[发明专利]电芯温度预测方法、装置、存储介质及电子设备

说明书

本申请提供一种电芯温度预测方法、装置、存储介质及电子设备。所述方法包括：获取输入参数，所述输入参数包括时间、锂电池的电池电流、电池电压和开路电压；利用温度预测模型对所述输入参数进行处理以获取锂电池的电芯温度，其中，所述温度预测模型为物理信息神经网络，其中嵌入有锂电池的内部温度物理模型。所述方法能够提高电池温度预测的效率和准确性。

技术领域

本申请属于供电技术领域，涉及一种温度预测方法，特别是涉及一种电芯温度预测方法、装置、存储介质及电子设备。

背景技术

锂电池是一种高能量密度的电池，逐渐成为了新能源汽车和储能领域的主要选择之一。相比于传统的铅酸电池和镍氢电池，锂电池具有更高的能量密度、更长的使用寿命和更低的自放电率。锂电池可以应用于新能源汽车、移动设备、储能系统等领域，对于推动可持续发展和节能环保具有重要意义。

在新能源汽车领域，锂电池是最主要的动力源之一。随着电动汽车市场的不断扩大，锂电池的技术水平和产业规模也在不断提高。锂电池的高能量密度可以提供更长的续航里程，而且充电速度也越来越快，可以满足消费者的需求。

在储能领域，锂电池的应用也越来越广泛。随着可再生能源的快速发展，储能系统需要具有高能量密度、高效率和高可靠性等特点。锂电池可以提供比传统的铅酸电池更高的能量密度和更长的寿命，可以满足储能系统对于高性能电池的需求。

在使用过程中，锂电池可能出现内部温度过高而导致电解液挥发、正负极活性物质的分解、膨胀和热失控等问题，进而引发电池的性能退化、损坏甚至爆炸等严重后果。因此，及时获取锂电池的电芯温度具有重要意义。现有技术中，通常基于电池内部物理特性和热传递方程式，利用传热学原理建立数学模型，并通过计算机模拟或实验验证等方法预测锂电池的电芯温度。然而，此种方式需要大量的物理参数和模型假设，效率较低。

发明内容

本申请实施例提供一种电芯温度预测方法、装置、存储介质及电子设备，用于解决现有技术效率过低的问题。

第一方面，本申请实施例提供一种一种锂电池电芯温度预测方法，所述方法包括：获取输入参数，所述输入参数包括时间、锂电池的电池电流、电池电压和开路电压；利用温度预测模型对所述输入参数进行处理以获取锂电池的电芯温度，其中，所述温度预测模型为物理信息神经网络，其中嵌入有锂电池的内部温度物理模型。

在所述第一方面的一种实现方式中，所述温度预测模型在训练中所采用的损失函数包括回归问题导致的第一损失函数项、与所述电池内部温度物理模型相关的第二损失函数项以及与初始条件相关的第三损失函数项。

在所述第一方面的一种实现方式中，所述损失函数Loss通过下式表示：

Loss＝Loss_r+α×Loss_f+β×Loss_initial，

Loss_initial＝|f(t＝0)-T_amb|²，

其中，α和β为自适应系数，是所述温度预测模型预测的温度，T_i为真实温度，N是训练数据的数量，f是所述内部温度物理模型，T_amb是环境温度。

在所述第一方面的一种实现方式中，所述内部温度物理模型由所述锂电池的集总电容热模型和不可逆发热模型确定。

在所述第一方面的一种实现方式中，所述内部温度物理模型f通过下式表示：