首页 > 新闻中心

霍克锂电池面向汽车快充的分层预测性电池热管理策略架构

摘要

电动汽车电池系统因其高热容和有限的热控制能力而表现出显著的热迟滞现象，因此在动态驾驶场景中快速有效地调节电池系统温度具有挑战性。本文提出一种分层预测式电池热管理（BTM）策略架构，旨在预测未来电池温度并在行程场景中预先冷却电池以实现快速充电。该策略架构包含三个层级。上层基于车辆导航和历史信息估算未来电池系统的输出功率需求。中间层利用电池电热模型预测电池温度变化。下层采用动态规划算法确定整个行驶过程中电池液冷板入口温度的最优轨迹，并由BTM系统执行该轨迹。结果表明，与基于规则的策略相比，所提出的策略能够在快速充电前实现能量最优的智能预冷，有效防止电池温度在快充过程中超过阈值。此外，该策略在整车热管理轻量化与极端快充热管理方面也展现出显著优势。

引言

随着全球能源转型持续推进，电动汽车（EV）已成为交通运输领域碳减排的关键路径[1]。国际能源署（IEA）发布的《2024年全球电动汽车展望》显示，2023年全球电动汽车销量达近1400万辆，其中纯电动汽车约占电动汽车总保有量的70%[2]。尽管增长迅猛，里程焦虑仍是消费者面临的主要障碍，这主要归因于电动汽车电池充电时间过长[3]。为应对这一挑战，电动汽车产业正在加速开发和部署快速充电技术。
美国先进电池联盟（USABC）将快速充电定义为15分钟内充入电池容量的80%[4]。实现这一目标需要接近4C的充电速率[5,6]。然而，电池系统产生的热量会随电流速率呈非线性增长。在1C充电条件下，电池欧姆热与电流呈平方关系，其占比超过总产热的70%[7]。因此，充电速率从1C提升至4C会导致短时间内产生巨大热负荷，这对电池热管理（BTM）系统提出了极高要求[8,9]。
BTM系统的主要功能是将电池温度和温度均匀性维持在安全运行范围内，从而减缓电池老化并防止热失控[[10], [11], [12]]。目前，大多数电动汽车BTM系统采用安装在电池组底部或侧面的液冷板进行散热[13,14]。然而，该方法存在显著的热滞后性，限制了其在大电流快充工况下的快速散热能力[[15], [16], [17]]。在高温环境下，电池往往在热量被充分导出前就达到临界温度，迫使系统出于安全考虑降低充电电流，或在充电完成后继续主动冷却[[18], [19], [20]]。

为提升快充工况下的热管理性能，研究者们已探索了先进冷却技术并优化了液冷板设计[21,22]。虽然这些方案效果显著，但通常需要对现有汽车热管理系统进行重大改造，导致系统复杂度、重量及制造成本增加[23,24]。考虑到快充条件下的电池产热量远高于正常行驶工况，单纯扩大热管理系统规模既不符合能效要求也不具备成本效益[25,26]。
一种被日益探索的替代方案是在快速充电前对电池进行预调节。通过在车辆驶向充电站期间冷却电池温度，可缓解后续高倍率充电过程中的温升现象，从而在不超出热安全限值的前提下允许采用更高充电电流[27]。早期研究主要依赖固定阈值策略或模糊控制策略，即当达到预设温度或时间条件时即激活冷却系统[28]。虽然这类策略实施简便，但对环境温度、剩余行驶时间及电池初始状态等工况极为敏感。这导致过早预冷会造成不必要的能耗，而过晚预冷则无法提供足够的冷却时间。
为提高适应性，多项研究采用基于优化的方法来确定行驶期间的BTM动作[29,30]。例如，基于少量离散BTM运行模式的模式切换优化可计算出能量最优控制序列[31]。Guo等设计了模型预测控制器以获取电池加热器的加热功率[32]。Ma等提出了一种用于BTM的多层非线性模型预测控制方法，进一步将高层决策与低层执行器操作分离[33]。Wu等开发了多时间尺度模型预测控制方法，用于优化电池冷却与能量管理[34]。
然而，当前多数研究基于特定长期行驶工况（如全球轻型车测试循环WLTC和中国轻型车测试循环CLTC）来进一步优化电池热管理策略。不确定的未来交通信息对电池温度预测具有显著影响。实际应用中，由于车联网（V2V）等信息通信技术尚未普及，难以获取精确的未来真实车辆行驶工况。预判未来真实行驶工况是优化电池预加热热管理策略的关键。
此外，现有预冷研究主要基于具有特定热滞后的简化或解耦电池模型来优化电池温度。作为车辆的核心部件，电池系统、动力总成系统与热管理系统存在深度电热耦合。推进负载、电池电热行为与电池预冷动作之间的能量动态相互作用具有显著且长期的影响，尤其在多变的实际行驶工况下更为突出。

为填补上述研究空白，本研究提出了一种面向途中快充场景的电动汽车电池热管理分层预测策略架构。该策略的有效性已在多种工况下得到验证，并与现有其他策略进行了对比测试。实验表明，所提策略在极速充电工况下的热管理效能及汽车热管理系统小型化方面均展现出优势。主要创新点如下：

(1)
建立了集成电池系统、热管理系统和动力总成系统的电热模型，能够模拟推进负载、电池电热行为与电池冷却动作之间的能量动态交互。
(2)
基于采集的真实驾驶导航数据与历史行驶数据，提出一种基于统计分析的前瞻信息预测方法，可用于预估未来电池系统的功率需求。
(3)
本文提出了一种面向途中快充场景的分层预测式电池热管理策略架构，该架构能够在快充前实现能量最优的电池预冷却。

本文其余部分组织结构如下：第2节介绍运行场景、系统模型与验证实验；第3节阐述分层预测控制架构及其三层设计；第4节展示并讨论所提策略的测试结果，重点分析其相较于传统方法的优势；第5节为全文结论。

上一个：霍克锂电池作业关于设备寿数的数据和猜想电池技术下一个：霍克锂电池基于贝叶斯优化与时间注意力机制增强的深度神经网络用于锂离子电池健康状态的精准可靠评估

产品分类

新闻中心

联系我们

联系人：英国霍克蓄电池（中国）营销总部

手机：15313702523（微信同号）

E-mail：ukhawker@yeah.net

首页 > 新闻中心

霍克锂电池面向汽车快充的分层预测性电池热管理策略架构

摘要

引言

推荐新闻

产品分类

新闻中心

联系我们