阅读说明：本技术 一种降低新能源电动汽车电池发热量的方法 (Method for reducing heat productivity of new energy electric automobile battery ) 是由 杨小垒 于 2020-04-29 设计创作，主要内容包括：本发明公开了一种降低新能源电动汽车电池发热量的方法,属于新能源电池领域。一种降低新能源电动汽车电池发热量的方法,通过遗传算法对系统内的流道布置方式进行最优化设计；对于优化中所使用的遗传算法,首先将水冷系统的三维模型简化为平面上的二维模型,在选择方面采用了代间竞争机制,另外根据流道结构的几何特点,设计出了独特的交叉方式与突变方式。通过优化计算可对电池最高温度最小、电池平均温度最小和电池温度标准差最小的目标进行有效优化。(The invention discloses a method for reducing the heat productivity of a new energy electric automobile battery, and belongs to the field of new energy batteries. A method for reducing the heat productivity of a new energy electric vehicle battery is characterized in that a flow channel arrangement mode in a system is optimally designed through a genetic algorithm; for the genetic algorithm used in optimization, firstly, a three-dimensional model of a water cooling system is simplified into a two-dimensional model on a plane, an inter-generation competition mechanism is adopted in the aspect of selection, and in addition, a unique intersection mode and a unique mutation mode are designed according to the geometric characteristics of a flow channel structure. The objectives of minimum highest battery temperature, minimum average battery temperature and minimum standard deviation of battery temperature can be effectively optimized through optimization calculation.)

一种降低新能源电动汽车电池发热量的方法

技术领域

本发明涉及新能源电池领域，尤其涉及一种降低新能源电动汽车电池发热量的方法。

背景技术

电池温度即电池在使用时由于内部结构发生化学、电化学变化、电子迁移及物质传输等原因而产生的电池表面发热现象，是一种正常现象，如果这些产生的热量不能完全散失到环境中就会引起电池内部热量的积累。一旦热量的积累造成电池内部的高温点，有可能引发电池的热失控。新能源电动汽车电池在热箱实验中的热稳定性可以直接反映电池的安全性，通过新能源电动汽车电池的热模拟可以研究各种因素对电池热行为的影响。

现有的一种降低新能源电动汽车电池发热量的方法，无法从材料到销售整体范围内的全面追踪。

发明内容

本发明的目的是为了解决无法从材料到销售整体范围内的全面追踪的问题，而提出的一种降低新能源电动汽车电池发热量的方法。

为了实现上述目的，本发明采用了如下技术方案：

一种降低新能源电动汽车电池发热量的方法，包括以下步骤：

S1、对现役电池包，进行管网图简化表达，红色数字表示管路中节点，黑色数字表示节点间管段，采用二进制编码方法，对上述管网编号图进行编码。管路中所有管段可用一个58位二进制字符串表示，字符串中第n位代表编号为n的管段，字符串中数字1表示该位所对应的管段存在于管路中，数字0表示管路中不存在该位所对应的管段；

S2、采用适应度函数对降低电池整体温度和提高电池温度分布均匀性进行函数表达；

S3、在限定条件下，对流道结构进行交叉过程设计，首先在管网图中按照一定规则选择两个个体作为起始点。之后在两个起始点个体管网结构图中寻找二者共有的节点，在除工质出入口节点外的共有节点中随机选择两点作为交叉点。最后将两个起始点位于两个交叉点间的部分相互交换，重新组合形成2个子代个体，并判断子代是否符合构成流道结构的要求；

S4、对管网图进行突变过程设计，按照一定规则在管网图中选择需要进行变异操作的个体，之后在选中的个体中随机选择一条管段进行变异操作，在对管段执行变异操作时，结合管路具体的结构并随机选择变异的类别和变异方向，产生子代个体。最后判断产生的子代个体是否能满足构成流道结构的要求；

S5、通过编制程序生成网格并经数值计算，获得适应度函数计算参数；

S6、设定外界温度条件和管道冷却液起点温度，获得遗传算法最优解。

优选地，所述S2中的适应度函数包括以下公式：降低电池整体温度，采用以下公式表达：

F＝T_n-T

式中，F为个体的适应度值，T_n为常数，T为电池平均温度；电池温度分布均匀性，采用以下公式表达：

F＝E_n-E

式中，F为个体的适应度值，E_n为常数，E为放电结束时电池温度标准差值。

优选地，所述S3中交叉过程设计有以下限定条件：电池包内流道仅通过1条金属扁管弯折而成；流道进出电池包的位置己经固定；电池包中所有电池单体与流道相接触。

优选地，所述S5包括以下步骤：

A1、设定种群规模、交叉率和最大遗传代数等基本遗传参数，并根据优化目标设定相应的适应度函数。

A2、根据S1中的编码方法对流道结构进行编码，并随机生成数量为种群规模数的流道个体作为初始种群，其中初始种群中的个体均满足构成管路结构的要求；

A3、计算初始种群中每个个体的适应度值，寻找初始种群中具有最高适应度的个体，记录其参数；

A4、首先在0-1区间内生成随机实数Φ，当新产生的子代个体满足构成管路结构的要求，并且子代个体即不是亲代种群中的个体，也不是己有的子代库中的个体时，将其保存进子代库中，当子代库中子代个体数量大于等于10个时执行下一个步骤，否则再次循环；

A5、计算子代库中个体的适应度值。

A6、采用适应度比例法在现有种群和子代库中，选择出数量等于种群规模的个体，作为新一代的种群；

A7、在现有种群和子代库中寻找具有最高适应度的个体。

优选地，所述A4中若Φ<K则执行交叉过程，若Φ>K则执行变异过程。

优选地，所述A7中若Γ<maxΓ则进行循环计算，否则停止计算，输出结果。

与现有技术相比，本发明提供了一种降低新能源电动汽车电池发热量的方法，具备以下有益效果：

1.本发明通过遗传算法对系统内的流道布置方式进行最优化设计；对于优化中所使用的遗传算法，首先将水冷系统的三维模型简化为平面上的二维模型，在选择方面采用了代间竞争机制，另外根据流道结构的几何特点，设计出了独特的交叉方式与突变方式。通过优化计算可对电池最高温度最小、电池平均温度最小和电池温度标准差最小的目标进行有效优化。

附图说明

图1为本发明提出的一种降低新能源电动汽车电池发热量的方法的整体流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例1：

一种降低新能源电动汽车电池发热量的方法，包括以下步骤：

S1、对现役电池包，进行管网图简化表达，红色数字表示管路中节点，黑色数字表示节点间管段，采用二进制编码方法，对上述管网编号图进行编码。管路中所有管段可用一个58位二进制字符串表示，字符串中第n位代表编号为n的管段，字符串中数字1表示该位所对应的管段存在于管路中，数字0表示管路中不存在该位所对应的管段；

S2、采用适应度函数对降低电池整体温度和提高电池温度分布均匀性进行函数表达；

S3、在限定条件下，对流道结构进行交叉过程设计，首先在管网图中按照一定规则选择两个个体作为起始点。之后在两个起始点个体管网结构图中寻找二者共有的节点，在除工质出入口节点外的共有节点中随机选择两点作为交叉点。最后将两个起始点位于两个交叉点间的部分相互交换，重新组合形成2个子代个体，并判断子代是否符合构成流道结构的要求；

S4、对管网图进行突变过程设计，按照一定规则在管网图中选择需要进行变异操作的个体，之后在选中的个体中随机选择一条管段进行变异操作，在对管段执行变异操作时，结合管路具体的结构并随机选择变异的类别和变异方向，产生子代个体。最后判断产生的子代个体是否能满足构成流道结构的要求；

S5、通过编制程序生成网格并经数值计算，获得适应度函数计算参数；

S6、设定外界温度条件和管道冷却液起点温度，获得遗传算法最优解。

进一步，优选地，S2中的适应度函数包括以下公式：降低电池整体温度，采用以下公式表达：

F＝T_n-T

式中，F为个体的适应度值，T_n为常数，T为电池平均温度；电池温度分布均匀性，采用以下公式表达：

F＝E_n-E

式中，F为个体的适应度值，E_n为常数，E为放电结束时电池温度标准差值。

进一步，优选地，S3中交叉过程设计有以下限定条件：电池包内流道仅通过1条金属扁管弯折而成；流道进出电池包的位置己经固定；电池包中所有电池单体与流道相接触。

进一步，优选地，S5包括以下步骤：

A1、设定种群规模、交叉率和最大遗传代数等基本遗传参数，并根据优化目标设定相应的适应度函数。

A2、根据S1中的编码方法对流道结构进行编码，并随机生成数量为种群规模数的流道个体作为初始种群，其中初始种群中的个体均满足构成管路结构的要求；

A3、计算初始种群中每个个体的适应度值，寻找初始种群中具有最高适应度的个体，记录其参数；

A4、首先在0-1区间内生成随机实数Φ，当新产生的子代个体满足构成管路结构的要求，并且子代个体即不是亲代种群中的个体，也不是己有的子代库中的个体时，将其保存进子代库中，当子代库中子代个体数量大于等于10个时执行下一个步骤，否则再次循环；

A5、计算子代库中个体的适应度值。

A6、采用适应度比例法在现有种群和子代库中，选择出数量等于种群规模的个体，作为新一代的种群；

A7、在现有种群和子代库中寻找具有最高适应度的个体。

进一步，优选地，A4中若Φ<K则执行交叉过程，若Φ>K则执行变异过程。

进一步，优选地，A7中若Γ<maxΓ则进行循环计算，否则停止计算，输出结果。

实施例2：基于实施例1，但有所不同的是：

以下是对实施例1中步骤进行优化后的最优解；

由上表可以看出通过遗传算法可以对电池最高温度最低、电池平均温度最低和电池温度标准差最低这三个目标进行有效的优化，可以看出流道结构a可以同时使电池最高温度、电池平均温度和电池温度标准差均处于较低的水平，但流道结构a的管长是流道结构c的1.58倍，而且由于系统中同时存在仅与流道具有1个接触面的电池单体和与流道具有3个接触面的电池单体，该结构无法有效降低电池平均温度最大差值。流道结构c可以使系统获得最低的电池平均温度最大差值，并且该结构具有相对较小的管长，但无法有效控制电池平均温度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。