阅读说明：本技术 一种智能电池热管理方法 (Intelligent battery thermal management method ) 是由 龚春忠 张永 李鹏 李佩佩 于 2021-08-23 设计创作，主要内容包括：本发明为一种智能电池热管理方法,包括：获取电池温度及车辆状态信息；当电池当前温度低于电池回充温度时,由回收的能量为车身电器供电,电池不进行回充；当电池当前温度低于电池最佳状态温度时,根据车辆状态信息预测本次行驶里程,若预测本次行驶里程小于第一设定值,则采用非电池能量给电池加热；当电池当前温度低于电池最佳状态温度时,将驱动系统运行产生的热量传输给电池。本发明的优点是：在电池限制回充时,避免动能浪费,减少电池能量输出；根据预测里程选择采用非电池能量给电池加热还是电池能量给电池加热,避免在短距离行驶时产生电池能量的浪费；利用驱动系统运行产生的热量给电池加热,能够提高电池升温效率。(The invention relates to an intelligent battery heat management method, which comprises the following steps: acquiring battery temperature and vehicle state information; when the current temperature of the battery is lower than the battery recharging temperature, the recovered energy supplies power to the electric appliance of the vehicle body, and the battery is not recharged; when the current temperature of the battery is lower than the optimal state temperature of the battery, predicting the driving mileage according to the vehicle state information, and if the predicted driving mileage is smaller than a first set value, heating the battery by adopting non-battery energy; and when the current temperature of the battery is lower than the optimal state temperature of the battery, transmitting heat generated by the operation of the driving system to the battery. The invention has the advantages that: when the battery is limited to be recharged, kinetic energy waste is avoided, and the energy output of the battery is reduced; according to the predicted mileage, selecting whether non-battery energy or battery energy is adopted to heat the battery, so as to avoid waste of the battery energy during short-distance driving; the battery is heated by heat generated by the operation of the driving system, so that the temperature rise efficiency of the battery can be improved.)

一种智能电池热管理方法

技术领域

本发明涉及电动汽车领域，尤其涉及一种智能电池热管理方法。

背景技术

当前，电动汽车“怕冷”问题依然是影响消费者对产品认可的关键问题之一。为此，对电池的保温技术、热泵技术等逐渐在电动车上应用。

现有的电池低温保护及升温方案主要为在电池低温时，限制电池回充及在电池低温时，直接通过电池加热器给电池加热。该方案虽然能够有效缓解电池“怕冷”的问题，但仍存在一定缺陷，一方面在限制电池回充时，车辆动能回收功能关闭，导致无法回收能量，另一方面，在短程行驶时，若直接使用电池加热器给电池加热，容易出现电池还未到达电池最佳状态温度，用户已经到达目的地的情况。在这种情况下，电池加热器产生的热能则会随着车辆静置而散失，存在一定的能量浪费，会影响电动汽车的续航里程。

发明内容

本发明主要解决了上述问题，提供了一种在低温环境下具备高能量利用率，能够提高电动汽车续驶里程的智能电池热管理方法。

本发明解决其技术问题所采用的技术方案是，一种智能电池热管理方法，包括：

获取电池温度及车辆状态信息；

当电池当前温度低于电池回充温度时，开启动能回收功能，由回收的能量为车身电器供电，电池不进行回充；

当电池当前温度低于电池最佳状态温度时，根据所述车辆状态信息预测本次行驶里程，若预测本次行驶里程小于第一设定值，则采用非电池能量给电池加热；

当电池当前温度低于电池最佳状态温度时，将驱动系统运行产生的热量通过热量循环系统传输给电池，给电池加热。

作为上述方案的一种优选方案，当电池当前温度高于电池回充温度时，在动能回收状态下，回收的能力对电池进行回充，电池为车身电器供电。

作为上述方案的一种优选方案，当电池当前温度低于电池最佳状态温度时，若预测本次行驶里程大于等于第一设定值，则同时采用非电池能量和电能能量给电池加热。

作为上述方案的一种优选方案，所述非电池能量包括车辆进行动能回收时产生的能量和驱动系统运行产生的热量。

作为上述方案的一种优选方案，所述预测本次行驶里程，包括以下步骤：

S101：获取车辆状态信息，所述车辆状态信息包括车速、车辆加速度、车辆位置信息和时间信息；

S102：基于车辆状态信息通过卷积神经网络模型预测未来一段时间内的车辆平均加速度；

S103：根据所述未来一段时间内的车辆平均加速度获取未来一段时间内的车辆状态信息，即未来车速、未来车辆加速度、未来车辆位置、未来时间信息和未来一段时间内的行驶里程；

S104：将未来车速、未来车辆加速度、未来车辆位置和未来时间信息输入到卷积神经网络模型中，预测未来的未来一段时间内的车辆平均加速度；

S105：重复步骤S103-S104，直至连续多次预测到未来车速和车辆加速度为0；

S106：对每次执行步骤S103得到的未来一段时间内的行驶里程进行累加，获得行驶里程预测结果。

作为上述方案的一种优选方案，所述卷积神经网络模型由车主历史行驶数据训练得到。

作为上述方案的一种优选方案，所述第一设定值通过以下方法确定：

S201：获取不同电池温度下不同车速时驱动系统的功率p1；

S202：获取驱动系统的热量产生系数a，热量循环系统将驱动系统运行产生的热量传输给电池的传输系数b及电池加热器的平均功率p2；

S203：获取当前电池温度，计算将电池升温至电池最佳状态温度所需的热量Q；

S204：采用卷积神经网络模型对车辆未来车辆平均加速度进行预测，获取未来各个时刻的车速，同时根据时间和未来各个时刻的车速计算各个时刻电池的温度

其中， 表示t时刻的电池温度， 表示t-1时刻的电池温度，C表示电池的比热容， 表示t-1时刻驱动系统的功率， 为t时刻与t-1时刻的时间差；

S205：根据公式

计算电池升温至电池最佳状态温度所需的时间T， 表示t时刻驱动系统的功率，即电池温度为 ，车速为 时驱动系统的功率；

S206：计算时间T内车辆的行驶距离，即第一设定值。

作为上述方案的一种优选方案，当电池当前温度高于电池最佳状态温度时，由散热器对驱动系统进行散热。

本发明的优点是：在电池限制回充时，利用动能回收产生的能量对车身电器供电进行供电，避免动能浪费，减少电池能量输出；能够对本次行驶里程进行预测，并根据预测里程选择采用非电池能量给电池加热还是电池能量给电池加热，避免在短距离行驶时产生电池能量的浪费；利用驱动系统运行产生的热量给电池加热，能够提高电池升温效率。

附图说明

图1为实施例中本次行驶里程预测方法的流程示意图。

图2为实施例中第一设定值确定方法的流程示意图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步的说明。

实施例：

本实施例一种智能电池热管理方法，包括：

S1：获取电池温度及车辆状态信息；

S2：根据电池温度确定电池热管理策略，具体为当电池当前温度低于电池回充温度时，开启动能回收功能，由回收的能量为车身电器供电，电池不进行回充，车身电池包括电池加热器；当电池当前温度高于电池回充温度时，在动能回收状态下，回收的能量对电池进行回充，电池为车身电器供电。当电池当前温度低于电池最佳状态温度时，根据所述车辆状态信息预测本次行驶里程，若预测本次行驶里程小于第一设定值，则采用非电池能量给电池加热；当电池当前温度低于电池最佳状态温度时，若预测本次行驶里程大于等于第一设定值，则同时采用非电池能量和电能能量给电池加热。当电池当前温度低于电池最佳状态温度时，将驱动系统运行产生的热量通过热量循环系统传输给电池，给电池加热；当电池当前温度高于电池最佳状态温度时，由散热器对驱动系统进行散热。

本实施例中，非电池能量包括车辆进行动能回收时产生的能量和驱动系统运行产生的热量，非电池能量对电池进行加热的主要表现形式之一为利用动能回收产生的能量给电池加热器供电，令电池加热器给电池加热；另一主要表现形式为通过热量循环系统将驱动系统运行产生的热量传输给电池，热量循环系统为水循环系统，热量循环系统上还设有散热器，散热器能够将热量循环系统中的能量传递到空气中。

本实施例中，本次行驶里程预测方法如图1所示，包括以下步骤：

S101：获取车辆状态信息，所述车辆状态信息包括车速、车辆加速度、车辆位置信息和时间信息；

S102：基于车辆状态信息通过卷积神经网络模型预测未来一段时间内的车辆平均加速度，卷积神经网络模型由车主历史行驶数据训练得到，此外在每次使用车辆时，都会根据行驶数据对卷积神经网络进行二次训练；

S103：根据所述未来一段时间内的车辆平均加速度获取未来车速、未来车辆加速度、未来车辆位置、未来时间信息和未来一段时间内的行驶里程；

S104：将未来车速、未来车辆加速度、未来车辆位置和未来时间信息输入到卷积神经网络模型中，预测未来的未来一段时间内的车辆平均加速度；

S105：重复步骤S103-S104，直至连续多次预测到未来车速和车辆加速度为0；

S106：对每次执行步骤S103得到的未来一段时间内的行驶里程进行累加，获得行驶里程预测结果。

本实施例的本次行驶里程预测方法中将本次行驶划分为多个时间段，假设每个时间段为5秒，设当前为第0秒，利用当前的车辆状态信息，预测未来5秒的车辆平均加速度，根据预测出来的未来5秒的车辆平均加速度，能够计算出未来第5秒的车辆状态信息和车辆在这5秒内的行驶里程，利用未来第5秒的车辆状态信息获取未来第10秒的车辆状态信息，利用未来第10秒的车辆状态信息获取未来第15秒的车辆状态信息，直至预测到连续多时间段内的车速和加速度为0，即认为车辆已停止，本次行驶结束，最后通过将各个时间段的车辆的行驶里程累加获得本次行驶里程。

本实施例中，所述第一设定值通过以下方法确定，如2图所示，包括：

S201：获取不同电池温度下不同车速时驱动系统的功率p1，该数据通过用户的车辆使用数据获得；

S202：获取驱动系统的热量产生系数a，循环系统将驱动系统运行产生的热量传输给电池的传输系数b及电池加热器的平均功率p2；

S203：获取当前电池温度，计算将电池升温至电池最佳状态温度所需的热量Q；

S204：采用卷积神经网络模型对车辆未来车辆平均加速度进行预测，获取未来各个时刻的车速 ，同时根据时间和未来各个时刻的车速计算各个时刻电池的温度

其中， 表示t时刻的电池温度， 表示t-1时刻的电池温度，C表示电池的比热容， 表示t-1时刻驱动系统的功率， 为t时刻与t-1时刻的时间差；

S205：根据公式

计算电池升温至电池最佳状态温度所需的时间T， 表示t时刻驱动系统的功率，即电池温度为 ，车速为 时驱动系统的功率；

S206：计算时间T内车辆的行驶距离，即第一设定值。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。