面向混合动力飞行器的动力电池微观状态感知方法和装置
本发明涉及动力电池管理,特别涉及一种面向混合动力飞行器的动力电池微观状态感知方法和装置。
背景技术:
1、为了兼顾长航程与垂直起降的高功率需求,串联式混合动力架构成为当前阶段解决纯电动里程焦虑与载重瓶颈的主流方案。此类飞行器普遍采用高能量密度的三元锂(ncm)动力电池作为能量缓冲与高功率输出单元。然而,相较于地面电动汽车,混合动力低空飞行器的运行环境与工况呈现出极端的复杂性,给电池状态感知与安全管理带来了全新的挑战。
2、首先,飞行工况下的热管理边界条件具有高度时变性与非线性。地面车辆的散热环境相对稳定,而低空飞行器在经历地面悬停、垂直爬升、高空巡航及快速下降等过程时,大气压力、合成空速以及旋翼下洗气流均在剧烈变化。现有的电池热管理模型通常将对流换热系数视为常数或仅与速度相关的简单线性变量,无法适配飞行器“垂直起降时强风冷、高空巡航时低气压稀薄空气”的复杂流体环境。这导致bms基于表面温度传感器反推内部温度时存在严重的模型失配与物理测量迟滞,极易在起降高倍率放电的瞬间掩盖电池内部几何中心的热积聚,引发“内热外冷”的热失控隐患。
3、其次,混合动力系统的机电耦合效应引入了复杂的电磁干扰与额外热源。在增程模式下,由于整流器开关动作及发动机转速波动,直流母线上叠加了高频高幅值的电流纹波。这种纹波不仅会对bms的电流采样信号造成噪声干扰,掩盖电池真实的电化学极化特征,还会通过交流焦耳热效应在电池内部产生额外的温升。现有的bms算法缺乏对这种混合动力特有“纹波热源”的解耦与补偿机制,导致对电池热状态的估计偏低。
4、再次,高动态瞬时功率吞吐面临微观析锂风险。飞行器在遇突风姿态调整或执行紧急避障动作时,电机电流存在毫秒级的剧烈跳变;在垂直下降阶段,旋翼电机的瞬态制动回馈电流可能冲击电池充电边界。在这些高动态工况下,电池负极表面的锂离子浓度梯度会瞬间建立,极易导致局部负极固相电势跌落至0v以下,诱发不可逆的“析锂”副反应。传统的等效电路模型仅能观测宏观端电压,无法透视内部微观电位,难以在析锂发生前给出有效的功率限制边界。
5、综上所述,现有的车规级bms算法难以应对低空飞行器“变流场散热边界”、“高频纹波干扰”及“高倍率瞬态冲击”叠加的极端工况。虽有部分全物理机理模型能精确描述微观状态,但其计算量庞大,难以在算力受限的机载嵌入式芯片上实时运行;而纯数据驱动的神经网络模型又严重依赖完备的故障数据集,泛化能力差。
6、因此,亟需一种面向混合动力飞行器的动力电池微观状态感知方法和装置。
技术实现思路
1、为了解决现有的车规级bms算法难以应对低空飞行器“变流场散热边界”、“高频纹波干扰”及“高倍率瞬态冲击”叠加的极端工况,无法精确描述极端工况下微观状态的问题,本发明实施例提供了一种面向混合动力飞行器的动力电池微观状态感知方法和装置。
2、一方面,提供了一种面向混合动力飞行器的动力电池微观状态感知方法,所述方法包括:
3、实时采集电池管理系统、飞行控制系统及增程器控制器的实时运行数据,构建包含电化学特征、热特征、飞行流体力学特征、混合动力干扰特征和老化特征的多维状态向量;
4、利用预先训练好的物理信息神经网络模型的电化学子网与热动力学子网,基于所述多维状态向量,输出包含负极表面归一化锂离子浓度、负极固相电势和电池中心温度的电池微观状态向量;其中,所述物理信息神经网络模型是利用含有物理机理约束的目标损失函数训练生成的,所述目标损失函数包含宏观数据损失项以及由热动力学物理残差项和电化学动力学残差项组成的微观物理约束项,所述热动力学物理残差项基于径向热传导偏微分方程构建,且所述径向热传导偏微分方程引入了随飞行状态动态变化的对流换热边界残差以及混合动力纹波热修正项;
5、基于所述电池微观状态向量生成电池安全风险信号,并广播至下游控制器。
6、另一方面,提供了一种基于说明书任一方法实施例所述步骤的面向混合动力飞行器的动力电池微观状态感知装置,装置包括:
7、采集单元,用于实时采集电池管理系统、飞行控制系统及增程器控制器的实时运行数据,构建包含电化学特征、热特征、飞行流体力学特征、混合动力干扰特征和老化特征的多维状态向量;
8、感知单元,用于利用预先训练好的物理信息神经网络模型的电化学子网与热动力学子网,基于所述多维状态向量,输出包含负极表面归一化锂离子浓度、负极固相电势和电池中心温度的电池微观状态向量;其中,所述物理信息神经网络模型是利用含有物理机理约束的目标损失函数训练生成的,所述目标损失函数包含宏观数据损失项以及由热动力学物理残差项和电化学动力学残差项组成的微观物理约束项,所述热动力学物理残差项基于径向热传导偏微分方程构建,且所述径向热传导偏微分方程引入了随飞行状态动态变化的对流换热边界残差以及混合动力纹波热修正项;
9、广播单元,用于基于所述电池微观状态向量生成电池安全风险信号,并广播至下游控制器。
10、另一方面,提供了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器用于存放计算机程序,所述处理器用于执行所述存储器上所存放的计算机程序,以实现上述所述方法的步骤。
11、另一方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述所述方法的步骤。
12、另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述所述方法的步骤。
13、本发明提供的技术方案至少可以带来以下有益效果:
14、构建融合飞行流体力学特征与电化学-热力学机理的物理信息神经网络时,在物理机理约束目标损失函数中的热动力学物理残差项中,引入随飞行状态动态变化的对流换热边界残差,而非传统技术的常数对流换热系数,这使得系统在表面温度传感器因热传导存在物理滞后的情况下,仍能基于流体力学特征准确推算出电池内部的核心温度变化趋势,提高了高动态飞行工况下热状态感知的实时性与准确性;且在模型输入端引入增程器转速混合动力干扰特征,并在热动力学物理残差项中增加了混合动力纹波热修正项,能够修正混合动力系统高频纹波干扰对电池状态估计的影响,有效提升混合动力模式下电池热状态估计的鲁棒性与精度;另外,通过神经网络与物理机理模型结合的方式构建物理信息神经网络模型,利用物理机理约束神经网络,建立了宏观电气量与微观电化学状态的映射关系,能够在机载端实时输出电池内部核心温度、负极固相电势及表面离子浓度等不可直接测量的物理量,解决了传统方法仅依靠端电压无法识别内部瞬态析锂风险以及动力电池输出功率不足的问题,为能量管理系统制定精确的预警安全边界设定提供依据。综上,本方案能够在低空飞行器“变流场散热边界”、“高频纹波干扰”及“高倍率瞬态冲击”叠加的极端工况下,精确感知电池微观状态。
1.一种面向混合动力飞行器的动力电池微观状态感知方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述物理信息神经网络模型是通过如下方式训练的:
3.如权利要求2所述的方法,其特征在于,所述预测端电压通过如下方式计算:
4.如权利要求2所述的方法,其特征在于,所述热动力学物理残差项通过如下方式计算:
5.如权利要求4所述的方法,其特征在于,所述混合动力纹波热修正项通过如下公式计算:
6.如权利要求2所述的方法,其特征在于,所述电化学动力学残差项通过如下方式计算:
7.一种面向混合动力飞行器的动力电池微观状态感知装置,用于实现上述权利要求1-6任一所述方法的步骤,其特征在于,包括:
8.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器用于存放计算机程序,所述处理器用于执行所述存储器上所存放的计算机程序,以实现上述权利要求1-6任一所述方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法的步骤。
10.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com