【技术实现步骤摘要】
本申请涉及动力电池，特别涉及一种面向车用在役动力电池的在线双向主动均衡方法及系统。
技术介绍
1、近些年来，电动汽车越来越受到市场的青睐，而电动汽车的续航和充电问题仍是行业痛点。动力电池长期使用后，电池内阻增加，电池容量变低，电池组续航里程变短；单体之间的差异性愈来愈明显，造成恶性循环，使电池的性能加速衰退，会严重影响动力电池组的安全使用，进而不得不退役；此外更换新电池的成本是十分高昂的。因此，对于车用在役动力电池来说，如何提升和保障电池组的续航里程是迫在眉睫的。
技术实现思路
1、本申请提供了一种面向车用在役动力电池的在线双向主动均衡方法及系统，其优点是通过动力电池的双向主动均衡，实现单体电池的充分合理利用、电池组使用寿命延长以及整车运行效率改善等目标，具有重要的理论研究意义与工程应用价值。
2、第一方面，本申请提供一种面向车用在役动力电池的在线双向主动均衡方法，包括以下步骤：
3、将若干单体电池进行分组，并在每组内配置主动均衡模块，主动均衡模块采集组内电池的电压、电流、温度数据；
4、获取电池组soc以及每节单体电池soc；
5、主动均衡模块按多变量协调均衡控制策略对电池容量进行均衡控制。
6、进一步的，所述多变量协调均衡控制策略为：
7、s1：充电阶段
8、s11：若电池组soc范围为0％～10％时，主动均衡模块不启动；
9、s12：若电池组soc范围为10％～90％时，均衡指标为
10、s13：若电池组soc范围为90％～100％时，均衡指标为端电压，再根据端电压平均值均衡策略对每节单体电池进行充放电处理，即将每节单体电池的端电压ut与整个电池组的端电压平均值uavg进行比较，若大于平均值时，则对该单体进行放电；反之则充电；
11、s2：放电阶段
12、s21：若电池组soc范围为0％～10％时，均衡指标为端电压，再根据端电压平均值均衡策略对每节单体电池进行充放电处理；
13、s22：若电池组soc范围为10％～90％时，均衡指标为soc，再根据soc平均值均衡策略对每节单体电池进行充放电处理；
14、s23：若电池组soc范围为90％～100％时，当电池组放电电流较小时，均衡指标为端电压，再根据端电压平均值均衡策略对每节单体电池进行充放电处理；反之均衡指标为soc，再根据soc平均值均衡策略对每节单体电池进行充放电处理。
15、s3静置阶段
16、s31：若电池组soc范围为0％～10％时，均衡指标为端电压，再根据端电压平均值均衡策略对每节单体电池进行充放电处理；
17、s32：若电池组soc范围为10％～90％时，均衡指标为soc，再根据soc平均值均衡策略对每节单体电池进行充放电处理；
18、s33：若电池组soc范围为90％～100％时，均衡指标为端电压，再根据端电压平均值均衡策略对每节单体电池进行充放电处理。
19、进一步的，每个电池组内包括2n个单体电池，n为自然数。
20、进一步的，电池容量均衡时的均衡电流通过以下方法获得：
21、基于t-s模糊神经网络建立多输入单输出的模糊控制器，其中输入为同构或异构的均衡指标x1…xl，输出为均衡电流，下标l为均衡指标个数。
22、进一步的，所述模糊控制器包括模糊化层、模糊规划层、归一化层、线性表示层以及输出层，模糊化层、模糊规划层、归一化层为前件网络，线性表示层、输出层为后件网络，其中：
23、(1)模糊化层
24、定义描述前件网络输入的模糊集合皆为{vs(很小)，s(小)，m(中)，b(大)，vb(很大)}；
25、模糊化层的输出为：
26、
27、式中，分别表示模糊化层的输出值，分别表示均衡指标属于第i个模糊变量的隶属度，m为模糊变量个数；
28、(2)模糊规则层
29、模糊规则层的输出为：
30、
31、式中，为模糊规则层第k个节点的输出值，即wk，n为该层节点数且满足n＝ml；
32、(3)归一化层
33、归一化层的输出为：
34、
35、式中，为归一化层第k个节点的输出值，即
36、(4)线性表示层
37、线性表示层的输出为：
38、
39、式中，为线性表示层第k个节点的输出值，fk为在线学习的线性表示函数，其中λk,0,λk,1…λk,l为后件网络参数，通过数据集训练来确定；为了提高后件网络参数的工况适应能力，基于大数据平台不断训练学习，并采用ota技术对模糊控制器进行在线更新；
40、(5)输出层
41、后件网络输出是输入的线性加权组合，这样输出层的输出为：
42、
43、式中，为线输出层的输出值，即均衡电流大小。
44、进一步的，所述模糊控制器的输入的选取方式包括：
45、①{相邻单体间soc平均值相邻单体间soc差值的模δsoc}；
46、②{相邻单体间端电压平均值相邻单体间端电压差值的模δut}；
47、③{相邻单体间soc平均值相邻单体间soc差值的模δsoc、相邻单体间端电压平均值相邻单体间端电压差值的模δut}；
48、④{相邻单体间soc平均值相邻单体间soc差值的模δsoc}、{相邻单体间端电压平均值相邻单体间端电压差值的模δut}；
49、其中，①、②是同构的输入，③、④是异构的输入；对于①、②、③，仅需一个t-s模糊神经网络；对于④，需要两个并行的t-s模糊神经网络，且将两个网络的输出进行线性加权组合，得到最终的均衡电流大小。
50、第二方面，本申请提供一种面向车用在役动力电池的在线双向主动均衡系统，包括边缘主控模块、主动均衡子系统及均衡控制策略模块，主动均衡子系统包括若干单体电池，对若干单体电池进行分组，并在每组内配置主动均衡模块，主动均衡模块采集组内电池的电压、电流、温度数据，主动均衡模块根据均衡控制策略对电池容量进行均衡控制；
51、所述均衡控制策略为：
52、s1：充电阶段
53、s11：若电池组soc范围为0％～10％时，主动均衡模块不启动；
54、s12：若电池组soc范围为10％～90％时，均衡指标为电池soc，再根据soc平均值均衡策略对每节单体电池进行充放电处理，即将每节单体电池的soc与整个电池组的soc平均值socavg进行比较，若大于平均值时，则对该单体进行放电；反之则充电；
本文档来自技高网...【技术保护点】
1.一种面向车用在役动力电池的在线双向主动均衡方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向车用在役动力电池的在线双向主动均衡方法，其特征在于，所述多变量协调均衡控制策略为：
3.根据权利要求1所述的面向车用在役动力电池的在线双向主动均衡方法，其特征在于，每个电池组内包括2n个单体电池，n为自然数。
4.根据权利要求1所述的面向车用在役动力电池的在线双向主动均衡方法，其特征在于，电池容量均衡时的均衡电流通过以下方法获得：
5.根据权利要求1所述的面向车用在役动力电池的在线双向主动均衡方法，其特征在于，所述模糊控制器包括模糊化层、模糊规划层、归一化层、线性表示层以及输出层，模糊化层、模糊规划层、归一化层为前件网络，线性表示层、输出层为后件网络，其中：
6.根据权利要求1所述的面向车用在役动力电池的在线双向主动均衡方法，其特征在于，所述模糊控制器的输入的选取方式包括：
7.一种面向车用在役动力电池的在线双向主动均衡系统，其特征在于，包括边缘主控模块、主动均衡子系统及均衡控制策略模块，主动均衡子系统
8.根据权利要求7所述的面向车用在役动力电池的在线双向主动均衡系统，其特征在于，还包括电池安全监测模块、电池状态估计模块、OTA在线更新模块及动力电池物联网平台；
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存贮有计算机程序，所述计算机程序被处理器调用并执行时实现如权利要求1-7任意一项所述的方法。
10.一种计算机可读介质，其特征在于，所述计算机可读介质中存贮有计算机程序，所述计算机程序被处理器调用并执行时实现如权利要求1-7任意一项所述的方法。
...【技术特征摘要】
1.一种面向车用在役动力电池的在线双向主动均衡方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向车用在役动力电池的在线双向主动均衡方法，其特征在于，所述多变量协调均衡控制策略为：
3.根据权利要求1所述的面向车用在役动力电池的在线双向主动均衡方法，其特征在于，每个电池组内包括2n个单体电池，n为自然数。
4.根据权利要求1所述的面向车用在役动力电池的在线双向主动均衡方法，其特征在于，电池容量均衡时的均衡电流通过以下方法获得：
5.根据权利要求1所述的面向车用在役动力电池的在线双向主动均衡方法，其特征在于，所述模糊控制器包括模糊化层、模糊规划层、归一化层、线性表示层以及输出层，模糊化层、模糊规划层、归一化层为前件网络，线性表示层、输出层为后件网络，其中：
6.根据权利要求1所述的面向车用在役动力电池的在线双向主动均衡方法，其特征在于，所述模糊控制器的输入的...
【专利技术属性】
技术研发人员：章军辉，郭晓满，顾煜帆，刘禹希，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。