锂离子电池低温混合脉冲加热控制方法及系统

本发明涉及锂离子电池低温热管理及电池管理，具体涉及一种锂离子电池低温混合脉冲加热控制方法及系统。

背景技术：

1、锂离子电池在低温环境下存在界面反应动力学减慢、离子传输能力下降和极化增大的问题，直接充电容易使负极电位降低并增加析锂风险。利用充放电交替或带静置段的混合脉冲使电池内部产生焦耳热和极化热，是提升低温电池温度的一类可行方法。但是，脉冲幅值和持续时间过大时，同样可能使负极电位接近析锂风险区域，因此低温脉冲加热不仅需要提高升温速度，还需要在脉冲执行过程中对负极安全状态进行约束。

2、现有基于电化学模型的控制方法能够计算负极电位等内部状态，但高保真电化学-热-老化模型包含多组耦合状态方程，在宽温度、宽以及不同老化状态下进行实时求解和参数更新，对电池管理系统的在线算力和模型参数可靠性要求较高。尤其是在强化学习需要频繁评估候选动作时，如果每个控制周期都重新求解完整电化学-热-老化模型，难以兼顾控制实时性。

3、另一方面，单纯使用端电压、温度和作为强化学习输入，虽然能够生成不同脉冲策略，但这些外部状态不能直接反映负极电位变化。当电池老化后，相同温度、和候选脉冲所对应的负极响应可能发生变化，仅使用固定安全阈值表或不考虑的策略，难以覆盖电池寿命过程中的状态变化。

4、因此，需要一种不依赖在线求解完整电化学-热-老化模型、同时能够利用电池老化状态和负极电位信息进行实时安全判断的低温脉冲加热方法。

技术实现思路

1、针对现有低温脉冲加热方法难以同时兼顾在线计算实时性、老化状态适应性和负极析锂风险约束的问题，本发明提供一种锂离子电池低温混合脉冲加热控制方法及系统。

2、实现上述目的，本发明提供如下技术方案：

3、一方面，本发明提供一种锂离子电池低温混合脉冲加热控制方法，包括以下步骤：

4、获取包括锂离子电池的状态、soh、候选混合脉冲，以及候选混合脉冲被执行后的负极电位轨迹的训练样本；

5、利用训练样本训练负极电位预测模型，使负极电位预测模型能够基于输入的锂离子电池的状态、soh和候选混合脉冲，输出候选混合脉冲执行后的负极电位轨迹；

6、在离线环境中训练强化学习策略，使强化学习策略能够根据锂离子电池的状态生成满足硬件可执行范围的候选混合脉冲，候选混合脉冲作为强化学习策略的动作；

7、在每个在线控制周期，读取锂离子电池的当前状态、以及最近一次更新得到的soh，基于训练完成的强化学习策略根据当前状态生成尚未执行的候选混合脉冲；

8、在候选混合脉冲实际执行前，将锂离子电池的当前状态、soh以及候选混合脉冲输入训练好的负极电位预测模型，预测候选混合脉冲执行后的负极电位轨迹；

9、基于预测到的候选混合脉冲执行后的负极电位轨迹，对候选混合脉冲进行安全判断，如通过安全判断，控制双向功率变换装置按照候选混合脉冲对锂离子电池实施低温加热，当没有通过安全判断，则对候选混合脉冲进行修改并再次执行对修改后的候选混合脉冲的负极电位轨迹预测和安全判断，直至获得安全候选混合脉冲或触发保守回退。

10、另一方面，本发明提供一种锂离子电池低温混合脉冲加热控制系统，包括离线训练子系统和在线控制子系统；

11、其中，所述离线训练子系统，包括：

12、训练样本获取模块，用于获取包括锂离子电池的状态、soh、候选混合脉冲，以及候选混合脉冲被执行后的负极电位轨迹的训练样本；

13、负极电位预测模型训练模块，用于利用训练样本训练负极电位预测模型，使负极电位预测模型能够基于输入的锂离子电池的状态、soh和候选混合脉冲，输出候选混合脉冲执行后的负极电位轨迹；

14、强化学习策略训练模块，用于在离线环境中训练强化学习策略，使强化学习策略能够根据锂离子电池的状态生成满足硬件可执行范围的候选混合脉冲，候选混合脉冲作为强化学习策略的动作；

15、所述在线控制子系统包括：

16、状态获取模块，用于在每个在线控制周期，读取锂离子电池的当前状态、以及最近一次更新得到的soh，基于训练完成的强化学习策略根据当前状态生成尚未执行的候选混合脉冲；

17、负极电位预测模块，用于在候选混合脉冲实际执行前，将锂离子电池的当前状态、soh以及候选混合脉冲输入训练好的负极电位预测模型，预测候选混合脉冲执行后的负极电位轨迹；

18、安全判断模块，用于基于预测到的候选混合脉冲执行后的负极电位轨迹，对候选混合脉冲进行安全判断；

19、执行与保护模块，用于控制双向功率变换装置按照通过安全判断的候选混合脉冲对锂离子电池实施低温加热；当候选混合脉冲没有通过安全判断时，则对候选混合脉冲进行修改，并再次触发对修改后的候选混合脉冲的负极电位轨迹预测和安全判断，直至获得安全候选混合脉冲或触发保守回退。

20、进一步地，所述系统还包括状态反馈模块，用于获取候选混合脉冲执行后的电池状态并进入下一控制周期。

21、所述系统可部署于电池管理控制器、整车控制器、储能控制器或与双向功率变换装置连接的独立控制器中。强化学习策略参数、负极电位预测模型参数、允许动作范围、负极电位安全阈值以及附加安全裕量存储于控制器的非易失性存储器中。在线运行过程中，系统不调用三电极信号，三电极数据仅用于离线模型构建、校准和验证。

22、另一方面，本发明提供一种电子设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述锂离子电池低温混合脉冲加热控制方法的步骤。

23、另一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述锂离子电池低温混合脉冲加热控制方法的步骤。

24、另一方面，本发明提供一种计算机程序产品，所述计算机程序产品存储在计算机可读存储介质上，并且包括计算机指令，所述计算机指令在由处理器运行时使得计算机设备实现上述锂离子电池低温混合脉冲加热控制方法的步骤。

25、相比现有技术，本发明的有益效果，如下：

26、本发明提供一种锂离子电池低温混合脉冲加热控制方法，包括获取包括锂离子电池的状态、soh、候选混合脉冲，以及候选混合脉冲被执行后的负极电位轨迹的训练样本，利用训练样本训练负极电位预测模型和强化学习策略，在线阶段根据锂离子电池的当前状态生成候选混合脉冲，负极电位预测模型在候选混合脉冲执行前预测其未来负极电位轨迹，据此进行安全判断以及脉冲控制。该方法将计算量较大的模型校准、工况扩展和强化学习训练安排在离线阶段完成，在在线阶段仅执行状态读取、强化学习策略推理、候选混合脉冲对应的负极电位轨迹预测、候选混合脉冲执行前的安全判断以及脉冲控制，从而在不要求实际应用电池配置参比电极的条件下，对尚未执行的候选混合脉冲进行前瞻式安全筛选。

27、进一步地，所述训练样本集中包括三电极真实样本和多工况仿真样本；三电极真实样本通过锂离子电池在不同老化状态下进行三电极测试得到；多工况仿真样本由经三电极真实样本离线校准的电化学-热-老化模型在不同仿真工况下生成。将高计算量的电化学-热-老化模型从快速在线控制环移至离线数据生成和强化学习训练阶段，在线仅进行策略推理和预测模型前向计算，降低实时计算负担。

28、本发明所述负极电位预测模型以作为输入，并使用不同下的三电极真实样本和经三电极真实样本离线校准的电化学-热-老化模型仿真生成的不同仿真工况下工况仿真样本进行训练，使负极安全判断能够随电池老化状态变化，而不要求在线识别具体老化机理。

29、本发明所述负极电位预测模型的输入包含尚未执行的候选混合脉冲，因此能够在候选混合脉冲对应动作真正施加到电池之前预测未来负极电位轨迹，实现候选混合脉冲执行前的安全筛选，而不是等到危险状态发生后再进行反馈修正。

30、本发明中的强化学习负责提高低温加热效率，负极电位预测和安全判断独立承担析锂风险约束，避免将析锂安全仅作为奖励函数中的软惩罚项。

31、本发明中的三电极仅用于离线实验和模型验证，实际部署阶段可继续采用常规两极电池及bms传感器，有利于在现有电池管理系统中实现。