【技术实现步骤摘要】
本专利技术属于电池热建模，涉及一种基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法。
技术介绍
1、在电动汽车的实际应用中，随着充放电循环的次数增加，电池会进一步老化，具体表现为功率特性和电池容量的衰减，这也将直接影响到汽车在行驶中的动力性和续航里程的能力。另外电池老化会导致电池内阻增加，意味着更多的电能转化为热量而非有效的能量输出，这可能导致电池的效率降低，并且在高负荷或频繁充放电情况下会产生更多的热量，加大电池模组温度分布的不一致性，甚至有发生热失控的风险。因此，对锂离子电池在不同健康状态下电池热行为的预测以及热建模的研究十分必要。
2、在电池建模过程中，熵热系数模型的精度对产热计算结果十分重要。为了准确地估计电池可逆热，需要测量电池的熵热系数。量热法和电位法是测量熵热系数的两种传统方法。量热法虽然是一种快速的测量方法，但昂贵的设备和较低的测量精度不足以广泛应用。为了准确地描述热模型中的可逆热，大多数研究人员选择电位法，该方法准确但耗时长。电位法通过测量开路电压ocv对温度的响应来确定熵热系数。除了热平衡外，要达到ocv平衡还需要很长的静止时间，因此电位法需要相当长的试验周期，从200到600小时不等，且这种测试方法没有考虑到电池自放电的影响。另外，熵热系数的数量级通常在10-3至10-4mv/k之间，而大部分充放电测试仪的测试精度为±0.1％，最低能精确测试到5mv的电压，很难得到数量级在10-3至10-4mv之间的开路电压差值，因此通常需要修正和改良电池熵热系数的测试方法。
<
1、有鉴于此，本专利技术的目的在于提供一种准确的熵热系数测量方法来建立熵热系数模型，从而构建不同健康状态下的电池热模型，该方法精度高、效率高，并且可以深入理解不同健康状态下锂离子动力电池的热行为。
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，包括以下步骤：
4、s1：进行电池循环老化实验，制备不同健康状态的电池；
5、s2：进行hppc实验获取不同温度、电流、soc、soh下的电池内阻；
6、s3：在不同的工况下进行电池放电实验，采集电池的绝热温升实验数据；
7、s4：采用粒子群算法-遗传算法进行熵热系数寻优，获得低温、常温以及高温三个温度区间的熵热系数模型；
8、s5：基于步骤s2获得的内阻以及步骤s4获得的熵热系数，构建不同健康状态下的电池热模型。
9、进一步，步骤s1中具体包括以下步骤：
10、s11：将测试电池放入恒温箱中恒温一定时间；
11、s12：对电池进行恒流恒压充电，以1/2c恒流至电池的上截止电压，接着以上截止电压恒压充电至截止电流；
12、s13：搁置一段时间后对电池以1c恒流放电至电池下截止电压，再搁置一段时间；
13、s14：重复步骤s12和s13，对测试电池进行设定次数的充放电循环测试，并记录循环中电池的参数数据；
14、s15：每n次循环后进行一次容量测试，保持恒温箱温度不变，搁置一定时间后对电池进行恒流恒压充电cc-cv，以1/4恒流充电至电池的上截止电压，再以上截止电压恒压充电直至充电电流达到截止电流；搁置一定时间后再对电池以1/4c恒流放电至电池下截止电压，记录电池循环后的容量数据；
15、s16：根据步骤s15测量的电池循环后的容量数据，重复步骤s11至s15，分别制备健康状态为95％、90％和85％的老化电池。
16、进一步，步骤s2中具体包括以下步骤：
17、s21：设定恒温箱温度，放入电池，待电池温度稳定后，通过恒流恒压充电cc-cv方式将电池充至满电状态，认为电池的soc状态为1；所述cc-cv方式为：以1/4c恒流充电至电池上截止电压，接着以上截止电压恒压充电至截止电流；
18、s22：保持温箱温度不变，静置一定时间后，对电池进行0.3c放电脉冲，持续一定时间再静置一段时间，使电池端电压趋于稳定，记录整个过程中的电流与电压数据；
19、s23：用1/4c的放电电流调整soc到0.95；
20、s24：重复步骤s22和s23步骤，依次将soc调整为0.9、0.7、0.5、0.3、0.1、0.05，测试电池在0.3c倍率下不同soc的放电内阻；
21、s25：重复步骤s21至s24，依次分别进行0.5c、1c和1.5c倍率下不同soc的放电内阻测试；
22、s26：调节步骤s22中的温箱温度，重复步骤s21至s25，得到电池在不同温度、soc和倍率下的放电内阻；
23、s27：将电池换成健康状态为95％、90％和85％的老化电池，重复步骤s21至s26，得到不同健康状态下的电池内阻。
24、进一步，步骤s3中具体包括以下步骤：
25、s31：将k型热电偶测温端粘贴在电池指定的几何位置，电池外表面裹上绝热材料后，将k型热电偶信号端接入安捷伦的数据采集卡中，然后将安捷伦设备与主控计算机相连；
26、s32：将电池放入温箱，静置一段时间，等电池稳定，用cc-cv的方式将电池充至满电状态；
27、s33：将温箱温度降低，静置一段时间，以0.5c倍率进行恒流放电，直至电压降到截止电压，该过程中的温度数据由安捷伦来采集；
28、s34：将温箱温度升高，重复步骤s32和s33，分别得到新的放电为0.5c的测试数据；
29、s35：将步骤s33中的放电倍率设定为1c和1.5c，重复步骤s32至s34，得到电池在不同温度和倍率下8种恒流放电工况的温升测试数据；
30、s36：将电池换成健康状态为95％、90％和85％的老化电池，重复步骤s32至s35，得到不同健康状态下的电池绝热温升数据。
31、进一步，步骤s4中具体包括以下步骤：
32、s41：建立粒子群算法-遗传算法的适应度函数；
33、s42：基于粒子群算法，对熵热系数进行寻优；
34、s43：将步骤s42获得的优化种群作为遗传算法的初始种群，对其进行遗传算法优化，从而获得熵热系数的最优解；
35、s44：根据健康状态为95％、90％和85％的绝热温升数据以及内阻数据，重复步骤s42至s43，得到不同健康状态下电池在不同环境温度区间的熵热系数模型，即：
36、
37、
38、
39、其中，xi,l_soh,xi,m_soh,xi,h_soh分别为不同soh下低温、常温以及高温三个温度区间熵热系数模型的系数矩阵。
40、s45：将步骤s44得到的熵热系数引入参数soh后重新进行多项式响应面模型拟合，获得电池在不同环境温度区间内考虑健康状态的熵热系数拟合多项式，拟合结果如下所示：
41、本文档来自技高网...
【技术保护点】
1.一种基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：步骤S1中具体包括以下步骤：
3.根据权利要求1所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：步骤S2中具体包括以下步骤：
4.根据权利要求1所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：步骤S3中具体包括以下步骤：
5.根据权利要求1所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：步骤S4中具体包括以下步骤：
6.根据权利要求5所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：所述步骤S41具体包括以下步骤：
7.根据权利要求5所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：所述步骤S42具体包括以下步骤：
8.根据权利要求5所述的基于粒子群算法-遗传算法的
9.根据权利要求1所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：所述步骤S5具体包括以下步骤：
...【技术特征摘要】
1.一种基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：步骤s1中具体包括以下步骤：
3.根据权利要求1所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：步骤s2中具体包括以下步骤：
4.根据权利要求1所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，其特征在于：步骤s3中具体包括以下步骤：
5.根据权利要求1所述的基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法，...
【专利技术属性】
技术研发人员：谢翌，范以宁，张益豪，李伟，杨瑞，张扬军，
申请(专利权)人：重庆大学，
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。