温度预测方法、温度预测装置和车辆制造方法及图纸

本发明专利技术实施例提供了一种温度预测方法、温度预测装置和车辆，方法包括获取动力电池的当前工况参数，将当前工况参数输入至预先训练的神经网络预测模型，预测得到动力电池的温度；神经网络预测模型为基于动力电池的历史工况参数确认的动力电池的热阻参数和热容参数训练所得。本发明专利技术实施例中，无需对动力电池开包布置热电偶和多种热参数测试仪等仪器设备，直接通过电池管理系统(BMS)获取动力电池的历史工况参数确认出动力电池的热阻参数和热容参数，并根据动力电池的热阻参数和热容参数训练得到神经网络预测模型，操作简单、节省时间、成本低廉，将当前工况参数输入至预先训练的神经网络预测模型，预测得到精度较高的动力电池温度。

【技术实现步骤摘要】
温度预测方法、温度预测装置和车辆
本专利技术涉及电池
，特别是涉及一种温度预测方法、一种温度预测装置和车辆。
技术介绍
动力电池作为新能源汽车三电系统的重要组成部分，有关其使用的安全、可靠和耐久性能越来越受到专业人士及终端用户的关注。但动力电池的性能受温度的影响较大，不同温度下电池的放电能量及输出功率等会有差异，影响整车的动力性及经济性。因此，为了提升动力电池性能的预测精度，需要对不同工况下动力电池的温度变化进行预测。然而，目前在不同工况下动力电池的温度预测方面，通常需要通过对动力电池拆包布置大量热电偶和多种热参数测试仪等仪器设备，将得到的大量数据训练神经网络模型，然后对动力电池的温度进行预测，操作不便，成本较高，不利于车辆正常行驶不同工况下对动力电池的温度预测。
技术实现思路
鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种温度预测方法和相应的一种温度预测装置、车辆。为了解决上述问题，本专利技术实施例公开了一种温度预测方法，应用于车辆，所述车辆包括动力电池，所述方法包括：获取所述动力电池的当前工况参数；将所述当前工况参数输入至预先训练的神经网络预测模型，预测得到所述动力电池的温度；所述神经网络预测模型为基于所述动力电池的历史工况参数确认的所述动力电池的热阻参数和热容参数训练所得。可选的，所述神经网络预测模型通过如下方式训练所得：获取所述动力电池在第一预设时间内的历史工况参数；在所述第一预设时间内的预设间隔时间，根据所述历史工况参数确认出所述动力电池的热阻参数和热容参数；采用所述动力电池的热阻参数和热容参数训练待训练的神经网络预测模型，得到训练完成的神经网络预测模型。可选的，所述历史工况参数至少包括预设间隔时间所述动力电池的第一最高温度、第一最低温度、第一平均温度、进口冷却液温度、出口冷却液温度、冷却液流量以及第一环境温度，所述根据所述历史工况参数确认出所述动力电池的热阻参数和热容参数，包括：根据所述进口冷却液温度、所述出口冷却液温度以及所述冷却液流量计算出冷却液进出口焓变率；根据所述第一最高温度、所述第一最低温度、所述第一平均温度、所述进口冷却液温度、所述出口冷却液温度、所述第一环境温度以及所述冷却液进出口焓变率，计算出所述动力电池的最高温度点到冷却液的换热量、最低温度点到冷却液的换热量以及平均温度点到冷却液的换热量；当所述最高温度点到冷却液的换热量、所述最低温度点到冷却液的换热量以及所述平均温度点到冷却液的换热量满足预设规则时，确认出所述动力电池的热容参数和热阻参数。可选的，所述根据所述第一最高温度、所述第一最低温度、所述第一平均温度、所述进口冷却液温度、所述出口冷却液温度、所述第一环境温度以及所述冷却液进出口焓变率，计算出所述动力电池的最高温度点到冷却液的换热量、最低温度点到冷却液的换热量以及平均温度点到冷却液的换热量，包括：根据所述进口冷却液温度、所述出口冷却液温度、所述第一环境温度以及冷却液到环境的预设热阻，计算冷却液到环境的换热量；其中，所述冷却液到环境的预设热阻在第一预设范围之内；根据所述第一最高温度、所述第一最低温度、所述第一平均温度、所述第一环境温度、最高温度点到环境的预设热阻、最低温度点到环境的预设热阻以及平均温度点到环境的预设热阻，计算所述动力电池的最高温度点到环境的换热量、最低温度点到环境的换热量以及平均温度点到环境的换热量；其中，所述最高温度点到环境的预设热阻、最低温度点到环境的预设热阻以及平均温度点到环境的预设热阻在第二预设范围内；根据所述冷却液进出口焓变率、所述冷却液到环境的换热量、所述最高温度点到环境的换热量、所述最低温度点到环境的换热量以及所述平均温度点到环境的换热量，计算出所述动力电池的最高温度点到冷却液的换热量、最低温度点到冷却液的换热量以及平均温度点到冷却液的换热量。可选的，所述第一预设时间初始时刻的第一最高温度、第一最低温度以及第一平均温度为所述第一预设时间初始时刻的第一环境温度，当所述最高温度点到冷却液的换热量、所述最低温度点到冷却液的换热量以及所述平均温度点到冷却液的换热量满足预设规则时，确认出所述动力电池的热容参数和热阻参数，包括：根据所述第一预设时间初始时刻的第一最高温度、第一最低温度以及第一平均温度，所述最高温度点到冷却液的换热量、所述最低温度点到冷却液的换热量、所述平均温度点到冷却液的换热量以及所述动力电池的预设热容，计算出所述动力电池的第二最高温度、第二最低温度以及第二平均温度；其中，所述动力电池的预设热容在第三预设范围之内；根据所述第一预设时间、所述第一最高温度、所述第一最低温度、所述第一平均温度、所述第二最高温度、所述第二最低温度以及所述第二平均温度，计算出所述第一最高温度与所述第二最高温度的差值、所述第一最低温度与所述第二最低温度的差值、所述第一平均温度与所述第二平均温度的差值以及所述第一最高温度、所述第一最低温度、所述第一平均温度和所述第一最高温度、所述第一最低温度、所述第一平均温度的标准差；当所述第一最高温度与所述第二最高温度的差值、所述第一最低温度与所述第二最低温度的差值、所述第一平均温度与所述第二平均温度的差值均小于第一预设阈值，且所述第一最高温度、所述第一最低温度、所述第一平均温度和所述第二最高温度、所述第二最低温度、所述第二平均温度的标准差小于第二预设阈值时，确认为所述最高温度点到冷却液的换热量、所述最低温度点到冷却液的换热量以及所述平均温度点到冷却液的换热量满足预设规则，将所述动力电池的预设热容确认为所述动力电池的热容参数，并根据所述第一环境温度、所述进口冷却液温度、所述出口冷却液温度、所述最高温度点到冷却液的换热量、所述最低温度点到冷却液的换热量以及所述平均温度点到冷却液的换热量，计算出所述动力电池的热阻参数，所述动力电池的热阻参数包括最高温度点到冷却液的热阻、最低温度点到冷却液的热阻以及平均温度点到冷却液的热阻。可选的，还包括：在所述最高温度点到冷却液的换热量、所述最低温度点到冷却液的换热量以及所述平均温度点到冷却液的换热量未满足预设规则时，动态调整所述冷却液到环境的预设热阻、所述最高温度点到环境的预设热阻、所述最低温度点到环境的预设热阻、所述平均温度点到环境的预设热阻以及所述动力电池的预设热容，以使所述第一最高温度与所述第二最高温度的差值、所述第一最低温度与所述第二最低温度的差值、所述第一平均温度与所述第二平均温度的差值均小于第一预设阈值，且所述第一最高温度、所述第一最低温度、所述第一平均温度和所述第二最高温度、所述第二最低温度、所述第二平均温度的标准差小于第二预设阈值。可选的，所述将所述当前工况参数输入至预先训练的神经网络预测模型，预测得到所述动力电池的温度，包括：将第二预设时间内的加热功率、第二预设时间初始时刻的第二环境温度、动力电池的初始最低温度和初始最高温度输入至预先训练的神经网络预测模型，预测得到所述第二预设时间本文档来自技高网...

【技术保护点】
1.一种温度预测方法，其特征在于，应用于车辆，所述车辆包括动力电池，所述方法包括：/n获取所述动力电池的当前工况参数；/n将所述当前工况参数输入至预先训练的神经网络预测模型，预测得到所述动力电池的温度；所述神经网络预测模型为基于所述动力电池的历史工况参数确认的所述动力电池的热阻参数和热容参数训练所得。/n

【技术特征摘要】
1.一种温度预测方法，其特征在于，应用于车辆，所述车辆包括动力电池，所述方法包括：
获取所述动力电池的当前工况参数；
将所述当前工况参数输入至预先训练的神经网络预测模型，预测得到所述动力电池的温度；所述神经网络预测模型为基于所述动力电池的历史工况参数确认的所述动力电池的热阻参数和热容参数训练所得。


2.根据权利要求1所述的方法，其特征在于，所述神经网络预测模型通过如下方式训练所得：
获取所述动力电池在第一预设时间内的历史工况参数；
在所述第一预设时间内的预设间隔时间，根据所述历史工况参数确认出所述动力电池的热阻参数和热容参数；
采用所述动力电池的热阻参数和热容参数训练待训练的神经网络预测模型，得到训练完成的神经网络预测模型。


3.根据权利要求2所述的方法，其特征在于，所述历史工况参数至少包括预设间隔时间所述动力电池的第一最高温度、第一最低温度、第一平均温度、进口冷却液温度、出口冷却液温度、冷却液流量以及第一环境温度，所述根据所述历史工况参数确认出所述动力电池的热阻参数和热容参数，包括：
根据所述进口冷却液温度、所述出口冷却液温度以及所述冷却液流量计算出冷却液进出口焓变率；
根据所述第一最高温度、所述第一最低温度、所述第一平均温度、所述进口冷却液温度、所述出口冷却液温度、所述第一环境温度以及所述冷却液进出口焓变率，计算出所述动力电池的最高温度点到冷却液的换热量、最低温度点到冷却液的换热量以及平均温度点到冷却液的换热量；
当所述最高温度点到冷却液的换热量、所述最低温度点到冷却液的换热量以及所述平均温度点到冷却液的换热量满足预设规则时，确认出所述动力电池的热容参数和热阻参数。


4.根据权利要求3所述的方法，其特征在于，所述根据所述第一最高温度、所述第一最低温度、所述第一平均温度、所述进口冷却液温度、所述出口冷却液温度、所述第一环境温度以及所述冷却液进出口焓变率，计算出所述动力电池的最高温度点到冷却液的换热量、最低温度点到冷却液的换热量以及平均温度点到冷却液的换热量，包括：
根据所述进口冷却液温度、所述出口冷却液温度、所述第一环境温度以及冷却液到环境的预设热阻，计算冷却液到环境的换热量；其中，所述冷却液到环境的预设热阻在第一预设范围之内；
根据所述第一最高温度、所述第一最低温度、所述第一平均温度、所述第一环境温度、最高温度点到环境的预设热阻、最低温度点到环境的预设热阻以及平均温度点到环境的预设热阻，计算所述动力电池的最高温度点到环境的换热量、最低温度点到环境的换热量以及平均温度点到环境的换热量；其中，所述最高温度点到环境的预设热阻、最低温度点到环境的预设热阻以及平均温度点到环境的预设热阻在第二预设范围内；
根据所述冷却液进出口焓变率、所述冷却液到环境的换热量、所述最高温度点到环境的换热量、所述最低温度点到环境的换热量以及所述平均温度点到环境的换热量，计算出所述动力电池的最高温度点到冷却液的换热量、最低温度点到冷却液的换热量以及平均温度点到冷却液的换热量。


5.根据权利要求4所述的方法，其特征在于，所述第一预设时间初始时刻的第一最高温度、第一最低温度以及第一平均温度为所述第一预设时间初始时刻的第一环境温度，当所述最高温度点到冷却液的换热量、所述最低温度点到冷却液的换热量以及所述平均温度点到冷却液的换热量满足预设规则时，确认出所述动力电池的热容参数和热阻参数，包括；
根据所述第一预设时间初始时刻的第一最高温度、第一最低温度以及第一平均温度，所述最高温度点到冷却液的换热量、所述最低温度点到冷却液的换热量、所述平均温度点...

【专利技术属性】
技术研发人员：汪志超，魏桂林，韩海滨，刘安龙，
申请(专利权)人：广州小鹏汽车科技有限公司，
类型：发明
国别省市：广东;44