動力電池運行溫度的自適應預測方法
【技術領域】
[0001]本發明屬于電池管理領域，涉及一種動力電池運行溫度的自適應預測方法。
【背景技術】
[0002]與傳統燃油汽車相比，電動汽車在行駛經濟性和環境友好程度上有很大優勢，但電動汽車中動力電池的性能受溫度的影響較大，不同溫度下電池參數、電壓輸出和放電效率有所不同，使得不同溫度下的電池最大功率和剩余可用能量有差別，影響實車使用中車輛的功率能力和續駛里程，因此在電池管理系統中需重點考慮溫度的影響。除環境溫度差異導致的動力電池性能變化之外，動力電池未來充放電過程中的產熱也會導致溫度變化，造成性能的變化。因此，為了提升動力電池性能的預測精度，需要用實時可用的方法對電池充放電過程中的溫度變化進行預測。
[0003]然而，目前在動力電池充放電過程的溫度預測方面，大多采用神經網絡方法進行電池溫度的預測，該方法需要基于大量數據進行訓練，使用不方便，且該方法主要應用于固定電流倍率的電池溫度預測，也不利于實車正常行駛過程中動力電池的溫度預測。
【發明內容】
[0004]有鑒于此，確有必要提供一種可以方便應用的動力電池運行溫度的自適應預測方法。
[0005]一種動力電池運行溫度的自適應預測方法，該方法包括以下步驟:S1:在動力電池動態充放電過程中，采集某一時刻引起動力電池溫度變化的真實數據，獲得動力電池運行時的電流預測值，并確定溫度預測模型的參數初始值以及產熱計算模型的參數初始值；S2:基于所述引起動力電池溫度變化的數據和電流預測值，并結合所述溫度預測模型的參數初始值與產熱計算模型的參數初始值，進行充放電過程中的動力電池溫度預測值Tfut和動力電池產熱量預測值Qfut的耦合計算；S3:對溫度預測模型的參數以及產熱計算模型的參數進行自適應辨識，得到修正后的溫度預測模型的參數以及產熱計算模型的參數；以及S4:根據所述修正后的溫度預測模型的參數以及產熱計算模型的參數計算所述動力電池運行溫度。
[0006]本發明提供的動力電池運行溫度的自適應預測方法，在預測過程中，通過動力電池溫度預測值和動力電池產熱量預測值的耦合計算，以及對動力電池溫度預測模型的參數和電池產熱量計算的參數進行自適應辨識，可以在運行過程中對電池溫度預測值進行實時優化，得到的溫度預測結果比較精確；且可以適用于變化的電流倍率，以及不同散熱條件和不同產熱情況下的動力電池溫度的預測過程；該方法可以僅通過采集某一個或幾個時間點的真實數據，以及動力電池溫度預測值和動力電池產熱量預測值，對動力電池溫度預測模型的參數和電池產熱量計算的參數進行自適應辨識，方法簡單。
【附圖說明】
[0007]圖1為本發明實施例中動力電池運行溫度的自適應預測方法的流程示意圖。
[0008]圖2為本發明實施例中動力電池溫度預測值Tfut和動力電池產熱量預測值Q fut的親合關系不意圖。
[0009]圖3為本發明實施例中溫度預測模型的參數自適應辨識過程示意圖。
[0010]圖4為本發明實施例中動力電池運行溫度預測結果的自適應修正過程示意圖。
[0011]圖5為本發明實施例中產熱計算模型的參數自適應辨識過程示意圖。
【具體實施方式】
[0012]以下將結合附圖對本發明作進一步詳細的說明。
[0013]請參閱圖1，本發明實施例提供一種動力電池運行溫度的自適應預測方法，其包括以下步驟:
51:在動力電池動態充放電過程中，采集某一時刻引起動力電池溫度變化的真實數據，預估動力電池運行時的電流預測值，并確定溫度預測模型的參數初始值以及產熱計算模型的參數初始值；
52:基于所述引起動力電池溫度變化的真實數據和電流預測值，并結合所述溫度預測模型的參數的初始值以及產熱計算模型的參數的初始值，進行充放電過程中的動力電池溫度預測值Tfut和動力電池產熱量預測值Q fut的耦合計算；
53:對所述溫度預測模型的參數以及產熱計算模型的參數進行自適應辨識，得到修正后的溫度預測模型參數以及產熱計算模型參數；以及
S4:根據所述修正后的溫度預測模型參數以及產熱計算模型參數預測所述動力電池的運行溫度。
[0014]步驟SI中，所述引起動力電池溫度變化的數據包括動力電池真實溫度Tbat,_s、環境溫度Tmv、真實電流值Ibat，_s，以及真實端電壓值ubat，_s。所述電流預測值可以根據車輛實際行駛中對動力電池的電流需求以及具體的充放電工況等得到。所述溫度預測模型的參數包括產熱參數kT，gm和散熱參數k T, disso所述產熱計算模型的參數包括焦耳產熱的電池內阻參數Ra_和電化學反應的可逆熱參數U arevo所述溫度預測模型的參數初始值以及產熱計算模型的參數初始值可以根據實驗經驗隨機確定，也可以通過初始的標定實驗獲得較準確的溫度預測模型的參數初始值以及產熱計算模型的參數初始值。
[0015]步驟S2中，由于動力電池溫度在很大程度上取決于動力電池產熱量，而動力電池產熱量又受到動力電池溫度的影響，因此在充放電過程中進行動力電池溫度預測，需要對動力電池溫度預測值Tfut和動力電池產熱量預測值Qfut進行耦合計算。請參閱圖2，圖2中點劃線圍成的區域對應動力電池溫度預測值Tfut的計算過程，雙點劃線圍成的區域對應動力電池產熱量預測值Qfut的計算過程。
[0016]在所述動力電池溫度預測值Tfut的計算過程中，所述動力電池溫度預測值Tfut采用實時性較好的集總參數熱模型進行計算。具體的，將動力電池充放電過程的時間點分別記為tp t2,...，tk_1； tk,...，tmd，其中tk時刻的溫度預測值Tfut，k由前一時刻tk_4應的溫度預測值TfuUf tk時刻對應的產熱量預測值Q fut，k以及t k時刻對應的環境溫度值!_進行計算，滿足關系式:
Tfut，k Tfut，k-l+k]1，gen*Qfut，k+k]1，diss* (Tfut，k-1 Tenv) (I)， 動力電池產熱量預測值Qfut，k由tk時刻對應的電流預測值Ifut，k，產熱參數，以及充放電導致的荷電狀態(SOC)變化和溫度變化進行計算。所述動力電池產熱量預測值Qfut，k包括焦耳產熱預測值Qfut>，k和電化學反應可逆熱預測值Qfut@v，k。焦耳產熱值Qfut>，k由電流預測值Ifut,k和動力電池內阻參數R α_進行計算，而動力電池內阻R 受多種因素影響，包括S0C、動力電池溫度和動力電池衰減情況。其中，SOC可根據電流預測值Ifut,k進行計算，tk時刻的SOC值記為S0Cfut，k。由于tk時刻的動力電池內阻參數采用前一時刻t η的動力電池溫度Tfut^1進行衡量，而電池衰減對內阻參數的影響較為緩慢，主要通過內阻自適應辨識進行體現。因此，tk時刻的焦耳產熱值Q fut，_，k滿足關系式:
Qfut, jou, k f (Ifut’k，Rq，jou (SOCfut, k，Tfut, k-1) ) (2)o
[0017]電化學反應可逆熱Qfut，rev；k對應的產熱參數U α也與荷電狀態SOC和電池溫度相關，電池衰減對可逆熱的影響可以忽略。因此&時刻的可逆熱值0__，1;滿足關系式:
Qfut，rev, k (Ifut，k，U
Q, rev
(SOCfut, k, Tfut, H)) (3 ) o
[0018]通過關系式(I) (2) (3)可以分別計算出t1; t2,…，V1, tk,…，tmd時刻的動力電池溫度預測值和產熱量預測值。
[0019]步驟S3中，請參閱圖3，需要自適應辨識的溫度預測模型的參數為產熱參數kT，gm和散熱參數kT，diss。該溫度預測模型的參數的自適應辨識過程包括:通過比較相同時間點的動力電池溫度預測值Tfut和傳感器采集的電池真實溫度值T到一預測誤差Δ Tbat，pMd;基于該預測誤差Λ T bat，pral對溫度預測模型中的產熱參數k T，gm和散