提升浸没式液冷储能电池寿命的主动热管理方法及系统技术方案

本发明专利技术提供一种提升浸没式液冷储能电池寿命的主动热管理方法及系统，包括获取储能电池的当前电池温度信息结合所述储能电池的历史电池温度信息，通过预先构建的温度预测模型预测所述储能电池在未来时间段的温度预测信息；融合所述当前电池温度信息以及温度预测信息作为状态信息输入预先构建的温控策略模型，确定所述状态信息对应的多个温控动作的温控奖励值，并将温控奖励值最大的温控动作作为目标温控动作；根据所述目标温控动作结合模糊控制算法对所述储能电池进行温度调节，以使所述储能电池工作在目标温度范围内。本发明专利技术的方法能够主动进行电池热管理，提升电池生命。提升电池生命。提升电池生命。

【技术实现步骤摘要】
提升浸没式液冷储能电池寿命的主动热管理方法及系统


[0001]本公开涉及电池技术，尤其涉及一种提升浸没式液冷储能电池寿命的主动热管理方法及系统。

技术介绍

[0002]CN112786997A，一种基于浸没式沸腾传热的动力电池组热管理系统，公开了将动力电池组浸没在低沸点的工质中，当动力电池组产热量较大时，工质受热沸腾汽化从而进行高效地电池散热。动力电池之间布置隔热垫，在某块动力电池出现热失控时能够阻隔热量传递，防止造成多块电池热失控，增加电动汽车的安全性，电池与铝桶接触面布置泡棉，避免电池在工作过程中鼓胀挤压产生安全问题。电池的最佳温度范围为25℃
‑
40℃，本专利技术可以使电池始终在最佳温度范围内工作，即在不同工况下实时地对动力电池进行温度的调控。
[0003]CN115675186A，一种动力电池热管理系统、方法、整车热管理系统及方法，公开了所述系统包括：至少一个电芯冷却系统，设在动力电池系统内，用于密封至少一个电芯，内部充有浸没电芯的冷却液；冷却液进口，用于电芯冷却系统内冷却液的流入，通过直接或间接的方式连通动力电池系统的冷却液流入口；冷却液出口，用于电芯冷却系统内冷却液的流出，通过直接或间接的方式连通动力电池系统的冷却液流出口。本申请可以使得冷却液仅存在于电芯冷却系统内，有效减少了冷却液的使用量，降低了动力电池系统的整体重量，对动力电池系统的轻量化设计有利。
[0004]现有的电池热管理方法往往是从电池的结构入手进行相应改进，而在实际应用中，根据电池温度进行温度调整能够起到更好更理想且更高效的效果。

技术实现思路

[0005]本公开实施例提供一种提升浸没式液冷储能电池寿命的主动热管理方法及系统，能够至少解决现有技术中部分问题，也即解决现有技术主要从结构改进入手的问题。
[0006]本公开实施例的第一方面，提供一种提升浸没式液冷储能电池寿命的主动热管理方法，包括：获取储能电池的当前电池温度信息结合所述储能电池的历史电池温度信息，通过预先构建的温度预测模型预测所述储能电池在未来时间段的温度预测信息，其中，所述温度预测模型基于改进的监督学习算法模型构建而成；融合所述当前电池温度信息以及温度预测信息作为状态信息输入预先构建的温控策略模型，确定所述状态信息对应的多个温控动作的温控奖励值，并将温控奖励值最大的温控动作作为目标温控动作，其中，所述温控策略模型基于改进的强化学习模型构建而成；根据所述目标温控动作结合模糊控制算法对所述储能电池进行温度调节，以使所述储能电池工作在目标温度范围内。
[0007]在一种可选的实施方式中，所述获取储能电池的当前电池温度信息结合所述储能电池的历史电池温度信息，通过预先构建的温度预测模型预测所述储能电池在未来时间段的温度预测信息包括：将所述当前电池温度信息以及所述历史电池温度信息转换为当前电池温度向量以及历史电池温度矩阵，根据所述当前电池温度向量以及所述历史电池温度矩阵对应的基尼系数分别确定所述当前电池温度向量以及所述历史电池温度矩阵的重要性得分；基于所述当前电池温度向量以及所述历史电池温度矩阵，结合其对应的重要性得分，通过支持向量机预测所述储能电池在未来时间段的温度预测信息。
[0008]在一种可选的实施方式中，所述确定所述状态信息对应的多个温控动作的温控奖励值如下公式所示：；其中，T
q
表示温控奖励值，R表示即时奖励值，gamma表示折扣因子，s、a分别表示所述状态信息以及所述温控动作，Q()表示温控奖励函数，done表示终止值。
[0009]在一种可选的实施方式中，所述方法还包括构建温控策略模型：基于预先获取的训练数据集，初始化所述训练数据集，将所述训练数据集的训练状态信息、训练动作信息以及训练奖励信息初始化为状态基因编码、动作基因编码以及奖励基因编码；基于所述状态基因编码、所述动作基因编码以及所述奖励基因编码，结合所述训练数据集的每个个体预设的最大复杂度以及最大目标函数值，设置每个个体的适应度值；采用轮盘赌选择算法选择适应度最高的个体，并对选择的个体进行交叉操作，对交叉操作后的个体通过基因重组的方式进行变异处理，直至种群达到最大代数或者种群的适应度值不再变化，完成对温控策略模型的构建。
[0010]在一种可选的实施方式中，所述基于所述状态基因编码、所述动作基因编码以及所述奖励基因编码，结合所述训练数据集的每个个体预设的最大复杂度以及最大目标函数值，设置每个个体的适应度值如下公式所示：；其中，FIT表示适应度值，R(x)表示所述状态基因编码、所述动作基因编码以及所述奖励基因编码对应的组合函数，K表示个体数量，COM(k)表示第k个个体的复杂度，complex
k
表示个体复杂度对应的复杂度权重系数，F(k)表示第k个个体的目标函数值。
[0011]在一种可选的实施方式中，所述根据所述目标温控动作结合模糊控制算法对所述储能电池进行温度调节包括：将所述温度预测信息以及目标温度映射为模糊集合，根据所述模糊控制算法的隶属度函数，确定所述模糊集合中各个元素对应的隶属度值；根据所述模糊集合中各个元素对应的隶属度值以及预设的模糊规则，进行模糊推
理，得到温控动作的模糊输出，并通过解模糊化处理确定所述模糊输出推理温控动作；基于所述目标温控动作进行温度调节后第一温度值，所述推理温控动作进行温度调节后的第二温度值，根据所述第一温度值与所述第二温度值的温度差判断所述温度差是否满足预设温差条件，若是，则任意选择所述目标温控动作或者所述推理温控动作，若否，则选择温度值更接近所述目标温度的温控动作。
[0012]本公开实施例的第二方面，提供一种提升浸没式液冷储能电池寿命的主动热管理系统，包括：第一单元，用于获取储能电池的当前电池温度信息结合所述储能电池的历史电池温度信息，通过预先构建的温度预测模型预测所述储能电池在未来时间段的温度预测信息，其中，所述温度预测模型基于改进的监督学习算法模型构建而成；第二单元，用于融合所述当前电池温度信息以及温度预测信息作为状态信息输入预先构建的温控策略模型，确定所述状态信息对应的多个温控动作的温控奖励值，并将温控奖励值最大的温控动作作为目标温控动作，其中，所述温控策略模型基于改进的强化学习模型构建而成；第三单元，用于根据所述目标温控动作结合模糊控制算法对所述储能电池进行温度调节，以使所述储能电池工作在目标温度范围内。
[0013]本公开实施例的第三方面，提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。
[0014]本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。
[0015]本公开实施例的有益效果可以参考具体实施方式中技术特征对应的有益效果，在此不再赘述。
附图说明
[0016]图1为本公开实施例提升浸没式液冷储能电池寿命的主动热管理方法的流程示意图；图2为本公本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提升浸没式液冷储能电池寿命的主动热管理方法，其特征在于，包括：获取储能电池的当前电池温度信息结合所述储能电池的历史电池温度信息，通过预先构建的温度预测模型预测所述储能电池在未来时间段的温度预测信息，其中，所述温度预测模型基于改进的监督学习算法模型构建而成；融合所述当前电池温度信息以及温度预测信息作为状态信息输入预先构建的温控策略模型，确定所述状态信息对应的多个温控动作的温控奖励值，并将温控奖励值最大的温控动作作为目标温控动作，其中，所述温控策略模型基于改进的强化学习模型构建而成；根据所述目标温控动作结合模糊控制算法对所述储能电池进行温度调节，以使所述储能电池工作在目标温度范围内。2.根据权利要求1所述的方法，其特征在于，所述获取储能电池的当前电池温度信息结合所述储能电池的历史电池温度信息，通过预先构建的温度预测模型预测所述储能电池在未来时间段的温度预测信息包括：将所述当前电池温度信息以及所述历史电池温度信息转换为当前电池温度向量以及历史电池温度矩阵，根据所述当前电池温度向量以及所述历史电池温度矩阵对应的基尼系数分别确定所述当前电池温度向量以及所述历史电池温度矩阵的重要性得分；基于所述当前电池温度向量以及所述历史电池温度矩阵，结合其对应的重要性得分，通过支持向量机预测所述储能电池在未来时间段的温度预测信息。3.根据权利要求1所述的方法，其特征在于，所述确定所述状态信息对应的多个温控动作的温控奖励值如下公式所示：；其中，T
q
表示温控奖励值，R表示即时奖励值，gamma表示折扣因子，s、a分别表示所述状态信息以及所述温控动作，Q()表示温控奖励函数，done表示终止值。4.根据权利要求1所述的方法，其特征在于，所述方法还包括构建温控策略模型：基于预先获取的训练数据集，初始化所述训练数据集，将所述训练数据集的训练状态信息、训练动作信息以及训练奖励信息初始化为状态基因编码、动作基因编码以及奖励基因编码；基于所述状态基因编码、所述动作基因编码以及所述奖励基因编码，结合所述训练数据集的每个个体预设的最大复杂度以及最大目标函数值，设置每个个体的适应度值；采用轮盘赌选择算法选择适应度最高的个体，并对选择的个体进行交叉操作，对交叉操作后的个体通过基因重组的方式进行变异处理，直至种群达到最大代数或者种群的适应度值不再变化，完成对温控策略模型的构建。5.根据权利要求4所述的方法，其特征在于，所述基于所述状...

【专利技术属性】
技术研发人员：阮刚，梁超，米洋，王炯耿，李翊，钱东培，蒋海怡，陈希敏，吴少敏，
申请(专利权)人：浙江兴创新能源有限公司，
类型：发明
国别省市：