[发明专利]一种基于降阶模型的锂离子电池在线温度分布观测器设计方法

说明书

本发明公开了一种基于降阶模型的锂离子电池在线温度分布观测器设计方法，包括以下步骤：S1：构建基于超限学习机的离线时空热动态模型；S2：基于已构建的离线时空热动态模型构建自适应降阶观测器；S3：构建基于GA算法的传感器最优布置决策方法，用于设置传感器并获取温度数据；S4：根据自适应降阶观测器和已获取的被测电压、被测电流、传感器获取的温度数据估计电池的温度分布。本发明提高了在线温度检测效果。

技术领域

本发明涉及锂电池温度分布在线监测技术领域，更具体地，涉及一种基于降阶模型的锂离子电池在线温度分布观测器设计方法。

背景技术

随着油价飙升和气候变化问题的日益严重，石油消费引起的能源和环境问题已成为当今时代的一大挑战^[1]。为了解决这一问题，新能源得到了迅速发展^[2]。锂离子电池(LIBs)以其能量密度高、比能量高、环境污染低等优点，被广泛应用于电动汽车(EVs)和混合电动汽车(HEVs)的动力源中^[3-5]。由于电池的寿命、效率和安全性都取决于电池的热性能，因此，精确的电池热管理系统(BTMS)对于保证电池工作在最佳温度范围内是必不可少的^[6-8]。

电池内部的热过程是一种典型的分布式参数系统(DPS)，通常采用复杂的非线性偏微分方程(PDEs)来进行描述^[9-11]。DPS的输入、输出甚至状态参数都会在时间和空间上变化^[12-13]。然而，在实际的BTMS中，只有有限的传感器可以用于在线温度测量。因此，需要建立一个可在线使用和更新的精确数学模型，对温度分布进行在线监测。在LIBs热模型的开发方面，已有大量的研究报道，主要分为集总热模型和分布式热模型两大类。

现有方案及存在的问题及缺点：

集总热模型假设电池内部温度分布均匀。也就是说，温度只是时间的函数^[14-15]。由于这种模型的简单性，它们被广泛地用于表征电池的热行为。集总模型与电化学模型相结合^[16-17]或等效电路电模型^[18-20]的研究，已经成功地应用于电池或圆柱电池。这些模型对于温度控制和BTMS设计来说是非常简单的。然而，他们没有考虑电池空间的温差^[21]。为了更准确地监测和预测温度，需要分布式热模型来解释温度在时间和空间上的变化。近年来，人们研究了各种表征LIBs热行为的分布模型^[22-24]。与集总模型一样，大多数分布式热模型都与电化学模型耦合，从而解释了热的产生。上述模型可以为电池设计提供非常准确的信息。然而，它们不适用于高计算负荷的在线温度监测和控制等相关应用^[25]。为了建立面向BTMS应用的降阶模型，研究者已经做了一些工作。在文献^[26]中，采用适当的正交分解(POD)方法，也称为Karhunen-Loève(KL)方法，建立了锂离子电池的还原电化学热模型。在文献^[27]中，基于Laplace变换，建立了柱状棱柱型锂离子电池的降阶热模型。拉普拉斯变换方法仅适用于线性模型，不能有效地模拟非线性电池热动态。在的文献^[28]中，提出了一种基于KL的二维电池热过程时/空分离方法。

虽然这些模型对于在线应用来说很简单，但挑战仍然存在，因为电池的行为会随着时间的推移和不同的工作环境而改变。这些时变动态行为可能是由化学模型参数的老化、工作条件的变化和外部扰动引起的^[5]。为了进行准确可靠的热管理，应设计先进的辨识和估计方法，使所开发的模型能够适应时变环境^[29]。然而，在大多数这些模型中，没有认真考虑温度分布。在文献^[30]中已开发了一种用于在线估计圆柱形柱LIBs温度的参数化方案。它们的参数用递归最小二乘法自动识别。然而，由于电池的时空分布较强，仅用两种集总模型分别近似车用电池的核心温度和表面温度，不可能适用于大型汽车电池。