一种基于多物理场仿真与神经网络的锂电池组健康状态在线预测方法技术

本发明专利技术涉及一种基于多物理场仿真与神经网络的锂电池组健康状态在线估计方法，步骤包括：构建锂电池组多物理场仿真模型，通过工作载荷分析，开展锂电池组多物理场仿真试验、模型验证与分析；基于仿真试验分析结果，结合实验数据，构建并训练面向锂电池组健康状态预测的神经网络模型，包括面向多物理场仿真和健康状态退化的神经网络模型；在锂电池组使用阶段，采集并处理局部运行数据，应用神经网络模型进行全域物理表征分析以及锂电池单体退化分析，进而预测锂电池组健康状态。该方法融合了基于模型和基于数据方法的优点，能够实现快速在线的锂电池组健康状态预测。速在线的锂电池组健康状态预测。速在线的锂电池组健康状态预测。

【技术实现步骤摘要】
一种基于多物理场仿真与神经网络的锂电池组健康状态在线预测方法
所属

[0001]本专利技术涉及健康状态预测领域，特别是一种基于多物理场仿真与神经网络的锂电池组健康状态在线预测方法。

技术介绍

[0002]锂电池具有较好的安全性能、较长的循环寿命等特点，已广泛应用于航空、航天、汽车等动力系统。锂电池组由多个锂电池单体串并联组成，是一个包括复杂物理和化学变化的高度非线性系统，其退化机制复杂，受到热、电、流等多物理场耦合作用影响。常用健康状态来描述锂电池组当前的性能状态相对于新电池组的能力，以百分比的形式来定量描述。掌握锂电池组的健康状态有助于更好地进行电池管理，避免过充、过放等滥用，提高电池组系统的安全性可靠性。
[0003]工程中通常采用放电实验法、内阻分析法等方法对锂电池的健康状态进行测量，然而这需要基于特定的测量设备和条件，由于其测量过程的复杂性，因此无法在线使用。锂电池的使用过程中的健康状态需要基于在线测量的电压、电流、温度等数据进行评估和预测。目前锂电池健康状态预测的方法主要包括基于数据、基于模型、基于模型和数据结合三类。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多物理场仿真与神经网络方法的锂电池组健康状态在线估计方法，其特征在于：包含以下步骤：步骤1：构建锂电池组多物理场仿真模型；步骤2：锂电池组工作载荷分析；步骤3：锂电池组多物理场仿真试验与分析；步骤4：构建并训练面向锂电池组健康状态预测的神经网络模型，包括面向多物理场仿真的和健康状态退化的神经网络模型；步骤5：锂电池组使用阶段的局部运行数据采集与处理；步骤6：锂电池组全域物理表征分析；步骤7：锂电池单体退化分析；步骤8：锂电池组健康状态预测；通过以上步骤，给出了一种基于多物理场仿真与神经网络的锂电池组健康状态在线预测方法。2.根据权利要求1所述的一种基于多物理场仿真与神经网络的锂电池组健康状态在线预测方法，其特征在于：所述步骤1中，在特定应用对象的锂电池组动力系统设计定型后，根据锂电池组型号和结构，构建其三维几何模型；分析内部多物理场耦合特性，构建锂电池组多物理场仿真模型，包括电化学模型、等效电路模型、串并联电路模型、热模型、流体动力学模型。3.根据权利要求1所述的一种基于多物理场仿真与神经网络的锂电池组健康状态在线预测方法，其特征在于：所述步骤2中，针对该锂电池组动力系统应用的场景进行分析，确定所经历的内外动态工作载荷情况，包括温度载荷、电流载荷、散热条件；基于工作载荷分析结果，结合锂电池组多物理场模型的状态参数，开展仿真方案试验设计，确定仿真试验方案，其中设计因素为锂电池组全寿命周期内动态变化的物理量，包括环境温度、电流、流体速度、换热系数、电池性能参数及退化情况。4.根据权利要求1所述的一种基于多物理场仿真与神经网络的锂电池组健康状态在线预测方法，其特征在于：所述步骤3中，基于锂电池组多物理场仿真模型，获取锂电池及其材料的物理化学参数，开展仿真试验与分析，通过实验测试或收集锂电池运行的历史数据，对模型的准确性进行验证，包括温度、电流的物理表征验证。基于验证后的模型，结合仿真试验方案，开展多次仿真试验，如正交试验，并获得多组仿真试验结果，包括...

【专利技术属性】
技术研发人员：任羿，颜珊珊，夏权，孙博，杨德真，冯强，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：