一种自适应异步粒子群动力电池组风冷系统能效优化方法技术方案

本发明专利技术公开了一种基于自适应异步粒子群算法的动力电池组风冷系统能效优化方法，包括如下步骤：确定优化设计变量：设计变量一共包括四个参数，分别为：第一冷却风扇风速vv

An energy efficiency optimization method of adaptive asynchronous particle swarm optimization power battery pack air cooling system

【技术实现步骤摘要】
一种自适应异步粒子群动力电池组风冷系统能效优化方法
本专利技术属于汽车设计制造领域，涉及一种动力电池组冷却系统的能效优化控制方法，具体涉及一种基于自适应异步粒子群算法的动力电池组风冷系统能效优化方法。
技术介绍
电动汽车近年来得到飞速发展，但是随着保有量的增加，电动汽车的安全问题日益突出，据统计电动汽车动力电池组是电动汽车安全问题的主要来源，电动汽车动力电池组的安全问题主要来自过充过放、涉水、碰撞、热失控等因素。本专利主要研究动力电池热管理的关键问题，动力电池使用过程中散热方式主要有三种，一种方式是强制风冷，一种方式是水冷系统，一种方式是自然冷却。强制风冷冷却方式主要是在电池箱外部加装冷却风扇，根据电池箱热量分布情况，启动冷却风扇并根据散热量不同，调整风扇的转速，满足电池箱的散热需求。现有的动力电池组能效优化控制方法分为两类，一类是风扇开关控制策略，当电池组需要散热时，选择开启一个或者几个冷却风扇，每个开启风扇都是全功率运行，当温度降低到合理区间后，风扇关闭。另一类是将电池组冷却风扇分为几个档位，根据电池组温升变化，确定风扇风速大小。上述两种冷却风扇控制方式并不是根据电池组温度的变化实时调整各个冷却风扇的风速，未能使得冷却风扇能效达到最优。
技术实现思路
专利技术目的：为了解决现有的现有电动汽车动力电池系统冷却系统的控制方法没有将风扇能效发挥到最优的问题，提供一种基于自适应异步粒子群算法的动力电池组风冷系统能效优化方法。技术方案：为实现上述目的，本专利技术提供一种基于自适应异步粒子群算法的动力电池组风冷系统能效优化方法，是基于电动汽车动力电池风冷系统实现的，所述电动汽车动力电池风冷系统包括动力电池组、第一冷却风扇、第二冷却风扇、第三冷却风扇、第四冷却风扇、驱动电机和车辆变速器；所述动力电池组共有九个电池模块；采用自适应异步粒子群算法对电动汽车动力电池风冷系统能效进行优化，包括如下步骤：S1：确定优化设计变量：设计变量一共包括四个参数，分别为：第一冷却风扇风速vv1，第二冷却风扇风速vv2，第三冷却风扇风速vv3和第四冷却风扇风速vv4；S2：确定优化设计目标：系统为单目标优化，优化目标为动力电池组冷却系统中九个电池模块中温度最大电池模块和温度最小的电池模块的温差最小；S3：确定优化限制条件；S4：对设计变量进行优化，其具体的优化流程如下：S4-1：初始化粒子群优化算法参数，包括：最大迭代次数Tmax、粒子数目m、惯性权重系数ω、加速系数c1、c2，将当前优化代数设置为t＝1(t≤Tmax)，在四维空间中，随机产生m个粒子x1，x2，...,xi,...,xm，构成种群X(t)，随机产生各粒子初始速度v1，v2，...,vi,...,vm，构成种群V(t)，其中第i个粒子的位置为xi＝(xi,1，xi,2，xi,3，xi,4)，速度为vi＝(vi,1，vi,2，vi,3，vi,4)，xi,1表示第i个个体第k时刻电池组冷却风扇1的风速大小vv1(k)i，xi,2表示第i个个体第k时刻电池组冷却风扇2的风速大小vv2(k)i，xi,3表示第i个个体第k时刻电池组冷却风扇3的风速大小vv3(k)i，xi,4表示第i个个体第k时刻电池组冷却风扇4的风速大小vv4(k)i；S4-2：计算X(t)中的每个粒子xi的温度Tl(k+1)i，即第i个粒子第k+1时刻第l个电池模块的温度大小；S4-3：将第i个粒子计算得到的每个电池模块的最终温度Tl(k+1)i按降序排列，然后令所有电池模块中温度最高的电池温度记为Tma(k)i＝Max(Tl(k+1)i)，温度最小的电池模块温度记为Tmi(k)i＝Min(Tl(k+1)i)；S4-4：通过适应度函数，将计算的最大温度和最小温度之差TT(k)i定义为适应值大小来评价每个粒子的好坏，存储当前各粒子的最佳位置pbest和与之对应的最大温度和最小温度之差，即适应度值，并将种群中适应度值最优的粒子作为整个种群中的最佳位置gbest；S4-5：更新粒子的速度和位置，产生新的种群X(t+1)：S4-6：更新优化算法的权重系数；S4-7：更新优化算法的加速系数；S4-8：更新粒子的pbest和gbest；S4-9：判断当前优化代数t是否等于Tmax，若为是则停止计算，取X(t)中适应度值最小的粒子，即九个电池模块中温度差最小的粒子xi作为所求结果，然后判断最佳粒子得到的适应值TT(k)i是否小于设定温度值，如果小于设定温度值，将最佳粒子xi所对应的四个风扇的风速xi,1、xi,2、xi,3和xi,4做为四个电池组冷却风扇的风速，然后结束流程；如果大于设定温度值，同样采用最佳粒子xi得到的四个风扇的风速进行通风降温工作，此时系统报故障处理，并停止优化；如果t<Tmax，则另t＝t+1，并返回步骤S4-5继续搜索。进一步的，所述步骤S3中优化限制条件为vv1，vv2，vv3和vv4的工作范围，其由冷却技术参数确定，在动力系统选型时已确定。进一步的，所述步骤S4-2中采用公式(1)计算X(t)中的每个粒子xi的温度Tl(k+1)i：其中，i＝1,2,…,m；l为电池模块数量，l＝1,2,…,9；Tl(k)i为第i个粒子第l个电池模块第k时刻的电池温度；Tl(k+1)i为第i个粒子第l个电池模块第k+1时刻的电池温度；q为电池的生热率；φjl为第j个电池组冷却风扇第l个电池模块的贡献系数；xi,j(k)为第i个粒子第j个电池组冷却风扇第k时刻的风速；c为比热容；mb为电池的质量；hjl为第j个电池组冷却风扇第l个电池模块强制风冷的对流换热系数，hjl采用计算获得；Ab为风冷散热的对流换热面积；Tenvir为外界环境温度。进一步的，所述步骤S4-2中φjl由公式(2)确定；hjl采用公式(3)计算获得：其中，j＝1,2,…,4；l为电池模块数量，l＝1,2,…,9；i＝1,2,…,m；dh为强制风入口的当量直径，该值与风道结构有关；vc为35℃下的空气的黏度；Pr为普朗特数；λ为空气的导热系数；L是电池的高度。进一步的，所述步骤S4-4中适应度函数为公式(4)：TT(k)i＝Tma(k)i-Tmi(k)i。(4)进一步的，所述步骤S4-5中通过公式(5)-(6)更新粒子的速度和位置，产生新的种群X(t+1)：vi,j(t+1)＝ωvi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)](5)xi,j(t+1)＝xi,j(t)+vi,j(t+1)(6)其中，i＝1,2,...,m；j＝1,2,…,4；vi，j为第i个粒子的当前速度；ω表示惯性权重系数；c1和c2表示正的加速系数；r1和r2为0到1之间的随机数；pi,j表示第i个粒子迄今找到的最佳位置pbest；pg，j是整个粒子群搜索到的最佳位置gbest；xi，j为第i个粒子的当前位置。...

【技术保护点】
1.一种基于自适应异步粒子群算法的动力电池组风冷系统能效优化方法，是基于电动汽车动力电池风冷系统实现的，所述电动汽车动力电池风冷系统包括动力电池组、第一冷却风扇、第二冷却风扇、第三冷却风扇、第四冷却风扇、驱动电机和车辆变速器；所述动力电池组共有九个电池模块；/n其特征在于：采用自适应异步粒子群算法对电动汽车动力电池风冷系统能效进行优化，包括如下步骤：/nS1：确定优化设计变量：/n设计变量一共包括四个参数，分别为：第一冷却风扇风速vv

【技术特征摘要】
1.一种基于自适应异步粒子群算法的动力电池组风冷系统能效优化方法，是基于电动汽车动力电池风冷系统实现的，所述电动汽车动力电池风冷系统包括动力电池组、第一冷却风扇、第二冷却风扇、第三冷却风扇、第四冷却风扇、驱动电机和车辆变速器；所述动力电池组共有九个电池模块；
其特征在于：采用自适应异步粒子群算法对电动汽车动力电池风冷系统能效进行优化，包括如下步骤：
S1：确定优化设计变量：
设计变量一共包括四个参数，分别为：第一冷却风扇风速vv1，第二冷却风扇风速vv2，第三冷却风扇风速vv3和第四冷却风扇风速vv4；
S2：确定优化设计目标：系统为单目标优化，优化目标为动力电池组冷却系统中九个电池模块中温度最大电池模块和温度最小的电池模块的温差最小；
S3：确定优化限制条件；
S4：对设计变量进行优化，其具体的优化流程如下：
S4-1：初始化粒子群优化算法参数，包括：最大迭代次数Tmax、粒子数目m、惯性权重系数ω、加速系数c1、c2，将当前优化代数设置为t＝1(t≤Tmax)，在四维空间中，随机产生m个粒子x1，x2，...,xi,...,xm，构成种群X(t)，随机产生各粒子初始速度v1，v2，...,vi,...,vm，构成种群V(t)，其中第i个粒子的位置为xi＝(xi,1，xi,2，xi,3，xi,4)，速度为vi＝(vi,1，vi,2，vi,3，vi,4)，xi,1表示第i个个体第k时刻电池组冷却风扇1的风速大小vv1(k)i，xi,2表示第i个个体第k时刻电池组冷却风扇2的风速大小vv2(k)i，xi,3表示第i个个体第k时刻电池组冷却风扇3的风速大小vv3(k)i，xi,4表示第i个个体第k时刻电池组冷却风扇4的风速大小vv4(k)i；
S4-2：计算X(t)中的每个粒子xi的温度Tl(k+1)i，即第i个粒子第k+1时刻第l个电池模块的温度大小；
S4-3：将第i个粒子计算得到的每个电池模块的最终温度Tl(k+1)i按降序排列，然后令所有电池模块中温度最高的电池温度记为Tma(k)i＝Max(Tl(k+1)i)，温度最小的电池模块温度记为Tmi(k)i＝Min(Tl(k+1)i)；
S4-4：通过适应度函数，将计算的最大温度和最小温度之差TT(k)i定义为适应值大小来评价每个粒子的好坏，存储当前各粒子的最佳位置pbest和与之对应的最大温度和最小温度之差，即适应度值，并将种群中适应度值最优的粒子作为整个种群中的最佳位置gbest；
S4-5：更新粒子的速度和位置，产生新的种群X(t+1)：
S4-6：更新优化算法的权重系数；
S4-7：更新优化算法的加速系数；
S4-8：更新粒子的pbest和gbest；
S4-9：判断当前优化代数t是否等于Tmax，若为是则停止计算，取X(t)中适应度值最小的粒子，即九个电池模块中温度差最小的粒子xi作为所求结果，然后判断最佳粒子得到的适应值TT(k)i是否小于设定温度值，如果小于设定温度值，将最佳粒子xi所对应的四个风扇的风速xi,1、xi,2、xi,3和xi,4做为四个电池组冷却风扇的风速，然后结束流程；如果大于设定温度值，同样采用最佳粒子xi得到的四个风扇的风速进行通风降温工作，此时系统报故障处理，并停止优化；如果t<Tmax，则另t＝t+1，并返回步骤S4-5继续搜索。


2.根据权利要求1所述的一种基于自适应异步粒子群算法的动力电池组风冷系统能效优化方法，其特征在于：所述步骤S3中优化限制条件为vv1，vv2，vv3和vv4的工作范围，其由...

【专利技术属性】
技术研发人员：张盛龙，王佳，林玲，冯是全，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：江苏;32