锂电池内部温度估计方法、系统、设备和介质与流程

1.本技术涉及电化学储能领域，具体涉及一种锂电池内部温度估计方法、系统、设备和介质。


背景技术：

2.大型锂电池储能电站中，需要监控电池内部温度来评估电池运行状况，但是由于电池封装在模组中，难以直接测量，需要其他方法来实时的估计电池内部温度。
3.文献陈德海等.基于无迹kalman滤波算法的电池内部温度估计[j].汽车安全与节能学报,2022,13(01):186-193.提出提出了一种非线性无迹kalman滤波(ukf)估计算法。对某一2.6ah三元单体锂离子电池，建立等效可变参数热模型；用状态方程分析法，建立电池内部外部温度的关联并离散化；用递推最小二乘法(rls)辨识热模型中时间、表面温度、环境温度、输入电流4种热参数，实时更新系统状态与观测方程的参数矩阵，结合ukf算法，实现电池内部温度估计。文献姬芬竹等.电动汽车动力电池生热模型和散热特性[j].北京航空航天大学学报,2014,40(01):18-24.doi:10.13700/j.bh.1001-5965.2014.01.015.结合bernardi生热速率模型建立了单体电池正极片集流体、负极片集流体和电池极板的热耦合模型以及成组电池传热模型；利用fluent软件仿真分析了自然通风环境中lifepo4单体电池的生热特性,模拟了强制空气对流冷却条件下成组电池的生热和散热特性,分析了电池箱出风口位置对电池温度的影响；计算了不同放电倍率下电池组温度变化。
[0004]
专利cn105260612a《一种电池在线温度估计方法》利用待估计的电池的一阶等效电路模型在充放电使用过程中对电池状态参数进行在线估计，获得电池在t-1时刻的电池的开路电压v
ocv,t-1
，利用待估计的电池在使用过程中电池温度变化与电池生热和电池散热条件的关系，建立电池热平衡模型，用t-1时刻估计t时刻，获得平衡方程，从而获得电池在t时刻在线温度t
t
。专利cn104865534a《一种单体电池内部温度估计方法》提出一种单体电池内部温度估计方法，包括离线部分和在线部分，所述离线部分包括：a1)获得电池单体在不同温度情况下的内阻特性；a2)根据所述内阻特性获取电池内部温度与电池内阻的标准关系；所述在线部分包括：b1)在线检测当前工作电池的电流、端电压及表面温度；b2)根据所述电流和端电压在线估计当前工作电池的电池内阻；b3)根据步骤b2)获得的电池内阻、步骤b1)获得的表面温度及步骤a2)获得的标准关系估计当前工作电池的内部温度。专利cn113884901a《一种电池表面温度分布估计方法及系统》公开了一种电池表面温度分布估计方法及系统，电池温度估计方法首次提出三热源电-热耦合模型，包括三热源传热模型和电阻分布式等效电流模型，分别用以计算电池的热特性以及电特性，以实现特征温度点的瞬时温度估计；具体包括步骤：建立三热源传热模型以及电阻分布式等效电路模型；不同工况下测量并获取电池电压值、电流值以及特征点的温度值；分别对模型中相关参数进行辨识；在稳态和瞬态工况下验证模型的精度和响应性；进一步提高了电池管理系统的温度实时监测能力。
[0005]
以上方法估计模型过于复杂，计算过程繁琐对硬件计算能力要求较高，且需要采
集的模拟量过多。


技术实现要素：

[0006]
本技术得目的在于，提供一种锂电池内部温度估计方法，解决现有技术估计模型复杂，采集模拟量过多的问题。
[0007]
为了达成上述目的，本技术采用如下技术方案：
[0008]
本技术的第一方面，提出了一种锂电池内部温度估计方法，包括：
[0009]
建立电池内部温度估计热模型，所述电池内部温度估计热模型首先利用电池电流数据估计电池表面和内部温度差，再将所述温度差与电池表面温度相加得到电池内部温度估计值；
[0010]
测量运行过程中的锂电池表面温度tb；
[0011]
采集运行过程中的电池电流i；
[0012]
将所述电池表面温度和电池电流代入所述电池内部温度估计热模型计算当前电池内部温度。
[0013]
根据一些实施例，所述电池内部温度估计热模型如下：
[0014]
tn(k)＝tb(k) δt(k)
[0015]
δt(k)＝h(k)θ
[0016]
h(k)＝[δt(k-1),δt(k-2),i2(k),i2(k-1)]
[0017]
θ＝[a1,a2,a3,a4]
t
[0018]
tn为电池内部温度，tb为电池表面温度，δt为电池表面温度与内部温度差，i为电池电流，i2为电池电流平方，h(k)为温差电流已知量集合，k为当前采样点，k-1是k的上一个采样点，k-2是k-1的上一个采样点，a1、a2、a3、a4为模型参数，θ是模型参数向量。
[0019]
根据一些实施例，其特征在于，所述模型参数向量θ通过实验数据拟合，包括：
[0020]
实验场所的室温、室内通风、锂电池风扇功率、锂电池摆放位置情况与现场运行保持一致；
[0021]
对电池进行倍率充放电实验，测试不同倍率下恒流充电和放电，充放电达到充放电截止电压后停止，充放电之间电池静置预设时长；
[0022]
记录实验过程中的锂电池表面温度、电池内部温度和电池电流；
[0023]
基于实验过程数据计算参数θ的最优估计。
[0024]
根据一些实施例，所述电池表面温度是大面温度、顶面温度和侧面温度之一。
[0025]
根据一些实施例，所述基于实验过程数据计算参数向量θ的最优估计，包括：
[0026]
基于实验过程中的所述锂电池表面温度和所述电池内部温度得到电池表面温度与内部温度差的离散采样δt(i)，i＝0,1,2,
…
,n其中n为总采样点数；
[0027]
基于实验过程中的所述电池电流得到电池电流的离散采样i(i)；
[0028]
基于电池表面温度与内部温度差的离散采样和电池电流的离散采样计算温差电流已知量集合h(i)；
[0029]
根据下式计算θ值的最优估计：
[0030]
θ＝(h
t
h)-1ht
t
[0031]
h为以h
t
(i)为行构成的n行矩阵，t为以δt(i)为元素构成的n维列向量。
[0032]
根据一些实施例，所述最优估计的方法采用最小二乘法、最小方差法、极大似然法、极大验后法或者线性最小方差法。
[0033]
根据一些实施例，电池模组中包含若干个电池，对于电池j，j＝1,2,
…
,m，m为总电池数量，实验应测量每个电池j的表面和内部温度，计算电池j的参数向量θj。
[0034]
本技术第二方面，提出了一种锂电池内部温度估计系统，用于估计电池模组中若干个电池的温度，所述系统包括：
[0035]
若干个温度采集模块，采集若干个电池表面温度tb，并发送给温度估计模块；
[0036]
电流采集模块，采集电池电流i，并发送给温度估计模块；
[0037]
温度估计模块，包含电池内部温度估计热模型，所述电池内部温度估计热模型首先利用电池电流数据估计电池表面和内部温度差，再将所述温度差与电池表面温度相加得到电池内部温度估计值；将所采集的电池表面温度和电池电流代入电池内部温度估计热模型计算当前电池内部温度。
[0038]
本技术第三方面提出了一种电子设备，包括：
[0039]
处理器；以及
[0040]
存储器，存储有计算机指令，当所述计算机指令被所述处理器执行时，使得所述处理器执行上文所述的锂电池内部温度估计方法。
[0041]
本技术第四方面提出了一种非瞬时性计算机存储介质，存储有计算机程序，当所述计算机程序被多个处理器执行时，使得所述处理器执行上文所述的锂电池内部温度估计方法。
[0042]
与现有技术相比，本技术的有益效果是：本技术需要采集的实时数据量少，仅需要实时采集电池表面温度和电池电流，通过基于温度差的耦合模型可以准确地实时估计电池内部温度。算法简单、计算量小且稳定性好，需要的测量点少，具有广阔的应用前景。
附图说明
[0043]
为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0044]
图1示出一示例性实施例的锂电池内部温度估计方法的流程图；
[0045]
图2示出一示例性实施例的模型参数向量θ通过实验数据拟合的流程图；
[0046]
图3示出一示例性实施例的基于实验过程数据计算参数向量θ的最优估计方法流程图；
[0047]
图4示出电芯8的温度差拟合值与实测值波形图；
[0048]
图5示出一示例性实施例的锂电池内部温度估计系统示意图；
[0049]
图6示出本技术提供的一种电子设备的结构图。
具体实施方式
[0050]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本申
请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0051]
本技术实施例提供的一种锂电池内部温度估计方法如图1所示，包括如下步骤：
[0052]
s101，建立电池内部温度估计热模型。
[0053]
电池内部温度估计热模型的构建包括：首先利用电池电流数据估计电池表面和内部温度差，再将温度差与电池表面温度相加得到电池内部温度估计值。
[0054]
s102，测量运行过程中的锂电池表面温度tb；采集运行过程中的电池电流i。
[0055]
一些实施例中，电池表面温度可以是大面温度、顶面温度或者侧面温度。
[0056]
s103，将所述电池表面温度和电池电流代入所述电池内部温度估计热模型计算当前电池内部温度。
[0057]
一些实施例中，电池内部温度估计热模型如下：
[0058]
tn(k)＝tb(k) δt(k)
[0059]
δt(k)＝h(k)θ
[0060]
h(k)＝[δt(k-1),δt(k-2),i2(k),i2(k-1)]
[0061]
θ＝[a1,a2,a3,a4]
t
[0062]
tn为电池内部温度，tb为电池表面温度，δt为电池表面温度与内部温度差，i为电池电流，i2为电池电流平方，h(k)为温差电流已知量集合，k为当前采样点，k-1是k的上一个采样点，k-2是k-1的上一个采样点，a1、a2、a3、a4为模型参数，θ是模型参数向量。
[0063]
在热模型中，h(k)的δt(k-1)是上一次计算结果δt(k)，δt(k-2)是上一次计算结果δt(k-1)，i2(k-1)是上一次电流采样平方，然后循环迭代。
[0064]
一些实施例中，所述模型参数向量θ通过实验数据拟合，如图2流程图所示，包括：
[0065]
s201、实验场所的室温、室内通风、锂电池风扇功率、锂电池摆放位置情况与现场运行保持一致。
[0066]
s202、对电池进行倍率充放电实验，测试不同倍率下恒流充电和放电，充放电达到充放电截止电压后停止，充放电之间电池静置预设时长。其中，静置时间一般不低于30min。
[0067]
例如，一个具体实施例中，对电池进行倍率充放电实验，测试0.1c、0.2c、0.5c、1c、2c、3c、4c、5c倍率下恒流充电和放电，其中1c表示电池额定倍率，充放电达到充放电截止电压后停止，充放电之间电池静置30min。
[0068]
s203、记录实验过程中的锂电池表面温度、电池内部温度和电池电流。
[0069]
s204、基于实验过程数据计算参数θ的最优估计。
[0070]
最优估计的方法可以采用最小二乘法、最小方差法、极大似然法、极大验后法或者线性最小方差法。
[0071]
一些实施例中，基于实验过程数据计算参数向量θ的最优估计如图3流程图所示，包括：
[0072]
s301、基于实验过程中的所述锂电池表面温度和所述电池内部温度得到电池表面温度与内部温度差的离散采样δt(i)，i＝0,1,2,
…
,n其中n为总采样点数；
[0073]
s302、基于实验过程中的所述电池电流得到电池电流的离散采样i(i)；
[0074]
s303、基于电池表面温度与内部温度差的离散采样和电池电流的离散采样计算温差电流已知量集合h(i)；
[0075]
s304、根据下式计算θ值的最优估计：
[0076]
θ＝(h
t
h)-1ht
t
[0077]
h为以h
t
(i)为行构成的n行矩阵，t为以δt(i)为元素构成的n维列向量。
[0078]
一些实施例中，电池模组包含若干个电池，对于电池j，j＝1,2,
…
,m，m为总电池数量，实验应测量每个电池j的表面和内部温度，计算电池j的参数向量θj。下面采用线性最小二乘法介绍一个具体案例。
[0079]
以线性最小二乘法拟合铝把与大面温度差δt与电流平方i2(忽略电池内阻r的变化)之间关系，根据电池实验室模组测试数据(电芯8的数据)对模型参数进行拟合获得参数θ，利用拟合模型生成温度差并用拟合出来的温度差迭代产生温度差估计值δt
fit
。δt
fit
与实测值δt之间误差见下表：
[0080]
表1实测值与模型迭代结果误差
[0081][0082]
δt
fit
与δt结果见图4所示。
[0083]
δt
fit
误差很小mae在0.2左右，rmse也在0.25左右。参数识别结果如下表所示：
[0084]
表2参数识别结果
[0085][0086][0087]
图5所示系统可以执行前述根据本技术实施例的锂电池内部温度估计方法。
[0088]
如图5所示，锂电池内部温度估计系统400包括：温度采集模块401、电流采集模块402和温度估计模块403。
[0089]
若干个温度采集模块401，采集若干个电池表面温度tb，并发送给温度估计模块；
[0090]
电流采集模块402，采集电池电流i，并发送给温度估计模块；
[0091]
温度估计模块403，包含电池内部温度估计热模型，所述电池内部温度估计热模型首先利用电池电流数据估计电池表面和内部温度差，再将所述温度差与电池表面温度相加得到电池内部温度估计值；将所采集的电池表面温度和电池电流代入电池内部温度估计热模型计算当前电池内部温度。
[0092]
系统执行与前面提供的方法类似的功能，其他功能可参见前面的描述，此处不再赘述。
[0093]
图6示出本技术提供的一种电子设备的结构图。
[0094]
参阅图6，图6提供一种电子设备，包括处理器以及存储器。存储器存储有计算机指令，当计算机指令被处理器执行时，使得处理器执行所述计算机指令从而实现如图1所示的方法以及细化方案。
[0095]
应该理解，上述的装置实施例仅是示意性的，本发明披露的装置还可通过其它的方式实现。例如，上述实施例中所述单元/模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如，多个单元、模块或组件可以结合，或者可以集成到另一个系统，或一些特征可以忽略或不执行。
[0096]
另外，若无特别说明，在本发明各个实施例中的各功能单元/模块可以集成在一个单元/模块中，也可以是各个单元/模块单独物理存在，也可以两个以上单元/模块集成在一起。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
[0097]
所述集成的单元/模块如果以硬件的形式实现时，该硬件可以是数字电路，模拟电路等等。硬件结构的物理实现包括但不局限于晶体管，忆阻器等等。若无特别说明，所述处理器或芯片可以是任何适当的硬件处理器，比如cpu、gpu、fpga、dsp和asic等等。若无特别说明，所述片上缓存、片外内存、存储器可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器rram(resistive random access memory)、动态随机存取存储器dram(dynamic random access memory)、静态随机存取存储器sram(static random-access memory)、增强动态随机存取存储器edram(enhanced dynamic random access memory)、高带宽内存hbm(high-bandwidth memory)、混合存储立方hmc(hybrid memory cube)等等。
[0098]
所述集成的单元/模块如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本披露各个实施例所述方法的全部或部分步骤。而前述的存储器包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0099]
本技术实施例还提供一种非瞬时性计算机存储介质，存储有计算机程序，当所述计算机程序被多个处理器执行时，使得所述处理器执行如图1所示的方法以及细化方案。
[0100]
应清楚地理解，本技术描述了如何形成和使用特定示例，但本技术不限于这些示例的任何细节。相反，基于本技术公开的内容的教导，这些原理能够应用于许多其它实施例。
[0101]
此外，需要注意的是，上述附图仅是根据本技术示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
[0102]
以上具体地示出和描述了本技术的示例性实施例。应可理解的是，本技术不限于这里描述的详细结构、设置方式或实现方法；相反，本技术意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。