一种锂离子电池包的热管理系统及其控制方法与流程

摘要: 本技术涉及电池热管理领域,尤其涉及一种锂离子电池包的热管理系统及其控制方法。背景技术:1、锂离子电池热管理是保障其安全高效运行的关键。现有热管理策略多基于固定温...
一种锂离子电池包的热管理系统及其控制方法与流程

本技术涉及电池热管理领域,尤其涉及一种锂离子电池包的热管理系统及其控制方法。

背景技术:

1、锂离子电池热管理是保障其安全高效运行的关键。现有热管理策略多基于固定温度阈值或简单反馈逻辑进行控制,未考虑电池单体间因制造和使用差异导致的老化状态不同,无法差异化设定安全边界,致使老化严重的电池易处于热失控风险中。同时,传统热场预测依赖集总参数模型或有限元仿真,计算效率低,难以实现实时重构电池包内部连续时空温度场。此外,现有策略多为反应式控制,缺乏对电池未来老化趋势的前瞻性考量,难以在全生命周期内持续兼顾热安全与能耗优化。

2、因此,亟需一种融合老化状态辨识、精准热场预测及安全约束优化的智能化热管理方法。

技术实现思路

1、本技术提供一种锂离子电池包的热管理系统及其控制方法,解决了现有技术热管理策略难以兼顾全生命周期安全性与能效优化、无法实现差异化精准热调控的技术问题。

2、为达到上述目的,本技术采用如下技术方案:

3、第一方面,提供一种锂离子电池包的热管理系统的控制方法,包括:

4、获取锂离子电池包中各电池单体的状态参数,所述状态参数至少包括电压、电流、表面温度及荷电状态;

5、根据各电池单体的所述状态参数,辨识各电池单体的当前老化状态参数,并根据各电池单体的历史老化轨迹预测各电池单体的未来老化趋势;

6、根据各电池单体的所述当前老化状态参数及所述未来老化趋势,差异化地确定各电池单体的热安全约束边界;

7、根据各电池单体的所述状态参数,构建所述锂离子电池包的动态热预测模型,并预测所述锂离子电池包在未来时段内的热场时空分布;

8、根据预测的所述热场时空分布以及所述热安全约束边界,生成热管理控制指令,并执行热管理操作,所述热管理控制指令至少包括用于调节所述锂离子电池包不同空间区域的冷却能力或加热能力的差异化执行参数。

9、基于上述技术方案,在本技术提供的一种锂离子电池包的热管理系统的控制方法中,通过融合老化状态在线辨识、物理信息神经网络热场预测与安全约束优化控制,实现了差异化精准热管理。该方法根据各电池单体的健康状态差异化设定热安全约束边界,使老化严重的单体获得更保守的安全阈值,在全生命周期内保障热安全性;通过物理信息时空图神经网络将热传导偏微分方程嵌入损失函数,以有限测点数据实现电池包全域连续时空热场的精准重构与多步预测;通过数字孪生体超前推演与cbf-mpc混合框架,将热安全作为硬约束嵌入优化过程,在理论上保证安全性的前提下同时优化温度均匀性和能耗。

10、结合上述第一方面,在一种可能的实现方式中,所述动态热预测模型为基于物理信息神经网络的动态热预测模型,包括:

11、将热传导偏微分方程作为物理约束嵌入该物理信息神经网络的损失函数,以及各电池单体的电压、电流、表面温度为输入,实时重构所述锂离子电池包的全域连续时空热场分布,并预测未来预设时域内的热场时空演化趋势;

12、所述物理信息神经网络为物理信息时空图神经网络,所述物理信息时空图神经网络以各电池单体为图节点、以电池单体间的热传导路径为图边,将热传导偏微分方程作为物理约束嵌入图神经网络的损失函数,利用温度传感器实测数据驱动网络训练,以对所述锂离子电池包内连续时空温度场进行重构与多步预测。

13、结合上述第一方面,在一种可能的实现方式中,所述预测所述锂离子电池包在未来时段内的热场时空分布,包括:

14、利用预先构建的所述锂离子电池包的数字孪生体进行超前推演,所述数字孪生体以各电池单体的实时状态参数为输入,通过数据同化算法将实测数据持续注入所述物理信息神经网络,使得数字孪生体与物理电池包的状态实时同步;在所述数字孪生体中并行运行多个候选控制策略并分别推演各策略下的热场演化结果,基于推演结果筛选最优候选控制策略,将所述最优候选控制策略对应的热场演化结果确定为预测的所述热场时空分布。

15、结合上述第一方面,在一种可能的实现方式中,所述热安全约束边界的确定方法,包括:

16、根据各单体电池的所述当前老化状态参数确定各电池单体的健康状态值,根据各单体的所述健康状态值差异化设置各电池单体的安全阈值;其中,健康状态值越低的电池单体对应越保守的安全阈值;以所述安全阈值作为安全状态集的边界参数,采用控制屏障函数构造所述热安全约束边界,所述控制屏障函数满足:对于任意时刻,当各电池单体的当前热状态位于所述控制屏障函数所限定的安全状态集内,则在所述控制屏障函数的约束下生成的控制输入使各电池单体在后续所有时刻的热状态保持在所述安全状态集内。

17、结合上述第一方面,在一种可能的实现方式中,所述生成热管理控制指令的过程中,包括:

18、采用控制屏障函数-模型预测控制混合框架求解多目标优化问题;其中,所述控制屏障函数作为硬约束保证所述锂离子电池包在全生命周期内的热安全性,模型预测控制作为优化器在所述硬约束限定的可行域内优化热管理系统的能耗和温度均匀性目标。

19、结合上述第一方面,在一种可能的实现方式中,所述多目标优化问题的约束条件,包括:s

20、在低温预热模式下各电池单体的析锂风险系数低于预设的析锂风险阈值,所述第i个电池单体的析锂风险系数通过以下公式计算:

21、;

22、其中,为基于第i个电池单体的当前健康状态值确定的析锂敏感系数;为析锂反应的摩尔活化能;q为理想气体常数;为第i个电池单体的当前温度;为第i个电池单体的当前充放电电流;为参考电流;为电流影响指数;为第i个电池单体的当前荷电状态;为参考荷电状态;为荷电状态影响指数。

23、结合上述第一方面,在一种可能的实现方式中,所述根据各电池单体的历史老化轨迹预测各电池单体的未来老化趋势,包括:

24、获取各电池单体在全生命周期中的内阻增长曲线和容量衰减曲线,采用时序预测模型根据所述内阻增长曲线和容量衰减曲线预测各电池单体在未来预设循环次数后的内阻预计值和容量预计值;生成所述热管理控制指令时,根据所述内阻预计值和容量预计值,对预测将发生老化加速的电池单体提前增加冷却资源分布。

25、结合上述第一方面,在一种可能的实现方式中,所述差异化执行参数包括冷却系统的可重构流道拓扑切换指令和各冷却区域的冷却介质流量分配指令;所述冷却系统包括多条可独立控制通断和流向的冷却介质流道,各冷却介质流道在所述锂离子电池包内部形成品格状分段网络。

26、结合上述第一方面,在一种可能的实现方式中,所述可重构流道拓扑切换指令的生成步骤,包括:

27、以当前流道拓扑状态为初始状态,以各流道切换阀的动作能耗为代价,在所述热安全约束边界的约束下求解使温度均匀性、冷却介质输送能耗和拓扑切换能耗综合最优的目标流道拓扑结构,根据所述目标流道拓扑结构确定各冷却介质流道的通断状态和流向状态,使冷却介质流道的空间拓扑结构与所述热场时空分布中的产热强度空间分布相匹配。

28、第二方面,本技术提供一种锂离子电池包的热管理系统,包括:状态参数获取模块,老化状态辨识与预测模块、热安全约束边界确定模块、动态热预测模块、控制指令生成模块和热管理执行模块;其中,状态参数获取模块,用于获取锂离子电池包中各电池单体的状态参数;老化状态辨识与预测模块,用于根据各电池单体的所述状态参数,辨识各电池单体的当前老化状态参数,并根据各电池单体的历史老化轨迹预测各电池单体的未来老化趋势;热安全约束边界确定模块,用于根据各电池单体的所述当前老化状态参数及所述未来老化趋势,差异化地确定各电池单体的热安全约束边界;动态热预测模块,用于根据各电池单体的所述状态参数,构建所述锂离子电池包的动态热预测模型,并预测所述锂离子电池包在未来时段内的热场时空分布;控制指令生成模块,用于根据预测的所述热场时空分布以及所述热安全约束边界,生成热管理控制指令;热管理执行模块,用于根据所述热管理控制指令执行热管理操作。

29、本技术提供一种锂离子电池包的热管理系统及其控制方法,能够实现以下有益效果:首先,通过在线辨识各电池单体的当前老化状态并预测未来老化趋势,差异化地确定各电池单体的热安全约束边界,使健康状态值较低的电池单体获得更保守的安全阈值,从而在全生命周期内为每颗电池单体提供适配其老化程度的热安全保障;其次,通过构建基于物理信息神经网络的动态热预测模型,将热传导偏微分方程作为物理约束嵌入损失函数,以有限测点数据实现电池包全域连续时空热场的精准重构与多步预测,大幅提升了热场感知的时空分辨率并降低了传感器部署成本;再次,通过数字孪生体进行超前推演和并行策略筛选,实现了从被动响应式控制向主动前瞻式控制的转变,在控制指令执行前即完成多策略效果评估与优选;最后,通过控制屏障函数-模型预测控制混合框架,将热安全约束作为硬约束嵌入优化过程,在理论上保证安全性的前提下同时优化温度均匀性和系统能耗,有效兼顾了热安全性、舒适性与经济性。

30、应当理解的是,本技术中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反,可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此,本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而,还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解,无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中,还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。