一种电池包热场分布状态预测方法、装置、系统和存储介质

技术领域：

本发明属于电池仿真技术领域，特别涉及一种电池包热场分布状态预测方法、装置、系统和存储介质。

背景技术：

动力电池是新能源车辆唯一动力来源，其性能、寿命以及安全性都与其工作时的温度相关。然而，动力电池在使用过程中内部电化学反应会产生大量的热，导致动力电池内部温度逐渐升高，使动力电池各种材料处于异常工作温度范围，破坏动力电池整体化学平衡，减少锂离子电池循环寿命，因此需要构建合适的电池热管理系统保证动力电池在工作过程中处于合适的温度范围之内。

构建电池包热管理系统前，通常需要通过热仿真来模拟电池包热分布状态。然而，单体电池比如单体动力电池各种材料性能受环境影响较大，常用的一些发热模型无法精确模拟出电池包的热分布状态，难以构建合适的热管理系统，不利于电池包的热管理和控制。

发明内容：

因此，为克服现有技术中的至少部分缺陷和不足，本发明实施例提供了一种电池包热场分布状态预测方法、装置、系统和存储介质，通过开展单体电池充放电实验，构建单体电池的电池发热模型，基于电池发热模型对电池包进行热场仿真处理，以确定电池包热分布状态。

一方面，本发明的一个实施例提供的一种电池包热场分布状态预测方法，包括：基于单体电池充放电实验，获取单体电池不同工况下的温度特性曲线；基于所述单体电池的所述温度特性曲线，构建所述单体电池的电池发热模型；基于所述单体电池和电池包建立电池包三维模型；以及基于所述电池发热模型对电池包三维模型进行热场仿真处理，得到与所述电池包三维模型对应的所述电池包的热场分布状态。

在本发明的一个实施例中，所述电池发热模型满足如下公式：

其中，ρ表示所述单体电池的流体密度，c

在本发明的一个实施例中，所述基于所述单体电池建立与电池包对应的电池包三维模型，包括：根据所述电池包的参数构建所述电池包三维模型；以及响应用户第一操作对所述电池包三维模型进行删简处理；以及响应用户第二操作并采用基于边长加权的Laplacian优化算法对删简处理后的所述电池包三维模型进行优化处理。

在本发明的一个实施例中，所述响应用户第二操作并采用基于边长加权的Laplacian优化算法对删简处理后的所述电池包三维模型进行优化处理，包括：响应所述用户第二操作对所述电池包三维模型进行网格划分得到电池包网格模型；获取所述电池包网格模型的畸变网格位置坐标；以及基于边长加权的Laplacian优化算法对所述畸变网格进行优化处理。

在本发明的一个实施例中，还包括：对所述单体电池进行所述充放电实验；所述对所述单体电池进行所述充放电实验包括：在多个不同的预设温度下，分别将所述单体电池静置在恒温恒湿箱内后以第一充电倍率对所述单体电池进行充电至截止电压并再将所述单体电池静置在所述恒温恒湿箱内、以多个不同的放电倍率对所述单体电池进行放电至截止电压并再将所述单体电池静置在所述恒温恒湿箱内，周期性采集所述单体电池在放电过程中的电压数据和温度数据；根据所述电压数据和所述温度数据得到所述单体电池在不同工况下的温度特性曲线。

在本发明的一个实施例中，所述多个不同的预设温度包括第一预设温度，所述多个不同的放电倍率包括第一放电倍率；所述在多个不同的预设温度下，分别将所述单体电池静置在恒温恒湿箱内后以第一充电倍率对所述单体电池进行充电至截止电压并再将所述单体电池静置在所述恒温恒湿箱内、以多个不同的放电倍率对所述单体电池进行放电至截止电压并再将所述单体电池静置在所述恒温恒湿箱内，周期性采集所述单体电池在放电过程中的电压数据和温度数据，包括：在所述第一预设温度下将所述单体电池静置在所述恒温恒湿箱内；以所述第一充电倍率对所述单体电池进行充电至所述截止电压，并将充电后的所述单体电池再次静置在所述恒温恒湿箱中；以及以所述第一放电倍率对所述单体电池进行放电至截止电压，且在放电过程中周期性采集所述单体电池的所述电压数据和所述温度数据，将放电后的所述单体电池又一次静置在所述恒温恒湿箱中。

在本发明的一个实施例中，所述多个不同的预设温度包括5℃、15℃、25℃、35℃、45℃；所述多个不同的放电倍率包括1倍电池标称容量、2倍电池标称容量和3倍电池标称容量。

另一方面，本发明的一个实施例提供的一种电池包热场分布状态预测装置，用于执行上述任意一项实施例所述的电池包热场分布状态预测方法，所述电池包热场分布状态预测装置包括：获取模块，用于基于单体电池充放电实验，获取单体电池不同工况下的温度特性曲线；构建模块，用于基于所述单体电池的所述温度特性曲线，构建所述单体电池的电池发热模型；建立模块，用于基于所述单体电池和电池包建立电池包三维模型；以及仿真处理模块，用于基于所述电池发热模型对电池包三维模型进行热场仿真处理，得到与所述电池包三维模型对应的所述电池包的热场分布状态。

再一方面，本发明的一个实施例提供的一种电池包热场分布状态预测系统，包括：处理器和连接所述处理器的存储器；其中所述存储器存储有所述处理器执行的指令，且所述指令使得所述处理器执行操作以进行上述任意一项实施例所述的电池包热场分布状态预测方法。

又一方面，本发明的一个实施例提供的一种存储介质，存储有计算机可读程序，所述计算机可读程序用于执行上述任意一项实施例所述的电池包热场分布状态预测方法。

由上可知，本发明的上述一个或多个技术方案可以具有如下优点和有益效果：本发明实施例通过基于单体电池充放电实验获取单体电池不同工况下的温度特性曲线、并根据所述温度特性曲线构建电池发热模型和电池包三维模型、且对电池包三维模型进行热仿真处理，可以精确模拟不同工况下所述电池包的热分布，使得用户可以基于所述电池包的热分布建立更加高效的电池热管理系统，保证所述电池包最高温度以及温差都在合适的工作区间。

附图说明

为了易于说明，本发明由下述的具体实施及附图作以详细描述。

图1为本发明实施例提供的一种电池包热场分布状态预测方法的流程示意图。

图2为图1中的步骤S13的详细流程示意图。

图3为图2中的步骤S23的详细流程示意图。

图4为本发明实施例涉及的单体电池的充放电实验的流程示意图。

图5为图4中的步骤S24的详细流程示意图。

图6为本发明实施例涉及的单体电池充放电实验的示意图。

图7为本发明实施例涉及的热电阻布置位置的示意图。

图8为本发明实施例涉及的电池发热模型构建的示意图。

图9为本发明实施例涉及的单体电池的温度变化曲线示意图。

图10为本发明实施例涉及的单体电池的电压变化曲线示意图。

图11为本发明实施例涉及的电池包热仿真温度云图。

图12为本发明实施例的单体电池温度变化仿真与实验对比图。

图13为本发明实施例的单体电池电压变化仿真与实验对比图。

图14为本发明第二实施例提供的一种电池包热场分布状态预测装置的模块示意图。

图15为本发明第三实施例提供的一种电池包热场分布状态预测系统的结构示意图。

图16为本发明第四实施例提供的一种存储介质的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

为了使本领域普通技术人员更好地理解本发明的技术方案，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的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应当理解这样使用的术语在适当情况下可以互换，以便这里描述的本发明实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。

还需要说明的是，本发明中多个实施例的划分仅是为了描述的方便，不应构成特别的限定，各种实施例中的特征在不矛盾的情况下可以相结合，相互引用。

【第一实施例】

如图1所示，本发明第一实施例提供的一种电池包热场分布状态预测方法，例如包括：

S11：基于单体电池充放电实验，获取单体电池在不同工况下的温度特性曲线；

S12：基于所述单体电池的所述温度特性曲线，构建所述单体电池的电池发热模型；

S13：基于所述单体电池和电池包建立电池包三维模型；

S14：基于所述电池发热模型对电池包三维模型进行热场仿真处理，得到与所述电池包三维模型对应的所述电池包的热场分布状态。

本发明实施例通过基于单体电池充放电实验获取单体电池不同工况下的温度特性曲线、并根据所述温度特性曲线构建电池发热模型和电池包三维模型、且对电池包三维模型进行热仿真处理，即可以精确模拟不同工况下的电池包的热分布，使得用户可以基于电池包的热分布建立更加高效的电池热管理系统，保证电池包最高温度以及温差都在合适的工作区间。

进一步地，如图2所示，步骤S13例如包括：

S21：根据所述电池包的参数构建所述电池包三维模型；

S22：响应用户第一操作对所述电池包三维模型进行删简处理；

S23：响应用户第二操作并采用基于边长加权的Laplacian优化算法对删简处理后的所述电池包三维模型进行优化处理。

其次，如图3所示，步骤S23例如包括：

S31：响应所述用户第二操作对所述电池包三维模型进行网格划分得到电池包网格模型；

S32：获取所述电池包网格模型的畸变网格位置坐标；

S33：基于边长加权的Laplacian优化算法对所述畸变网格进行优化处理。

如图4所示，本发明第一实施例提供的电池包热场分布状态预测方法还包括：对所述单体电池进行所述充放电实验，具体包括：

S24：在多个不同的预设温度下，分别将所述单体电池静置在恒温恒湿箱内后以第一充电倍率对所述单体电池进行充电至截止电压并再将所述单体电池静置在所述恒温恒湿箱内、以多个不同的放电倍率对所述单体电池进行放电至截止电压并再将所述单体电池静置在所述恒温恒湿箱内，周期性采集所述单体电池在放电过程中的电压数据和温度数据；

S25：根据所述电压数据和所述温度数据得到所述单体电池在不同工况下的温度特性曲线。

更进一步地，所述多个不同的预设温度包括第一预设温度，所述多个不同的放电倍率包括第一放电倍率；如图5所示，步骤S24例如包括：

S34：在所述第一预设温度下将所述单体电池静置在所述恒温恒湿箱内；

S35：以所述第一充电倍率对所述单体电池进行充电至所述截止电压，并将充电后的所述单体电池再次静置在所述恒温恒湿箱中；

S36：以所述第一放电倍率对所述单体电池进行放电至截止电压，且在放电过程中周期性采集所述单体电池的所述电压数据和所述温度数据，将放电后的所述单体电池又一次静置在所述恒温恒湿箱中。

为便于更清楚地理解本实施例的电池包热场分布状态预测方法，下面将结合图6至图13进行举例详细说明之。

本发明实施例提供的电池包热场分布状态预测方法可例如是由安装有电池包热管控软件的上位机执行，可以精确模拟不同工况下的电池包的热分布，使得用户可以基于电池包的热分布建立更加高效的电池热管理系统，保证电池包最高温度以及温差都在合适的工作区间。本发明实施例的电池包热场分布状态预测方法具体如下

首先，如图6和图7所示，对单体电池进行充放电实验。此处的充放电实验，可以通过人工来完成，也可以通过自动化设备与上位机连接进行自动化控制实现，其具体设备此处详细介绍。具体地，单体电池充放电实验的具体步骤例如包括：

(1)调节恒温恒湿箱环境温度为25℃，也即第一预设温度；

(2)将单体电池在25℃下充分静置，然后以0.5C倍率充电，充至截止电压，结束充电过程，使单体电池在恒温恒湿箱中再次充分静置；

(3)将再次静置后的单体电池以1C进行放电至截止电压，然后以每隔一秒的周期记录电压数据和温度数据，根据电压数据和温度数据得到温度特性曲线，之后结束放电过程，使单体电池在恒温恒湿箱中第三次充分静置；

(4)重复上述操作步骤(2)，然后将再次静置后的单体电池分别以2C和3C放电倍率重复上述操作步骤(3)；

(5)将恒温恒湿箱的环境温度调为5℃、15℃、35℃、45℃，并重复上述操作步骤(1)-(4)；

(6)结束实验，关闭仪器设备，整理实验现场。

由上述步骤可知，多个不同的预设温度包括5℃、15℃、25℃、35℃和45℃；多个不同的放电倍率包括1倍电池标称容量、2倍电池标称容量和3倍电池标称容量，其中1C表示一倍电池标称容量，2C表示二倍电池标称容量。

值得一提的是，单体电池的温度数据的采集和记录可以通过热电阻来实现。进一步地，图7示出了热电阻在单体电池上的布置位置。如图7所示，用户可以在单体电池的一侧设置5个热电阻，分别为热电阻1～5。典型地，热电阻例如是中低温区最常用的一种温度检测器，热电阻测温是基于金属导体的电阻值随温度的增加而增加这一特性来进行温度测量的。此外，单体电池的电压数据例如可以通过电压表等常规电压测量设备进行采集和记录，此处不再赘述。

其次，基于所述单体电池的所述温度特性曲线，上位机构建所述单体电池的电池发热模型。如图8所示，电池发热模型例如满足如下公式：

其中：ρ表示所述单体电池的流体密度，c

体积电流传输速率公式如下：

其中：，Vol表示所述单体电池的活性区域，V表示所述单体电池的电压，Q

单体电池放电DOD深度公式如下：

U和Y公式如下：

其中：j表示所述单体电池的电流密度，C

电化学反应产生的热量公式如下：

在这个步骤中，上位机根据获得的单体电池充放电实验的数据比如电压数据和温度数据，对实验数据进行拟合得到U和Y，将U和Y带入到上述式中得到体积电流传输速率以及电化学反应产生的热量，最后将体积电流传输速率以及电化学反应产生的热量带入到热场和电场的计算公式得到最终电池发热量。

再者，上位机例如响应用户操作构建电池包三维模型。比如用户根据电池包的实物图输入电池包的参数比如长度、宽度和高度等参数至上位机，上位机根据电池包的参数构建电池包三维模型。此外，上位机响应用户操作将三维模型中的BMS管理部件、螺栓螺母、连接线等对热仿真影响很小的零件进行删简处理，也即删除或简化处理，并对电池包三维模型的流道过度区域以及冷却液进出口连接区域进行平滑处理，保证其过度平滑，以便于仿真计算；进一步地，上位机响应用户操作对电池包三维模型进行网格划分得到电池包网格模型；之后，上位机获取电池包网格模型的畸变网格位置坐标，然后采用基于边长加权的Laplacian优化算法对畸变网格进行优化处理。基具体步骤为：上位机响应用户操作并通过ICEM精准捕捉畸变网格位置坐标，再响应用户操作比如将生成的网格坐标数据导入到MATLAB以获取网格坐标数据，并基于边长加权Laplacian算法设计程序对畸变网格进行优化处理得到修改后的网格数据，之后将修改后的网格数据重新导入ICEM，即可实现对畸变网格优化。

最后，上位机响应用户操作将构建的电池发热模型导入Fluent软件中进行电池包热仿真处理，最终得到电池包三维模型的热场分布状态，也即得到了与电池包三维模型对应的电池包的热场分布状态。

具体地，以某一电池包为例，通过开展不同工况下单体电池充放电实验，根据单体电池的温度数据和电压数据得到单体电池的温度特性曲线，如图9和图10所示，将所获得的数据进行拟合，最终得到U和Y系数如下：

再者，运用Fluent对电池包网格模型进行热场仿真计算，最终得到所述电池包温度云图(参见图11)，也即与所述电池包三维模型对应的电池包的热场分布状态。

此外，如图12和图13所示，将单体电池的仿真数据和单体电池充放电实验的实验数据进一步地进行对比，单体电池的仿真数据和单体电池充放电实验的实验数据的折线图基本吻合，所以单体电池的仿真计算方法具有较高的准确性。

综上所述，本发明实施例通过基于单体电池充放电实验获取单体电池不同工况下的温度特性曲线、并根据所述温度特性曲线构建电池发热模型和电池包三维模型、且对电池包三维模型进行热仿真处理，即可以精确模拟不同工况下的电池包的热分布，使得用户可以基于电池包的热分布建立更加高效的电池热管理系统，保证电池包最高温度以及温差都在合适的工作区间。

【第二实施例】

如图14所示，本发明第二实施例提供的一种电池包热场分布状态预测装置40，例如包括：获取模块41、构建模块42、建立模块43和仿真处理模块44。

其中，获取模块41用于基于单体电池充放电实验，获取单体电池不同工况下的温度特性曲线；构建模块42用于基于所述单体电池的所述温度特性曲线，构建所述单体电池的电池发热模型；建立模块43用于基于所述单体电池和电池包建立电池包三维模型；以及，仿真处理模块44用于基于所述电池发热模型对电池包三维模型进行热场仿真处理，得到与所述电池包三维模型对应的所述电池包的热场分布状态。本实施例中的电池包热场分布状态预测装置40的具体工作过程和技术效果参见前述第一实施例的描述。

【第三实施例】

如图15所示，本发明第三实施例提供的一种电池包热场分布状态预测系统50，包括：处理器51和连接所述处理器51的存储器52；其中所述存储器52存储有所述处理器51执行的指令，且所述指令使得所述处理器51执行操作以进行前述第一实施例所述的电池包热场分布状态预测方法。本实施例中的电池包热场分布状态预测系统50的具体工作过程和技术效果参见前述第一实施例的描述。

【第四实施例】

如图16所示，本发明第四实施例提供的一种存储介质60，存储有计算机可读程序，所述计算机可读程序用于执行前述第一实施例所述的电池包热场分布状态预测方法。存储介质900例如为非易失性存储器，其例如为：磁介质(如硬盘、软盘和磁带)，光介质(如CDROM盘和DVD)，磁光介质(如光盘)以及专门构造为用于存储和执行计算机可执行指令的硬件装置(如只读存储器(ROM)、随机存取存储器(RAM)、闪存等)。

以上所述，显示和描述了本发明实施例的基本原理和主要特征和本发明的优点，本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内，本发明要求保护范围由所附的权利要求书及其等效物界定。