[發(fā)明專利]基于充放電數(shù)據(jù)在線測算電池內(nèi)部核心溫度的方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110648352.8
• 申請日: 2021-06-10
• 公開（公告）號: CN113484770B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設(shè)計）人: 謝締;王守模;汪亮亮;姚繼剛;羅劍樂;莫林真
• 申請（專利權(quán)）人: 廣東恒翼能科技有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/3842;G01R31/385;G01R31/389;G06F30/27;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 11250
• 代理人: 李博洋

1.基于充放電數(shù)據(jù)在線測算電池內(nèi)部核心溫度的方法，其特征在于，包括：

獲取用于確定待測電池的核心溫度的多個檢測項，其中，所述檢測項是基于電池在充放電過程中產(chǎn)生的充放電數(shù)據(jù)得到的；

獲取在當前采樣時刻對所述待測電池進行檢測得到的所述檢測項對應(yīng)的第一測量值，以及在上一采樣時刻對所述待測電池進行檢測得到的所述檢測項對應(yīng)的第二測量值；

獲取用于測算所述待測電池的核心溫度的線性神經(jīng)網(wǎng)絡(luò)模型，其中所述線性神經(jīng)網(wǎng)絡(luò)模型是基于所述檢測項與核心溫度之間的線性關(guān)系構(gòu)建的；

將所述檢測項、所述第一測量值以及所述第二測量值輸入所述線性神經(jīng)網(wǎng)絡(luò)模型，以使所述線性神經(jīng)網(wǎng)絡(luò)模型確定所述檢測項對應(yīng)的目標權(quán)重值，并根據(jù)所述目標權(quán)重值、所述第一測量值以及所述第二測量值測算出所述待測電池在當前采樣時刻的目標核心溫度；

其中，所述獲取用于確定待測電池的核心溫度的多個檢測項，包括：獲取電池在充放電過程中產(chǎn)生的充放電數(shù)據(jù)，以及電池在充放電時所處的環(huán)境溫度，其中，所述充放電數(shù)據(jù)包括：電池的表面溫度、電池內(nèi)阻以及電池電流；基于所述充放電數(shù)據(jù)和所述環(huán)境溫度，構(gòu)建電池集總熱模型，其中，所述電池集總熱模型包括：核心溫度與表面溫度之間的第一對應(yīng)關(guān)系，以及表面溫度與環(huán)境溫度之間的第二對應(yīng)關(guān)系；基于所述電池集總熱模型，得到用于確定待測電池的核心溫度的多個檢測項；所述電池集總熱模型為：

其中，C₁為第一熱容量，C₂為第二熱容量，T_in為電池的核心溫度，T_sh為電池的表面溫度，k₁為第一散熱系數(shù)，k₂為第二散熱系數(shù)，T_amb為環(huán)境溫度，i為電池電流，R為電池內(nèi)阻；

所述獲取用于測算所述待測電池的核心溫度的線性神經(jīng)網(wǎng)絡(luò)模型，包括：

根據(jù)所述檢測項和所述核心溫度構(gòu)建非線性模型，其中，所述非線性模型為：

式中，y(t)為所述核心溫度，為所述檢測項對應(yīng)的測量值，n_μ、n_y為最大延時拍數(shù)，為模型輸入矢量；

對所述非線性模型進行擬合，得到初始線性神經(jīng)網(wǎng)絡(luò)模型；

對所述初始線性神經(jīng)網(wǎng)絡(luò)模型進行訓練，使所述初始線性神經(jīng)網(wǎng)絡(luò)模型學習所述核心溫度與權(quán)重值、測量值以及偏差值之間的線性關(guān)系，得到所述線性神經(jīng)網(wǎng)絡(luò)模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述非線性模型進行擬合，得到初始線性神經(jīng)網(wǎng)絡(luò)模型，包括：

獲取所述檢測項對應(yīng)的離線測試數(shù)據(jù)；

利用所述離線測試數(shù)據(jù)以及所述核心溫度構(gòu)建所述核心溫度對應(yīng)的離散時域模型，其中，所述離散時域模型如下：

式中，T_in(s)為當前采樣時刻的核心溫度，T_sh(s)為當前采樣時刻的表面溫度，T_sh(s-1)為上一采樣時刻的表面溫度，T_amb(s)為當前采樣時刻的環(huán)境溫度，i(s-1)為上一采樣時刻的電池電流，為當前采樣時刻的實時電阻，A、B、C、D分別為檢測項對應(yīng)的權(quán)重值；

基于所述離散時域模型，確定所述初始線性神經(jīng)網(wǎng)絡(luò)模型的輸入項、輸出項以及權(quán)重值，其中，所述輸入項包括：當前采樣時刻的表面溫度、上一采樣時刻的表面溫度、上一采樣時刻的環(huán)境溫度、上一采樣時刻的電池電流以及當前采樣時刻的實時電池內(nèi)阻，輸出項為當前采樣時刻的核心溫度；

利用預(yù)設(shè)線性模型對所述輸入項、權(quán)重值以及輸出項進行擬合，得到所述初始線性神經(jīng)網(wǎng)絡(luò)模型。