[發明專利]一種基于貝葉斯神經網絡的鋰電池溫度估計方法及系統

有效

• 申請號: 202110684729.5
• 申請日: 2021-06-21
• 公開（公告）號: CN113447828B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 譚曉軍;歐陽孔雷;范玉千;彭衛文;呂鵬翔
• 申請（專利權）人: 中山大學
• 主分類號: G01R31/374
• 分類號: G01R31/374
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 高冰

本發明公開了一種基于貝葉斯神經網絡的鋰電池溫度估計方法及系統，該方法包括：采集電池電化學阻抗譜數據和溫度標簽；基于ARD算法對電池電化學阻抗譜數據進行處理，得到溫度相關特征和溫度相關阻抗頻率點；基于溫度相關特征和溫度標簽訓練貝葉斯神經網絡模型，采集溫度相關阻抗頻率點下的阻抗數據；將阻抗虛部數據輸入溫度估計模型，得到當前時刻電池內部估計溫度及置信區間。該系統包括：離線數據采集模塊、溫度相關數據確定模塊、模型訓練模塊、在線數據采集模塊和溫度估計模塊。通過使用本發明，實現了對動力電池全生命周期的準確內部溫度估計。本發明作為一種基于貝葉斯神經網絡的鋰電池溫度估計方法及系統，可廣泛應用于電池熱管理領域。

技術領域

本發明涉及電池熱管理領域，尤其涉及一種基于貝葉斯神經網絡的鋰電池溫度估計方法及系統。

背景技術

鋰離子電池因其能量密度高、材料價格低、性能好、無毒無污染、安全等突出特點而廣泛用作電動汽車動力電池。出于安全和控制的目的，鋰離子電池的溫度估計是至關重要的。例如，高溫加速電池老化，從而降低其壽命和性能，甚至會導致電池熱失控，進一步可能導致火災或爆炸。用于電池溫度監測的典型方法包括在電池表面安裝熱電偶，這種方法存在一個問題，電池的發熱來自內部物理化學反應，電池內外存在傳熱延遲。特別是在電池發生熱失控時(由電池故障或附近的熱源引起)徑向內外溫差可能高達40-50℃。因此，需要額外的診斷技術來監控鋰離子電池的內部溫度，對電池熱失控的早期預警具有重要意義。目前的溫度估計方法無法提供不確定性的度量，對結果的解釋性有限，導致這些模型的的估計可能誤導決策者。

發明內容

為了解決上述技術問題，本發明的目的是提供一種基于貝葉斯神經網絡的鋰電池溫度估計方法及系統，能夠克服未知電池SOH及SOC影響的同時，量化模型的不確定性，使得用戶獲得更多表示系統真實狀態的信息。

本發明所采用的第一技術方案是：一種基于貝葉斯神經網絡的鋰電池溫度估計方法，包括以下步驟：

離線采集電池電化學阻抗譜數據和對應的溫度標簽；

基于ARD算法對電池電化學阻抗譜數據進行處理，得到溫度相關特征和溫度相關阻抗頻率點；

基于溫度相關特征和溫度標簽訓練貝葉斯神經網絡模型，得到溫度估計模型；

在線采集溫度相關阻抗頻率點下的阻抗數據，得到實際阻抗數據；

將實際阻抗數據中的阻抗虛部數據輸入溫度估計模型并執行計算，得到當前時刻電池內部估計溫度及置信區間。

進一步，所述離線采集電池電化學阻抗譜數據和對應的溫度標簽這一步驟，其具體包括：

對同型號多個電池進行老化循環測試直至電池衰減到初始容量80％以下；

在固定的循環間隔測量電池在不同溫度、不同荷電狀態(SOC)和不同健康狀態(SOH)下的電化學阻抗譜數據；

獲取測試過程中的電池平均內部溫度，作為溫度標簽。

進一步，所述基于ARD算法對電池電化學阻抗譜數據進行處理，得到溫度相關特征和溫度相關阻抗頻率點這一步驟，其具體包括：

將電池電化學阻抗譜數據作為參數輸入ARD算法；

建模確定輸入參數的零均值高斯先驗的寬度；

根據高斯先驗的寬度優化輸入參數，得到與溫度相關性最顯著的阻抗虛部特征和與溫度相關性最顯著的交流阻抗頻率點。

進一步，所述基于溫度相關特征和溫度標簽訓練貝葉斯神經網絡模型，得到溫度估計模型這一步驟，其具體包括：

構建多輸入單輸出貝葉斯神經網絡模型，所述貝葉斯神經網絡模型包括兩層隱藏層；

基于溫度相關特征和溫度標簽訓練貝葉斯神經網絡模型；