[发明专利]基于深度学习多层网络建模的电池热管理方法及系统

说明书

本发明提供了一种基于深度学习多层网络建模的电池热管理方法及系统，所述方法包括以下步骤：S1、测量电池的热物性参数，其中包括电池的密度、比热容；S2、根据电池热物性参数，建立电池的三维热效应方程，求解电池的三维热效应方程，得到的解就是电池的温度场分布情况；S3、建立电池热效应模型；S4、根据电池的热效应模型，通过前向参数的自适应拟合方法，其中前向参数包括产热量、热性能分布、热物性参数，获取热能参数控制输出方程；通过反向的制冷控制参数，形成热控制方程参数的配置，建立不同的冷却方式对电池进行温度调控。本发明采用自适应反向传导热管理方式对电池进行温度调控，可有效进行热控制，维持电池运行的稳定性和安全性。

技术领域

本发明属于电池热管理技术领域，特别涉及一种基于深度学习多层网络建模的电池热管理方法及系统。

背景技术

电池是新能源汽车的核心部件，其性能的好坏直接影响到汽车的工作情况。电池需要进行大电流的充放电，其内部发生剧烈的电化学反应，此过程中会产生大量的热量，导致电池温度的急剧变化，单体电池有最佳工作温度范围，由于电化学性能的差异，不同种类电池的最佳温度范围不同，例如铅酸电池的最佳温度范围为25～45℃，而镍氢电池的最佳工作温度范围为20～40℃，电池温度每上升10℃，电池内部的电化学反应速率就会成倍增加。电池内部的温升亦会对充放电容量和功率造成大的影响。由于电池内部的反应是活性物质向惰性状态的变化，所以在任何条件下，电池的充放电容量和功率的降级是不可避免的，但是在高温环境下的降级尤其剧烈，此时电池内部的欧姆热阻将急剧增加，这样电池的开路电压(即工作电压)就会大幅度的降低，对外所能输出的功就相应的减少，进而导致充放电容量和功率的急剧降级。

通常新能源电池组由大量的电池单体紧密排布在一起，聚集的热量难以排出，长时间工作时电池温度可能超出正常范围，而电池温度的变化又直接影响着电池的安全性、循环寿命、放电容量及充放电效率等性能，严重时会导致热失效，影响电池的安全性和可靠性，尤其内部有害化学反应速度的加快，将永久性的破坏电池的结构，进而减少电池的工作寿命，进而影响整车的工作性能。

因此，电池系统的热管理方法是电源管理的核心内容，其管理方法及控制输出参数的精度及性能决定着新能源汽车整车的性能，在车用电池组中加入热管理系统很有必要。

发明内容

为解决以上问题，本发明提出一种自适应深度学习网络及其应用，该自适应深度学习网络通过前向的热参数，热性能分布的自适应拟合方法，获取热能参数控制输出方程；还通过反向的控制参数形成热控制参数的配置，建立不同的冷却方式，如利用风，液体，电等来进行电池温度调节的一种基于深度学习多层网络建模的电池热管理方法及系统。

本发明提供的一种基于深度学习多层网络建模的电池热管理方法，包括以下步骤：

S1、测量电池的热物性参数，所述热物性参数包括电池的密度、比热容；

S2、根据电池热物性参数，建立电池的三维热效应方程，对应的公式如下，

其中，T为电池的温度，t为时间，ρ为电池内部材料的平均密度，q为电池单位体积产热速率，c_p为电池的定压比热容，λ_x、λ_y、λ_z是电池在三维正交方向上的导热系数，求解得电池的温度场分布情况；

S3、建立电池热效应模型

根据电池的基本参数，包括标称容量、标称电压、放电截止电压、充电截止电压、内阻参数，结合电池的串联及并联热分布方式，形成在深度学习多层网络下电池组的热效应模型；

S4、根据电池的热效应模型，通过前向参数的自适应拟合方法，获取热能参数控制输出方程，其中前向参数包括产热量、热性能分布、热物性参数；通过反向的制冷控制参数，形成热控制方程参数的配置，建立不同的冷却方式对电池进行温度调控。