动力电池运行温度的自适应预测方法技术

本发明专利技术提供一种动力电池运行温度的自适应预测方法，包括：在动力电池动态充放电过程中，采集引起动力电池温度变化的真实数据，获得动力电池运行时的电流预测值，并确定温度预测模型的参数初始值以及产热计算模型的参数初始值；进行充放电过程中的动力电池温度预测值和动力电池产热量预测值耦合计算；以及对温度预测模型的参数以及产热计算模型的参数进行自适应辨识，得到修正后的温度预测模型参数以及产热计算模型参数；根据所述修正后的温度预测模型的参数以及产热计算模型的参数计算所述动力电池运行温度。该方法适用于动态充放电引起的动力电池温度变化的预测，可以实时给出动力电池的温度变化预测值，进而提升动力电池状态预测的精度。

【技术实现步骤摘要】

本专利技术属于电池管理领域，涉及一种。
技术介绍
与传统燃油汽车相比，电动汽车在行驶经济性和环境友好程度上有很大优势，但电动汽车中动力电池的性能受温度的影响较大，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功率和剩余可用能量有差别，影响实车使用中车辆的功率能力和续驶里程，因此在电池管理系统中需重点考虑温度的影响。除环境温度差异导致的动力电池性能变化之外，动力电池未来充放电过程中的产热也会导致温度变化，造成性能的变化。因此，为了提升动力电池性能的预测精度，需要用实时可用的方法对电池充放电过程中的温度变化进行预测。然而，目前在动力电池充放电过程的温度预测方面，大多采用神经网络方法进行电池温度的预测，该方法需要基于大量数据进行训练，使用不方便，且该方法主要应用于固定电流倍率的电池温度预测，也不利于实车正常行驶过程中动力电池的温度预测。
技术实现思路
有鉴于此，确有必要提供一种可以方便应用的。一种，该方法包括以下步骤:S1:在动力电池动态充放电过程中，采集某一时刻引起动力电池温度变化的真实数据，获得动力电池运行时的电流预测值，并确定温度预测模型的参数初始值以及产热计算模型的参数初始值；S2:基于所述引起动力电池温度变化的数据和电流预测值，并结合所述温度预测模型的参数初始值与产热计算模型的参数初始值，进行充放电过程中的动力电池温度预测值Tfut和动力电池产热量预测值Qfut的耦合计算；S3:对温度预测模型的参数以及产热计算模型的参数进行自适应辨识，得到修正后的温度预测模型的参数以及产热计算模型的参数；以及S4:根据所述修正后的温度预测模型的参数以及产热计算模型的参数计算所述动力电池运行温度。本专利技术提供的，在预测过程中，通过动力电池温度预测值和动力电池产热量预测值的耦合计算，以及对动力电池温度预测模型的参数和电池产热量计算的参数进行自适应辨识，可以在运行过程中对电池温度预测值进行实时优化，得到的温度预测结果比较精确；且可以适用于变化的电流倍率，以及不同散热条件和不同产热情况下的动力电池温度的预测过程；该方法可以仅通过采集某一个或几个时间点的真实数据，以及动力电池温度预测值和动力电池产热量预测值，对动力电池温度预测模型的参数和电池产热量计算的参数进行自适应辨识，方法简单。【附图说明】图1为本专利技术实施例中的流程示意图。图2为本专利技术实施例中动力电池温度预测值Tfut和动力电池产热量预测值Q fut的親合关系不意图。图3为本专利技术实施例中温度预测模型的参数自适应辨识过程示意图。图4为本专利技术实施例中动力电池运行温度预测结果的自适应修正过程示意图。图5为本专利技术实施例中产热计算模型的参数自适应辨识过程示意图。【具体实施方式】以下将结合附图对本专利技术作进一步详细的说明。请参阅图1，本专利技术实施例提供一种，其包括以下步骤: 51:在动力电池动态充放电过程中，采集某一时刻引起动力电池温度变化的真实数据，预估动力电池运行时的电流预测值，并确定温度预测模型的参数初始值以及产热计算模型的参数初始值； 52:基于所述引起动力电池温度变化的真实数据和电流预测值，并结合所述温度预测模型的参数的初始值以及产热计算模型的参数的初始值，进行充放电过程中的动力电池温度预测值Tfut和动力电池产热量预测值Q fut的耦合计算； 53:对所述温度预测模型的参数以及产热计算模型的参数进行自适应辨识，得到修正后的温度预测模型参数以及产热计算模型参数；以及 S4:根据所述修正后的温度预测模型参数以及产热计算模型参数预测所述动力电池的运行温度。步骤SI中，所述引起动力电池温度变化的数据包括动力电池真实温度Tbat,_s、环境温度Tmv、真实电流值Ibat，_s，以及真实端电压值ubat，_s。所述电流预测值可以根据车辆实际行驶中对动力电池的电流需求以及具体的充放电工况等得到。所述温度预测模型的参数包括产热参数kT，gm和散热参数k T, disso所述产热计算模型的参数包括焦耳产热的电池内阻参数Ra_和电化学反应的可逆热参数U arevo所述温度预测模型的参数初始值以及产热计算模型的参数初始值可以根据实验经验随机确定，也可以通过初始的标定实验获得较准确的温度预测模型的参数初始值以及产热计算模型的参数初始值。步骤S2中，由于动力电池温度在很大程度上取决于动力电池产热量，而动力电池产热量又受到动力电池温度的影响，因此在充放电过程中进行动力电池温度预测，需要对动力电池温度预测值Tfut和动力电池产热量预测值Qfut进行耦合计算。请参阅图2，图2中点划线围成的区域对应动力电池温度预测值Tfut的计算过程，双点划线围成的区域对应动力电池产热量预测值Qfut的计算过程。在所述动力电池温度预测值Tfut的计算过程中，所述动力电池温度预测值Tfut采用实时性较好的集总参数热模型进行计算。具体的，将动力电池充放电过程的时间点分别记为tp t2,...，tk_1； tk,...，tmd，其中tk时刻的温度预测值Tfut，k由前一时刻tk_4应的温度预测值TfuUf tk时刻对应的产热量预测值Q fut，k以及t k时刻对应的环境温度值!_进行计算，满足关系式:Tfut，k Tfut，k-l+k]1，gen*Qfut，k+k]1，diss* (Tfut，k-1 Tenv) (I)， 动力电池产热量预测值Qfut，k由tk时刻对应的电流预测值Ifut，k，产热参数，以及充放电导致的荷电状态(SOC)变化和温度变化进行计算。所述动力电池产热量预测值Qfut，k包括焦耳产热预测值Qfut>，k和电化学反应可逆热预测值Qfut@v，k。焦耳产热值Qfut>，k由电流预测值Ifut,k和动力电池内阻参数R α_进行计算，而动力电池内阻R 受多种因素影响，包括S0C、动力电池温度和动力电池衰减情况。其中，SOC可根据电流预测值Ifut,k进行计算，tk时刻的SOC值记为S0Cfut，k。由于tk时刻的动力电池内阻参数采用前一时刻t η的动力电池温度Tfut^1进行衡量，而电池衰减对内阻参数的影响较为缓慢，主要通过内阻自适应辨识进行体现。因此，tk时刻的焦耳产热值Q fut，_，k满足关系式:Qfut, jou, k f (Ifut’k，Rq，jou (SOCfut, k，Tfut, k-1) ) (2)o电化学反应可逆热Qfut，rev；k对应的产热参数U α也与荷电状态SOC和电池温度相关，电池衰减对可逆热的影响可以忽略。因此&时刻的可逆热值0__，1;满足关系式: Qfut，rev, k (Ifut，k，U Q, rev (SOCfut, k, Tfut, H)) (3 ) o通过关系式(I) (2) (3)可以分别计算出t1; t2,…，V1, tk,…，tmd时刻的动力电池温度预测值和产热量预测值。步骤S3中，请参阅图3，需要自适应辨识的温度预测模型的参数为产热参数kT，gm和散热参数kT，diss。该温度预测模型的参数的自适应辨识过程包括:通过比较相同时间点的动力电池温度预测值Tfut和传感器采集的电池真实温度值T到一预测误差Δ Tbat，pMd;基于该预测误差Λ T bat，pral对温度预测模型中的产热参本文档来自技高网...

【技术保护点】
一种动力电池运行温度的自适应预测方法，该方法包括以下步骤：S1：在动力电池动态充放电过程中，采集某一时刻引起动力电池温度变化的真实数据，获得动力电池运行时的电流预测值，并确定温度预测模型的参数初始值以及产热计算模型的参数初始值；S2：基于所述引起动力电池温度变化的数据和电流预测值，并结合所述温度预测模型的参数初始值与产热计算模型的参数初始值，进行充放电过程中的动力电池温度预测值Tfut和动力电池产热量预测值Qfut的耦合计算；S3：对温度预测模型的参数以及产热计算模型的参数进行自适应辨识，得到修正后的温度预测模型的参数以及产热计算模型的参数；以及S4：根据所述修正后的温度预测模型的参数以及产热计算模型的参数计算所述动力电池运行温度。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘光明，欧阳明高，卢兰光，李建秋，徐梁飞，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11