电池电热耦合模型参数与内部状态协同估计方法及系统

本发明属于锂离子电池估计相关，尤其涉及电池电热耦合模型参数与内部状态协同估计方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、锂离子电池在实际运行过程中表现出显著的非线性与时变特性，其电学响应不仅受到荷电状态和电流工况的影响，同时与温度变化密切相关。尤其是在中高倍率充放电或持续动态工况下，电池内部会产生明显的热积累效应，使得温度成为影响电池性能与安全的重要因素。

3、目前，基于等效电路模型的建模方法因结构简单、计算效率高，被广泛应用于工程实践中。通常通过实验手段，在不同荷电状态及温度条件下对模型参数进行辨识，并建立参数随温度变化的关系。然而，在实际应用中，“温度”这一变量的选取往往缺乏统一规范。部分方法直接采用环境温度作为参数输入，忽略了电池在运行过程中的自发热效应；另一部分方法则采用表面测温数据，但由于电池内部与表面之间存在热阻和传热滞后，表面温度难以准确反映电池内部真实热状态，尤其在动态工况下误差更加明显。

4、虽然已有研究尝试引入热模型对电池温度进行计算，但大多采用分步处理方式，即先完成电学参数辨识，再基于辨识结果进行热计算。这种解耦建模方式忽略了电学行为与热行为之间的相互影响，使得由电学模型计算得到的发热量误差无法通过温度信息进行反馈修正，从而限制了模型整体精度的提升。另一方面，高精度热建模方法通常依赖复杂的偏微分方程描述电池内部传热过程，其求解需要较高的计算资源，难以满足实时应用需求。此外，此类方法往往需要对内部温度进行假设或依赖难以获取的参数，使其在工程应用中受到限制。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了电池电热耦合模型参数与内部状态协同估计方法及系统，引入电池体平均温度将估计模型和双状态热传导模型相结合，实现了电学参数与内部热状态的实时、双向交互，提升了模型在复杂运行工况下的动态响应精度与计算效率。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供电池电热耦合模型参数与内部状态协同估计方法，包括：

4、获取锂离子电池的实时电流和荷电状态；

5、以当前步的实时电流、荷电状态以及上一时间步反馈的电池体平均温度作为电学参数估计模型的输入，得到当前步的电学参数；

6、利用所述电学参数计算当前步的动态热源，并基于计算的动态热源，利用双状态热传导模型求解当前步的电池核心温度、预测表面温度以及更新后的电池体平均温度，以更新后的电池体平均温度作为下一时间步电学参数估计模型的前向输入，循环计算实现电热双向实时交互；其中，根据预测端电压与预测表面温度，以及实测端电压和实测表面温度构建电热联合残差损失函数，基于电热联合残差损失函数对电学参数估计模型进行训练。

7、第二方面，本发明提供电池电热耦合模型参数与内部状态协同估计系统，包括：

8、获取模块，被配置为：获取锂离子电池的实时电流和荷电状态；

9、估计模块，被配置为：以当前步的实时电流、荷电状态以及上一时间步反馈的电池体平均温度作为电学参数估计模型的输入，得到当前步的电学参数；其中，根据预测端电压与预测表面温度，以及实测端电压和实测表面温度构建电热联合残差损失函数，基于电热联合残差损失函数对电学参数估计模型进行训练；

10、更新模块，被配置为：利用所述电学参数计算当前步的动态热源，并基于计算的动态热源，利用双状态热传导模型求解当前步的电池核心温度、预测表面温度以及更新后的电池体平均温度，以更新后的电池体平均温度作为下一时间步电学参数估计模型的前向输入，循环计算实现电热双向实时交互。

11、以上一个或多个技术方案存在以下有益效果：

12、在本发明中，通过将当前步的实时电流、荷电状态以及上一时间步反馈的体平均温度共同作为估计模型的输入，驱动估计模型输出动态电学参数，并利用动态电学参数实时计算热源、正向推演双状态热传导模型，成功实现了电学参数与内部核心温度在同一框架下的协同估计，克服了传统方法中参数辨识与热状态计算相互割裂的弊端；通过引入上一时间步体平均温度的时延反馈，将热状态信息实时回馈至估计模型的输入端，使电学参数能够根据热状态进行自适应调整，同时双状态热传导模型也能根据参数变化及时更新热源，显著提升了复杂动态工况下的模型预测精度与鲁棒性；本发明仅需外部可测的电流、端电压和表面温度作为训练与推理依据，利用电热联合残差损失函数对估计模型进行训练，有效解决了内部温度难以直接测量或成本过高的问题，降低了系统硬件复杂度与实施难度。

13、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

1.电池电热耦合模型参数与内部状态协同估计方法，其特征在于，包括：

2.如权利要求1所述的电池电热耦合模型参数与内部状态协同估计方法，其特征在于，所述电学参数估计模型的训练数据集构建，具体为：设置不同的实验工况条件，包括覆盖全荷电状态区间下不同电流测试和不同初始环境温度测试；获取实验过程中的实时充放电电流、端电压和电池表面温度数据。

3.如权利要求1所述的电池电热耦合模型参数与内部状态协同估计方法，其特征在于，利用所述电学参数计算当前步的动态热源，并基于计算的动态热源，利用双状态热传导模型求解当前步的电池核心温度、预测表面温度以及更新后的体平均温度，具体为：

4.如权利要求1所述的电池电热耦合模型参数与内部状态协同估计方法，其特征在于，所述电热联合残差损失函数具体为：

5.如权利要求1所述的电池电热耦合模型参数与内部状态协同估计方法，其特征在于，所述电学参数估计模型采用时间卷积网络与注意力机制相结合的混合架构，以当前步的实时电流、荷电状态以及上一时间步反馈的电池体平均温度作为输入，所述时间卷积网络通过因果卷积与空洞卷积结构提取局部时序特征；通过注意力机制对所述时间卷积网络输出的时序特征进行动态加权，突出与当前电学参数变化最相关的历史时间步信息。

6.如权利要求1-5任一项所述的电池电热耦合模型参数与内部状态协同估计方法，其特征在于，利用基于时间的反向传播算法计算电热联合残差损失函数对所述电学参数估计模型的权重梯度，利用梯度下降优化器迭代更新网络权重，实现电学参数的动态辨识。

7.如权利要求3所述的电池电热耦合模型参数与内部状态协同估计方法，其特征在于，所述双状态热传导模型为双状态常微分方程组，具体为：

8.如权利要求1所述的电池电热耦合模型参数与内部状态协同估计方法，其特征在于，所述电学参数包括欧姆内阻、极化内阻和极化电容。

9.如权利要求3所述的电池电热耦合模型参数与内部状态协同估计方法，其特征在于，基于热容权重，结合内部核心温度与预测表面温度，计算更新当前步的体平均温度，具体为：

10.电池电热耦合模型参数与内部状态协同估计系统，其特征在于，包括：