[发明专利]一种云端协同控制的动力电池主动热管理系统

说明书

本发明涉及动力电池管理领域，公开了一种云端协同控制的动力电池主动热管理系统，包括：电池管理系统，云端服务器；动力电池主动热管理系统的管理方法包括以下步骤：电池管理系统采集动力电池的状态数据，并发送至云端；所述状态数据包括动力电池的电流、电压、外部温度；云端服务器接受动力电池的状态数据后，通过融合迁移学习的电池模型预测动力电池温度，判断动力电池温度是否超过阈值；如果动力电池温度高于阈值上限，则根据风险特征对风险进行分级，针对不同的风险等级做出不同的指令；如果动力电池温度低于阈值下限，采用多目标金枪鱼群优化算法，将电池寿命、加热速率、加热时间作为优化目标。

技术领域

本发明涉及动力电池热管理领域，具体涉及一种云端协同控制的动力电池主动热管理系统。

背景技术

目前，新能源行业的兴起推动了电动汽车的蓬勃发展。动力电池的管理系统是电动汽车发展过程中重要的一环，其中的热管理系统也逐步映入人们的眼帘。当温度过高时，动力电池易发生热失控，造成爆炸、火灾等恶劣影响，一定程度上阻碍了电动汽车的推广。此外，过低的环境温度也对电池的充放电性能造成一定程度的影响，里程焦虑问题较为严重，低温充电甚至会导致内短路，造成爆炸、火灾等恶劣影响。然而，电池系统是一个典型非线性、时变的被控对象，由于现有管控技术存在传感器数据不足、观测数据不准确等问题，导致对电池内部温度的估计不准确，从而导致对热风险的识别不及时，甚至产生爆炸等危害，因此，对动力电池的实时、准确、可靠的热管理极其重要。

现有的动力电池管理系统大多是基于嵌入式系统的，芯片固有的存储空间、运算能力局限了其实时处理非平稳变化、多维度海量运行数据的能力。因此，现有的动力电池管理系统无法实时监控、分析电池状态变化趋势，持续迭代优化电池管理参数。作为动力电池管理系统重要组成部分之一的热管理系统，通常采用热传导的方式进行动力电池的热管理。常见的导热介质主要是空气、液体与相变材料这三大类，处于效率和成本因素，目前主流的电池热管理系统大多采用液体作为导热介质。然而，目前的动力电池热管理系统，在高温环境下，无法提前识别热安全风险，即时处置安全问题；在低温环境下，无法提前对动力电池进行预热，预热时间长，温升速率较慢，严重影响了动力电池的性能。

发明内容

为解决上述技术问题，本发明提供一种云端协同控制的动力电池主动热管理系统。

为解决上述技术问题，本发明采用如下技术方案：

一种云端协同控制的动力电池主动热管理系统，包括：电池管理系统和云端服务器；动力电池主动热管理系统的管理方法包括以下步骤：

步骤一：电池管理系统采集动力电池的状态数据，并发送至云端；所述状态数据包括动力电池的电流、电压、外部温度；

步骤二：云端服务器接受动力电池的状态数据后，通过融合迁移学习的电池模型预测动力电池温度，判断动力电池温度是否超过阈值；

步骤三：如果动力电池温度没有超出阈值上限或者阈值下限，则进行步骤一；

步骤四：如果动力电池温度高于阈值上限，则提取动力电池温度变化趋势的风险特征，根据风险特征对风险进行分级，针对不同的风险等级做出不同的指令，并将指令给动力电池管理系统执行；如果动力电池温度低于阈值下限，采用多目标金枪鱼群优化算法，将电池寿命、加热速率、加热时间作为优化目标，计算出帕累托前沿，设置动力电池的加热速率与加热时间，并发送给动力电池管理系统执行。

具体地，所述电池模型为已经完成训练的电-热耦合模型；步骤二中，电池模型与迁移学习融合时，将电-热耦合模型作为迁移学习的源域，将电池管理系统采集到的动力电池状态数据作为迁移学习所需要的特征，将实际运行的动力电池作为目标域。

具体地，如果动力电池温度超过阈值上限，步骤二中预测得到动力电池温度后，采用小波信号分析的方式去除动力电池温度变化趋势中的干扰噪音，在时间序列上对动力电池温度采用变分经验模态分解法提取热信号特征，按照热信号特征对应的风险来临的时间，对热信号特征进行分级，得到风险等级。