[發明專利]一種基于壓縮感知理論的電池包內部溫度實時監測方法

有效

• 申請號: 201811473233.8
• 申請日: 2018-12-04
• 公開（公告）號: CN109755683B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 陳思媛;方正;楊正;孔佳瑩;馬潤思;黃濤;李孟輝
• 申請（專利權）人: 廈門大學
• 主分類號: H01M10/48
• 分類號: H01M10/48;H01M10/633
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭;林燕玲

本發明屬于電池組熱管理技術領域，一種基于壓縮感知理論的電池包內部溫度實時監測方法，針對同類型電池包，基于充放電及不同負載情況下所有位置點溫度的實驗數據；應用深度學習中神經網絡算法，訓練出適用于該電池包的模擬溫度場模型；再由軟件調用該模型，即可達到通過感知電池包內某些特定位置溫度來預測電池包所有感興趣點的溫度狀態的效果，從而完成對電池包內部溫度的全局實時監測。

技術領域

本發明涉及電動汽車用電池組熱管理領域，特別是一種基于壓縮感知理論的電池包內部溫度實時監測方法。

背景技術

當前國際上，電動化趨勢愈演愈烈，隨著新興的電動自行車、電動汽車的開發和商業化生產、新型潛艇、航天器(PROBA)及無人水下航行器(UUV)的發展，航空、航天、航海等領域對新型綠色動力電池的需求大幅度增加。

動力電池工作電流大、產熱量大，同時電池包又處于一個相對封閉的環境，在充放電過程中產生大量的熱量會導致電池內部溫度升高以及單體電池之間溫度的不均勻，造成電池性能不穩定，影響電池單體性能的一致性及電池荷電狀態(SOC)估計的準確性，嚴重時甚至影響到電池的使用安全及壽命，因此建立電池包溫度場對于電池散熱結構的優化和散熱性能的提升具有重要意義。

然而，由于受到電池生產工藝的限制，絕大多數的電池熱管理系統無法對電池包內每個位置進行溫度感知，因而很難確定電池包內的最高溫度。而對于電池熱管理系統，使用電池包內實際最高點溫度作為輸入量和參考量顯然比使用檢測到的溫度最大值更加可靠、安全。

現有的熱管理方法中，傳統的CFD(計算流體動力學)方法存在著諸多缺陷。比如關鍵性熱力學參數不好掌握，不太適合耦合場的狀況，有可能會產生偽物理效應。再者，CFD涉及大量的數值計算，通過大量傳感器來監視電池包的溫度場，隨著模型的復雜程度增加、離散點數目的增加，通常需較高的計算機硬軟件配置來進行計算。而在實際應用中，動力電池包中的電池數量多、復雜程度高，使用情況復雜，CFD方法實用價值不高。

因此，對于動力電池的熱管理系統而言，有必要提出一種在溫度傳感器布置的數量盡可能少的基礎上能夠實現對電池包內所有位置進行實時溫度檢測的方法。

發明內容

本發明的主要目的在于克服現有技術中的上述缺陷，提出一種基于壓縮感知理論的電池包內部溫度實時監測方法，該方法適用范圍廣、方便移植，可以很容易應用到動力電池熱管理系統的控制單元，實現對于動力電池的實時溫度檢測。

本發明采用如下技術方案：

一種基于壓縮感知理論的電池包內部溫度實時監測方法，其特征在于，包括：

1)針對指定型號的動力電池包設計完備的傳感網絡；

2)在充放電條件下采集動力電池包工作過程中的完備的溫度數據；

3)選擇電池包內部分測溫節點作為實際應用中的實測點，建立實測點到所有溫度節點映射的深度神經網絡模型；

4)通過采集的數據訓練得到該深度神經網絡模型的合適權值參數；

5)利用與訓練數據互異的實測數據測試該數學模型的正確性；

6)調用深度神經網絡模型，通過感知電池包內某些特定位置溫度來預測其他位置的溫度狀態，從而完成對電池包內部溫度的實時監測。

所述步驟1)具體為，選擇電池包內需要進行實測的溫度位置，并在這些位置安放熱電偶傳感，完成熱電偶傳感器、測溫儀、負載或充電設備與PC機四者間的硬件連接與軟件通訊。

所述步驟3)中，采用深度學習中的LSTM神經網絡算法，訓練出適用于該電池包的模擬溫度場模型，建立實測點到所有溫度節點映射的深度神經網絡模型。