作为优化目标，采用多目标优化算法求解最优的电池自加热多阶段恒流电流序列；S5判断当前电池温度是否达到目标温度：若否，则返回S3；若是，则结束电池自加热。能够快速高效地进行内部加热电池，大幅提高了重载货运列车在低温环境下的续航能力。
Description
技术领域
本发明涉及动力电池管理技术领域，尤其涉及一种重载货运列车自组网低温下电池直流自加热方法、***、介质及终端。
背景技术
锂离子电池由于自放电率较低，能量功率密度大，作为新一代环境友好型储能元件被广泛运用。车载自组网的设计目标是建立一个车辆间通信的平台，不仅提高交通效率，还增加了列车行驶过程中的安全性，实时通讯的电子元件都需要电池维持其续航。然而低温环境导致锂离子电池性能大幅降低，表现为可用容量损失严重，由此导致重载货运列车可行驶里程损失，用于车辆间通信的自组网失效，降低了重载货运列车行驶的安全性，同时增加了重载货运列车的运行成本和维护成本。因为如何在重载货运列车启动前，采用实时高效、安全、可靠的加热方式，使锂离子电池温度处于理想的工作温度区间，是解决极寒环境下重载货运列车续航不足的重中之重。如何在较低温度环境下，兼顾预热时间和由此带来的动力电池寿命损耗，实现低温环境下电池预热，提升重载货运列车性能以推广其在寒冷地区的普及的关键问题。
现有研究技术中，通常使用特定的热管理***，对锂离子电池进行外部预热，将外部热源产生的热量借助统统类型介质传递到电池组，由于传热过程热量散失导致其传热效率较低，外部加热方案存在加热时间普遍较长、电池组内部较大温度梯度等问题。内部加热方案可以很好的解决上述问题，借助低温环境下锂离子电池内部阻抗较大的特点，通过自身能量释放电流，使电池内部产生大量化学热，从而实现电池自热。现有内部加热技术通常需要设计复杂的加热电流或是需要额外的外部电源提供能量支持，同时未考虑电池自热过程中温度变化以及SOC变化对电池模型参数的影响，且预热过程中预热时间较长、容量损耗较大。
发明内容
为了解决背景技术中的技术问题，本发明提供了一种重载货运列车自组网低温下电池直流自加热方法、***、介质及终端，其中方法通过基础实验构建锂电池电热-老化耦合模型参数离线参数数据库，锂离子电池自热过程中实时计算电池荷电状态(SOC)变化，根据当前SOC和电池当前温度从电热-老化耦合模型离线参数数据库中获取当前模型对应的参数值，更新与电池产热相关模型参数；通过构建电池预热过程中所需预热时间和电池容量损耗的多目标优化问题，均衡考虑电池预热过程中所需预热时间和动力电池容量损耗情况；能够快速高效地进行内部加热电池，减少了重载货运列车的热管理***成本，大幅提高了重载货运列车在低温环境下的续航，并延长了电池的使用寿命。
第一方面，本发明提供了一种重载货运列车自组网低温下电池直流自加热方法，包括：
S1：将电池电模型、电池热模型、电池老化模型进行耦合，得到电热-老化耦合模型；并对电热-老化耦合模型进行测试，得到不同的温度、电池荷电状态下电热-老化耦合模型的离线参数数据库；
S2：设定电池加热的目标温度；
S3：获取电池的当前温度、当前荷电状态，基于电热-老化耦合模型的离线参数数据库确定电池当前的电热-老化耦合模型的参数值；
S4：将电池自加热过程中的加热时间和电池容量损耗作为优化目标，采用多目标优化算法求解电池当前温度、当前荷电状态下最优的电池自加热多阶段恒流电流序列；其中，电池加热时间与电池容量损耗的权重是根据用户需求进行分配得到的；
S5：判断当前电池温度是否达到目标温度：若否，则返回S3；若是，则结束电池自加热。
进一步地，所述S1中，电池电模型的具体获取过程为：对电池进行混合功率脉冲特性测试，根据电池在不同温度、荷电状态下的电压动态响应状况，确定电池电模型参数得到的。
进一步地，所述S1中，电池热模型的具体获取过程为：在与电池电模型同样的温度、荷电状态区间下，测量电池开路电压随温度变化的曲线，计算电池熵变系数；将电池进行恒温冷却，得到电池温度随时间变化的曲线，确定电池与环境热交换的系数，得到电池热模型参数。
进一步地，所述S1中，电池老化模型的具体获取过程为：对电池进行老化测试，使用半经验老化模型，结合老化测试结果得到电池老化模型参数。
进一步地，S4中的优化目标为：
其中，f为目标函数；ω为权重因子；Qloss为电池自加热过程中的电池容量损耗；t为电池自加热过程中的加热时间；n为第n个恒流放电阶段；N为恒流放电阶段数；It表示放电电流；Vt表示电池端电压，SOCinit表示电池初始荷电状态。
进一步地，所述电池的荷电状态计算如下：
其中，SOC(t0)为电池初始时刻的荷电状态；Cb表示电池额定电容，η表示电池充放电效率，I表示充放电电流大小。
进一步地，所述电池自加热多阶段恒流电流序列的获取过程：
电池从初始温度加热升温至目标温度的过程中，对电池温度进行离散化，以预设温度间隔作为梯度，温度每上升一个梯度，则将电池当前梯度自加热过程中的加热时间和电池容量损耗作为优化目标，采用多目标优化算法求解电池当前梯度温度、荷电状态下最优的电池自加热多阶段恒流电流序列。
第二方面，本发明提供了一种重载货运列车自组网低温下电池直流自加热***，包括：
离线参数数据库模块：用于将电池电模型、电池热模型、电池老化模型进行耦合，得到电热-老化耦合模型；并对电热-老化耦合模型进行测试，得到不同的温度、电池荷电状态下电热-老化耦合模型的离线参数数据库；
目标温度设定模块：用于设定电池加热的目标温度；
模型参数获取模块：用于获取电池的当前温度、当前荷电状态，基于电热-老化耦合模型的离线参数数据库确定电池当前的电热-老化耦合模型的参数值；
电池加热电流控制模块：用于将电池自加热过程中的加热时间和电池容量损耗作为优化目标，采用多目标优化算法求解电池当前温度、当前荷电状态下最优的电池自加热多阶段恒流电流序列；判断当前电池温度是否达到目标温度：若是，则结束电池自加热；若否，则根据当前电池温度和荷电状态，从模型参数获取模块中获取耦合模型的参数，进而采用多目标优化算法求解电池自加热多阶段恒流电流序列，更新放电电流直至达到目标温度结束电池自加热。
第三方面，本发明提供了一种计算机可读存储介质，存储了计算机程序，所述计算机程序被处理器调用时以执行如上所述所述重载货运列车自组网低温下电池直流自加热方法的步骤。
第四方面，本发明提供了一种电子终端，包括处理器和存储器，所述存储器存储了计算机程序，所述处理器调用所述计算机程序以执行如上所述重载货运列车自组网低温下电池直流自加热方法的步骤。
有益效果
本发明提出了一种重载货运列车自组网低温下电池直流自加热方法、***、介质及终端，其中方法将电池从电、热、老化三个方面进行耦合，分析电荷荷电状态对电池产热过程的影响，建立离线参数数据库以实时更新因SOC变化而变化的模型参数；将电池自加热过程中的加热时间和电池容量损耗联合优化，根据用户提出的预热偏好不同，为两种相互冲突的优化目标分配权重，考虑电池自加热过程中电池荷电状态的变化，确定多目标优化问题下最优的电池自加热多阶段恒流电流序列实现均衡优化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的重载货运列车自组网低温下电池直流自加热方法的流程图；
图2是本发明实施例提供的重载货运列车自组网低温下电池直流自加热方法的结构框图；
图3是本发明实施例提供的电热-老化耦合模型框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
实施例1
如图1-2所示，本实施例提供了一种重载货运列车自组网低温下电池直流自加热方法，包括：
S1：将电池电模型、电池热模型、电池老化模型进行耦合，得到电热-老化耦合模型；基于不同的温度、电池荷电状态对电热-老化耦合模型进行测试，得到电热-老化耦合模型的离线参数数据库。
具体地，电池电模型的具体获取过程为：对电池进行混合功率脉冲特性测试，根据电池在不同温度、荷电状态下的电压动态响应状况，确定电池电模型参数得到的。本实施例中，根据电压动态响应状况，通过使用小二乘法拟合参数确定电池二阶等效电路模型参数。具体实施时，使用1C电流倍率放电10秒，0.75C倍率充电10秒，通过充电、放电脉冲序列将动力电池SOC从100％释放到10％，拟合该过程端电压-时间变化曲线，辨识电池等效电路模型中的欧姆内阻、电容、极化电阻、极化电容参数值。
电池热模型的具体获取过程为：在与电池电模型同样的温度、荷电状态区间下，测量电池开路电压随温度变化的曲线，计算电池熵变系数；将电池进行恒温冷却，得到电池温度随时间变化的曲线，确定电池与环境热交换的系数，得到电池热模型参数。本实施例中，电池熵变系数测试实验是在-25℃-10℃范围内计算不同电池荷电状态下电池开路电压-温度变化曲线，由此确定熵变系数。冷却实验将电池从室温环境下放入预设好低温的恒温箱中，拟合温度-时间变化曲线计算动力电池与环境之间的热交换系数。
电池老化模型的具体获取过程为：对电池进行老化测试，使用半经验老化模型，结合老化测试结果得到电池老化模型参数。本实施例中，在不同环境温度下对电池实施不同倍率的放电电流，拟合环境温度、放电倍率与电池容量损耗之间的关系，确定电池半经验老化模型中的指数因子、补偿系数、基准温度以及补偿温度。
通过以电池电流、电池温度、电池放电时间为桥梁，将电池电模型、电池热模型、电池老化模型进行耦合得到电热-老化耦合模型，如图3所示。基于不同的温度、电池荷电状态对电热-老化耦合模型进行测试，得到不同的温度、电池荷电状态下电热-老化耦合模型的离线参数数据库
S2：设定电池加热的目标温度，所述目标温度为能够满足电池的输出功率需求的温度值。
S3：获取电池的当前温度、当前荷电状态，基于电热-老化耦合模型的离线参数数据库确定电池当前的电热-老化耦合模型的参数值。
具体地，采集当前电池表面温度(即电池的温度)、端电压、流过的加热电流信息，采用按时积分法计算电池的荷电状态。进而根据电池的温度、计算得到的电池荷电状态，从电热-老化耦合模型的离线参数数据库中得到对应的电热-老化耦合模型电池产热相关模型参数。电池本实施例中，通过紧贴电池的温度传感器实时采集电池的表面温度；电压传感器实时采集电池的端电压和开路电压；电流传感器实时采集流过电池的脉冲电流。
S4：将电池自加热过程中的加热时间和电池容量损耗作为优化目标，采用多目标优化算法求解电池当前温度、荷电状态下最优的电池自加热多阶段恒流电流序列；其中，电池加热时间与电池容量损耗的权重是根据用户需求进行分配得到的。
具体地，电池预热是一个复杂的电热老化耦合过程，电池等效电路模型参数会影响电池产热速率，温度上升会反过来作用于电池等效电路模型更新其参数，电流大小和预热时间共同决定了电池老化程度，对外表现为动力电池容量Qloss损耗。根据用户对电池自加热过程中的加热时间和电池容量损耗的需求，分配加热时间和电池容量损耗对应的权重，并将电池自加热过程中的加热时间和电池容量损耗作为优化目标，优化目标的目标函数表达式具体如下：
其中，f为目标函数；ω为权重因子，当ω＝0时，目标函数只考虑加热时间的最小值，即以牺牲电池容量损耗为代价，实现最快速度的温度上升，使电池达到性能较好的温度区间，当ω＝1时，目标函数只考虑电池容量损耗的最小值，需要以更长电池加热时间为代价，实现电池预热过程中最小的容量损耗(适用于不急于使用电池的场景)；其他权重因子ω取值应根据用户对电池预热时间和寿命损耗二者不同的考虑，在[0-1]范围内进行取值；Qloss为电池自加热过程中的电池容量损耗；t为电池自加热过程中的加热时间；n为第n个恒流放电阶段；N为恒流放电阶段数；It表示放电电流；Vt表示电池端电压，SOCinit表示电池初始荷电状态。
电池从初始温度加热升温至目标温度的过程中，对电池温度进行离散化，以预设温度间隔作为梯度，温度每上升一个梯度，则将电池当前梯度自加热过程中的加热时间和电池容量损耗作为优化目标，采用多目标优化算法求解电池当前梯度温度、荷电状态下最优的电池自加热多阶段恒流电流序列。本实施例中，预设温度间隔为1℃，每次升温1℃将更新电池温度，则根据安时积分法计算在此过程中的电池荷电状态SOC的变化，进而将电池当前温度、电池荷电状态作为输入到电热-老化耦合模型离线参数数据库中，对应更新当前电热-老化耦合模型的参数值。其中，第t时刻SOC值SOC(t)的计算公式表示如下：
其中SOC(t0)表示初始时刻的SOC值，Cb表示动力电池额定电容，η表示电池充放电效率，I表示充放电电流大小。
更具体地，本实施例中的多目标算法采用粒子群算法，求解电池当前温度、荷电状态下最优的电池自加热多阶段恒流电流序列，求解的具体过程如下：
A：初始化电池放电电流值，初始化粒子种群数目和代数；
B：根据目标函数，计算初始化的每一个粒子的适应度；
C：对每个粒子，将它的适应值和它经历过的最优位置作比较，如果较好，则将其作为当前的最优位置；
D：对每个微粒，将它的适应值和全局所经历最优位置作比较，如果较好，则重新设置全局最优位置；
E：更新出最佳粒子，即为最佳解。
本实施例中的方法，在电池初始SOC较低的情况下(如初始SOC＝10％)，依旧可以通过消耗自身3.83％SOC的能量实现动力电池的升温从而恢复电池理想的工作性能。
实施例2
本实施例提供了一种重载货运列车自组网低温下电池直流自加热***，包括：
离线参数数据库模块：用于将电池电模型、电池热模型、电池老化模型进行耦合，得到电热-老化耦合模型；并对电热-老化耦合模型进行测试，得到不同的温度、电池荷电状态下的电热-老化耦合模型的离线参数数据库；
目标温度设定模块：用于设定电池加热的目标温度；
模型参数获取模块：用于获取电池的当前温度、当前荷电状态，基于电热-老化耦合模型的离线参数数据库确定电池当前的电热-老化耦合模型的参数值；
电池加热电流控制模块：用于将电池自加热过程中的加热时间和电池容量损耗作为优化目标，采用多目标优化算法求解电池当前温度、当前荷电状态下最优的电池自加热多阶段恒流电流序列；判断当前电池温度是否达到目标温度：若是，则结束电池自加热；若否，则根据当前电池温度和荷电状态，从模型参数获取模块中获取耦合模型的参数，进而采用多目标优化算法求解电池自加热多阶段恒流电流序列，更新放电电流直至达到目标温度结束电池自加热；其中，电池加热时间与电池容量损耗的权重是根据用户需求进行分配得到的。
实施例3
本实施例提供了一种计算机可读存储介质，存储了计算机程序，所述计算机程序被处理器调用时以执行如上所述重载货运列车自组网低温下电池直流自加热方法的步骤。
实施例4
本实施例提供了一种电子终端，包括处理器和存储器，所述存储器存储了计算机程序，所述处理器调用所述计算机程序以执行如上所述重载货运列车自组网低温下电池直流自加热方法的步骤。
当理解，在本发明实施例中，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
所述可读存储介质为计算机可读存储介质，其可以是前述任一实施例所述的控制器的内部存储单元，例如控制器的硬盘或内存。所述可读存储介质也可以是所述控制器的外部存储设备，例如所述控制器上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述可读存储介质还可以既包括所述控制器的内部存储单元也包括外部存储设备。所述可读存储介质用于存储所述计算机程序以及所述控制器所需的其他程序和数据。所述可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种重载货运列车自组网低温下电池直流自加热方法，其特征在于，包括：
S1：将电池电模型、电池热模型、电池老化模型进行耦合，得到电热-老化耦合模型；并对电热-老化耦合模型进行测试，得到不同的温度、电池荷电状态下的电热-老化耦合模型的离线参数数据库；
S2：设定电池加热的目标温度；
S3：获取电池的当前温度、当前荷电状态，基于电热-老化耦合模型的离线参数数据库确定电池当前的电热-老化耦合模型的参数值；
S4：将电池自加热过程中的加热时间和电池容量损耗作为优化目标，采用多目标优化算法求解电池当前温度、当前荷电状态下最优的电池自加热多阶段恒流电流序列；其中，电池加热时间与电池容量损耗的权重是根据用户需求进行分配得到的；
S5：判断当前电池温度是否达到目标温度：若否，则返回S3；若是，则结束电池自加热。
2.根据权利要求1所述的重载货运列车自组网低温下电池直流自加热方法，其特征在于，所述S1中，电池电模型的具体获取过程为：对电池进行混合功率脉冲特性测试，根据电池在不同温度、荷电状态下的电压动态响应状况，确定电池电模型参数得到的。
3.根据权利要求1所述的重载货运列车自组网低温下电池直流自加热方法，其特征在于，所述S1中，电池热模型的具体获取过程为：在与电池电模型同样的温度、荷电状态区间下，测量电池开路电压随温度变化的曲线，计算电池熵变系数；将电池进行恒温冷却，得到电池温度随时间变化的曲线，确定电池与环境热交换的系数，得到电池热模型参数。
4.根据权利要求1所述的重载货运列车自组网低温下电池直流自加热方法，其特征在于，所述S1中，电池老化模型的具体获取过程为：对电池进行老化测试，使用半经验老化模型，结合老化测试结果得到电池老化模型参数。
5.根据权利要求1所述的重载货运列车自组网低温下电池直流自加热方法，其特征在于，S4中的优化目标为：
其中，f为目标函数；ω为权重因子；Qloss为电池自加热过程中的电池容量损耗；t为电池自加热过程中的加热时间；n为第n个恒流放电阶段；N为恒流放电阶段数；It表示放电电流；Vt表示电池端电压，SOCinit表示电池初始荷电状态。
6.根据权利要求1所述的重载货运列车自组网低温下电池直流自加热方法，其特征在于，所述电池的荷电状态计算如下：
其中，SOC(t0)为电池初始时刻的荷电状态；Cb表示电池额定电容，η表示电池充放电效率，I表示充放电电流大小。
7.根据权利要求1所述的重载货运列车自组网低温下电池直流自加热方法，其特征在于，所述电池自加热多阶段恒流电流序列的获取过程：
电池从初始温度加热升温至目标温度的过程中，对电池温度进行离散化，以预设温度间隔作为梯度，温度每上升一个梯度，则将电池当前梯度自加热过程中的加热时间和电池容量损耗作为优化目标，采用多目标优化算法求解电池当前梯度温度、荷电状态下最优的电池自加热多阶段恒流电流序列。
8.一种重载货运列车自组网低温下电池直流自加热***，其特征在于，包括：
离线参数数据库模块：用于将电池电模型、电池热模型、电池老化模型进行耦合，得到电热-老化耦合模型；并对电热-老化耦合模型进行测试，得到不同的温度、电池荷电状态下电热-老化耦合模型的离线参数数据库；
目标温度设定模块：用于设定电池加热的目标温度；
模型参数获取模块：用于获取电池的当前温度、当前荷电状态，基于电热-老化耦合模型的离线参数数据库确定电池当前的电热-老化耦合模型的参数值；
电池加热电流控制模块：用于将电池自加热过程中的加热时间和电池容量损耗作为优化目标，采用多目标优化算法求解电池当前温度、当前荷电状态下最优的电池自加热多阶段恒流电流序列；判断当前电池温度是否达到目标温度：若是，则结束电池自加热；若否，则根据当前电池温度和荷电状态，从模型参数获取模块中获取耦合模型的参数，进而采用多目标优化算法求解电池自加热多阶段恒流电流序列，更新放电电流直至达到目标温度结束电池自加热；其中，电池加热时间与电池容量损耗的权重是根据用户需求进行分配得到的。
9.一种计算机可读存储介质，其特征在于：存储了计算机程序，所述计算机程序被处理器调用时以执行：权利要求1-7任一项所述重载货运列车自组网低温下电池直流自加热方法的步骤。
10.一种电子终端，其特征在于：包括处理器和存储器，所述存储器存储了计算机程序，所述处理器调用所述计算机程序以执行：权利要求1-7任一项所述重载货运列车自组网低温下电池直流自加热方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311040175.0A CN116826254A (zh) | 2023-08-17 | 2023-08-17 | 重载货运列车自组网低温下电池直流自加热方法、***、介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311040175.0A CN116826254A (zh) | 2023-08-17 | 2023-08-17 | 重载货运列车自组网低温下电池直流自加热方法、***、介质及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116826254A true CN116826254A (zh) | 2023-09-29 |
Family
ID=88125961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311040175.0A Withdrawn CN116826254A (zh) | 2023-08-17 | 2023-08-17 | 重载货运列车自组网低温下电池直流自加热方法、***、介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116826254A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117996293A (zh) * | 2024-04-03 | 2024-05-07 | 浙江兴创新能源有限公司 | 用于浸没储能电池的温度控制及优化方法及*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108333528A (zh) * | 2018-02-07 | 2018-07-27 | 重庆大学 | 基于动力电池电-热耦合模型的soc和sot联合状态估计方法 |
| CN110083871A (zh) * | 2019-03-27 | 2019-08-02 | 北京航空航天大学 | 一种基于锂离子电池热失控预测模型的热失控模拟方法和装置 |
| CN113281655A (zh) * | 2021-05-20 | 2021-08-20 | 中南大学 | 一种低温环境下动力电池内部加热预测控制方法及装置 |
-
2023
- 2023-08-17 CN CN202311040175.0A patent/CN116826254A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108333528A (zh) * | 2018-02-07 | 2018-07-27 | 重庆大学 | 基于动力电池电-热耦合模型的soc和sot联合状态估计方法 |
| CN110083871A (zh) * | 2019-03-27 | 2019-08-02 | 北京航空航天大学 | 一种基于锂离子电池热失控预测模型的热失控模拟方法和装置 |
| CN113281655A (zh) * | 2021-05-20 | 2021-08-20 | 中南大学 | 一种低温环境下动力电池内部加热预测控制方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| KAIFU GUAN 等: "A state of charge-aware internal preheating strategy for Li-ion batteries at low temperatures"", JOURNAL OF ENERGY STORAGE, 11 August 2023 (2023-08-11), pages 1 - 13 * |
| 徐智慧 等: "温度自适应的锂离子电池低温自加热方法", 电源技术, vol. 43, no. 12, 20 December 2019 (2019-12-20), pages 1989 - 1992 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117996293A (zh) * | 2024-04-03 | 2024-05-07 | 浙江兴创新能源有限公司 | 用于浸没储能电池的温度控制及优化方法及*** |
| CN117996293B (zh) * | 2024-04-03 | 2024-06-07 | 浙江兴创新能源有限公司 | 用于浸没储能电池的温度控制及优化方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lin et al. | Online parameterization of lumped thermal dynamics in cylindrical lithium ion batteries for core temperature estimation and health monitoring | |
| CN111196179B (zh) | 电池剩余充电时间的估算方法、估算装置及车辆 | |
| CN104773086B (zh) | 使用滚动时域回归分析来估计电池阻抗参数的方法和*** | |
| Luo et al. | State of charge estimation method based on the extended Kalman filter algorithm with consideration of time‐varying battery parameters | |
| US8775105B2 (en) | Onboard adaptive battery core temperature estimation | |
| Liu et al. | A state of charge estimation method based on $ H_\infty $ observer for switched systems of lithium-ion nickel–manganese–cobalt batteries | |
| CN106814329A (zh) | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 | |
| CN111430845B (zh) | 一种电池包热管理方法、装置、存储介质及电子设备 | |
| WO2020259096A1 (zh) | 电池的许用功率估算方法、装置、***和存储介质 | |
| CN109307844B (zh) | 一种锂电池soc的估算方法及装置 | |
| US20220176845A1 (en) | Battery management system, battery pack, electric vehicle, and battery management method | |
| CN116826254A (zh) | 重载货运列车自组网低温下电池直流自加热方法、***、介质及终端 | |
| US11187755B2 (en) | Apparatus and method for estimating SOC of battery | |
| CN113071373B (zh) | 一种基于云端智能互联大数据的温度预测和装置 | |
| CN110927592A (zh) | 一种电池峰值功率的估计方法及装置 | |
| CN116176358B (zh) | 一种电池热管理方法、装置、存储介质及设备 | |
| CN113011007A (zh) | 一种锂离子动力电池热模型参数快速辨识方法及*** | |
| CN113195291B (zh) | 用于控制能量存储***的改进方法 | |
| CN112630661A (zh) | 一种电池荷电状态soc估算方法和装置 | |
| Lai et al. | Available capacity computation model based on long short-term memory recurrent neural network for gelled-electrolyte batteries in golf carts | |
| JP2019100897A (ja) | デバイス状態検知装置、電源システムおよび自動車 | |
| CN116653645A (zh) | 重载货运列车自组网电池状态监测下的自适应充电方法、***及介质 | |
| WO2023184870A1 (zh) | 动力电池的热管理方法、装置、电子设备和存储介质 | |
| CN116224097A (zh) | 一种电池剩余放电能量估计方法及装置 | |
| US20220308113A1 (en) | Method and system for calculating the energy available in an electric battery at any moment during the life thereof, without discharging same, and the autonomy, capacity and remaining life thereof |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230929 |
|
| WW01 | Invention patent application withdrawn after publication |