一种基于流体动力学的储能液冷温控优化系统技术方案

本发明专利技术提供一种基于流体动力学和深度强化学习的储能液冷温控优化系统，旨在实现电池的高效冷却和均温效果；该系统包括温控模块，流速调节模块，流向调节模块以及优化算法模块，温控模块负责监测电池工作状态并提供数据，同时确定冷却液的目标流速和流向，流速和流向调节模块根据温控模块和优化算法模块的指令，动态调整冷却液的流速和流向，确保精确的冷却效果及电池的均温效果；核心的优化算法模块结合流体动力学模型与深度强化学习算法，能预测电池内部的冷却液流动状态和温度分布，并生成最优的冷却策略，此系统提供了一个高效、自适应的冷却解决方案，满足电池的冷却需求，同时延长其使用寿命。同时延长其使用寿命。同时延长其使用寿命。

【技术实现步骤摘要】
一种基于流体动力学的储能液冷温控优化系统


[0001]本专利技术涉及储能装置的温控领域，特别涉及一种基于流体动力学的储能液冷温控优化系统。

技术介绍

[0002]随着电池技术的发展，电池在众多领域中的应用日益广泛，如电动车、可再生能源存储以及便携式电子设备等。为了确保电池的性能和寿命，冷却技术变得至关重要。传统的电池冷却系统往往依赖于经验的设计和静态的控制策略，这在某些情况下可能不足以应对复杂的工作环境和动态的负载变化。
[0003]流体动力学提供了理解和模拟冷却液流动的工具，但是单靠流体动力学很难实时优化复杂的电池冷却策略。另一方面，深度强化学习近年来在多个领域中展现了其优化策略的潜力，但其在电池冷却领域的应用仍然较少。
[0004]电池的工作状态和温度对其性能和寿命有着直接的影响。过高或过低的温度都会对电池造成损害，导致电池寿命缩短甚至失效。
[0005]为了克服上述挑战，本专利技术提出了一种基于流体动力学和深度强化学习的储能液冷温控优化系统。该系统旨在动态调整冷却液的流速和流向，实现电池的高效冷却和均温效果。

技术实现思路

[0006]本申请提供一种基于流体动力学和深度强化学习的储能液冷温控优化系统，以提高电池的冷却效率和均温效果。
[0007]本申请提供的储能液冷温控优化系统，包括：温控模块，用于监测电池的工作状态，并将监测到的数据提供给优化算法模块；根据预设温度目标，确定冷却液的目标流速和目标流向；并将所述目标流速和目标流向分别发送至流速调节模块和流向调节模块，以动态调整冷却液的流速和流向；流速调节模块，接收所述温控模块提供的目标流速，并根据所述目标流速调节冷却液的流速；接收来自优化算法模块的最优冷却液流速策略，并通过调节冷却液的流速，精确控制冷却效果；流向调节模块，接收所述温控模块提供的目标流向，并根据所述目标流向调节冷却液的流向；接收来自优化算法模块的最优冷却液流向策略，并通过调节冷却液的流向，实现电池的均温效果；优化算法模块，接收来自温控模块的工作状态数据；利用流体动力学模型预测冷却液在电池组内部的流动状态，以及电池的温度分布；利用深度强化学习算法，根据预测的冷却液在电池组内部的流动状态和每个电池的温度分布，结合接收到的工作状态数据，生成最优的冷却液流速和流向策略，并将这些策略反馈给流速调节模块和流向调节模块；所述深度强化学习算法利用所述流体动力学模型的预测输出作为环境反馈，用来更新和优化
其决策策略；所述深度强化学习的决策输出作为流体动力学模型的输入，用来进行下一步的电池的温度分布的预测。
[0008]更进一步地，所述预设温度目标T_target通过如下公式确定：；其中，T_optimal是电池组中每一块电池的最佳工作温度的平均值，SOC_avg是电池组中电池的平均电池荷电状态，SOC_std是电池组中电池的电池荷电状态的标准差，I是电池组中电池的平均工作电流，I_nominal是电池组中电池的额定工作电流的平均值，P是冷却系统的功率消耗，P_nominal是冷却系统的额定功率消耗，k1，k2，k3，k4是可调节的系数。
[0009]更进一步地，所述目标流速F_speed根据如下公式确定：；其中，T_current 是电池组中电池的平均温度，T_target是所述预设温度目标，ΔT / Δt 是电池组中电池的平均温度的变化速度，k5 和 k6 是可调节的系数。
[0010]更进一步地，所述目标流向根据如下公式确定：；其中，Ti
current
是电池组中电池i的当前温度，Ti
target
是电池组中电池i的目标温度，n 是电池的数量。
[0011]更进一步地，所述Ti
target
的计算公式如下：；其中，Ti_optimal 是电池组中电池i的最佳工作温度，SOCi是电池组中电池i的当前电池荷电状态，SOC_optimal 是电池组中电池i的最佳状态电量，Ii 是电池组中电池i的当前工作电流，I_optimal 是电池组中电池i的最佳工作电流，T_env_optimal 是电池组中电池i的最佳环境温度，k7，k8，和 k9 是可调节的系数。
[0012]更进一步地，所述流体动力学模型使用COMSOL Multiphysics软件提供的微观温度模型，为电池组中的每一个电池建模。
[0013]更进一步地，所述流体动力学模型的输入包括冷却液的物理特性，包括密度、粘度、热导率；电池组的结构特性，包括电池的排列和连接方式；以及冷却液的流速和流向。
[0014]更进一步地，所述深度强化学习算法中的行动定义为改变冷却液的流速和流向。
[0015]更进一步地，所述深度强化学习的奖励函数R定义为：；其中，R_temp，R_efficiency， R_energy，和 R_uniformity 分别表示电池温度、冷却效率、能耗和均温效果方面的奖励，w1, w2, w3 和 w4 是它们的权重；R_temp的计算考虑电池的工作温度，为理想温度范围内的电池温度提供高奖励值；R_efficiency 的计算基于冷却效率，冷却效率超过设定的效率门槛值时提供高的奖励值；R_energy 的计算考虑冷却系统的能耗，当能耗低于设定的能耗门槛值时提供高的奖励值；R_uniformity 的计算
基于均温效果，当冷却液流向达到设定的均温效果门槛值时提供高的奖励值。
[0016]更进一步地，所述深度强化学习算法利用流体动力学模型的预测输出作为环境反馈，并利用其决策输出作为流体动力学模型的输入，两者形成一个闭环，通过不断的交互和学习，实现电池温控优化。
[0017]传统的温控系统通常依赖于静态策略或手动干预。本申请提高的系统结合流体动力学与深度强化学习，为电池冷却提供了一种自适应、动态的方法。这种结合本身就具有创新性。利用深度强化学习预测和优化的冷却策略可以动态地调整冷却液的流速和流向，而不是采用固定的或预设的流速。优化算法模块与流速调节和流向调节模块之间存在交互式的反馈循环，使得系统在多个迭代中逐渐优化，这超出了简单的前馈控制系统的范围。
[0018]本申请提供的技术方案的有益效果：（1）高效冷却：通过动态调整冷却液的流速和流向，系统可以根据实际需要进行快速和高效的冷却，从而减少能量浪费并提高冷却效率。
[0019]（2）均匀冷却：流向调节模块确保了电池整体的均匀冷却。均匀冷却不仅可以提高电池的性能，还可以延长电池的使用寿命，因为它避免了电池局部过热的问题。
[0020]（3）延长电池寿命：过高或过低的温度都可能对电池造成伤害。通过优化冷却策略，电池可以在理想的温度范围内工作，从而延长其寿命。
[0021]（4）自动化与减少人工干预：基于深度强化学习的自动优化策略可以减少或消除人工干预的需要，从而降低操作成本和出错率。
附图说明
[0022]图1是本申请第一实施例提供的一种基于流体动力学的储能液冷温控优化系统的示意图。
具体实施方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于流体动力学和深度强化学习的储能液冷温控优化系统，其特征在于，包括：温控模块，用于监测电池的工作状态，并将监测到的数据提供给优化算法模块；根据预设温度目标，确定冷却液的目标流速和目标流向；并将所述目标流速和目标流向分别发送至流速调节模块和流向调节模块，以动态调整冷却液的流速和流向；流速调节模块，接收所述温控模块提供的目标流速，并根据所述目标流速调节冷却液的流速；接收来自优化算法模块的最优冷却液流速策略，并通过调节冷却液的流速，精确控制冷却效果；流向调节模块，接收所述温控模块提供的目标流向，并根据所述目标流向调节冷却液的流向；接收来自优化算法模块的最优冷却液流向策略，并通过调节冷却液的流向，实现电池的均温效果；优化算法模块，接收来自温控模块的工作状态数据；利用流体动力学模型预测冷却液在电池组内部的流动状态，以及电池的温度分布；利用深度强化学习算法，根据预测的冷却液在电池组内部的流动状态和每个电池的温度分布，结合接收到的工作状态数据，生成最优的冷却液流速和流向策略，并将这些策略反馈给流速调节模块和流向调节模块；所述深度强化学习算法利用所述流体动力学模型的预测输出作为环境反馈，用来更新和优化其决策策略；所述深度强化学习的决策输出作为流体动力学模型的输入，用来进行下一步的电池的温度分布的预测。2.根据权利要求1所述的储能液冷温控优化系统，其特征在于，所述预设温度目标T_target通过如下公式确定：；其中，T_optimal是电池组中每一块电池的最佳工作温度的平均值，SOC_avg是电池组中电池的平均电池荷电状态，SOC_std是电池组中电池的电池荷电状态的标准差，I是电池组中电池的平均工作电流，I_nominal是电池组中电池的额定工作电流的平均值，P是冷却系统的功率消耗，P_nominal是冷却系统的额定功率消耗，k1，k2，k3，k4是可调节的系数。3.根据权利要求1所述的储能液冷温控优化系统，其特征在于，所述目标流速F_speed根据如下公式确定：；其中，T_current 是电池组中电池的平均温度，T_target 是所述预设温度目标，ΔT / Δt 是电池组中电池的平均温度的变化速度，k5 和 k6 是可调节的系数。4.根据权利要求1所述的储能液冷温控优化系统，其特征在于，所述目标流向根据如下公式确定：；其中，Ti
current
...

【专利技术属性】
技术研发人员：潘兴波，曾林龙，靳静，何晨昊，杨坤，郑雪阳，李谨慎，潘峰，瞿露，闫寒，尚勇，肖峰，杨东，李坤，
申请(专利权)人：国网湖北省电力有限公司襄阳供电公司，
类型：发明
国别省市：