[发明专利]温度预测方法、温度预测装置和车辆

说明书

本发明实施例提供了一种温度预测方法、温度预测装置和车辆，方法包括获取动力电池的当前工况参数，将当前工况参数输入至预先训练的神经网络预测模型，预测得到动力电池的温度；神经网络预测模型为基于动力电池的历史工况参数确认的动力电池的热阻参数和热容参数训练所得。本发明实施例中，无需对动力电池开包布置热电偶和多种热参数测试仪等仪器设备，直接通过电池管理系统(BMS)获取动力电池的历史工况参数确认出动力电池的热阻参数和热容参数，并根据动力电池的热阻参数和热容参数训练得到神经网络预测模型，操作简单、节省时间、成本低廉，将当前工况参数输入至预先训练的神经网络预测模型，预测得到精度较高的动力电池温度。

技术领域

本发明涉及电池技术领域，特别是涉及一种温度预测方法、一种温度预测装置和车辆。

背景技术

动力电池作为新能源汽车三电系统的重要组成部分，有关其使用的安全、可靠和耐久性能越来越受到专业人士及终端用户的关注。但动力电池的性能受温度的影响较大，不同温度下电池的放电能量及输出功率等会有差异，影响整车的动力性及经济性。因此，为了提升动力电池性能的预测精度，需要对不同工况下动力电池的温度变化进行预测。

然而，目前在不同工况下动力电池的温度预测方面，通常需要通过对动力电池拆包布置大量热电偶和多种热参数测试仪等仪器设备，将得到的大量数据训练神经网络模型，然后对动力电池的温度进行预测，操作不便，成本较高，不利于车辆正常行驶不同工况下对动力电池的温度预测。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种温度预测方法和相应的一种温度预测装置、车辆。

为了解决上述问题，本发明实施例公开了一种温度预测方法，应用于车辆，所述车辆包括动力电池，所述方法包括：

获取所述动力电池的当前工况参数；

将所述当前工况参数输入至预先训练的神经网络预测模型，预测得到所述动力电池的温度；所述神经网络预测模型为基于所述动力电池的历史工况参数确认的所述动力电池的热阻参数和热容参数训练所得。

可选的，所述神经网络预测模型通过如下方式训练所得：

获取所述动力电池在第一预设时间内的历史工况参数；

在所述第一预设时间内的预设间隔时间，根据所述历史工况参数确认出所述动力电池的热阻参数和热容参数；

采用所述动力电池的热阻参数和热容参数训练待训练的神经网络预测模型，得到训练完成的神经网络预测模型。

可选的，所述历史工况参数至少包括预设间隔时间所述动力电池的第一最高温度、第一最低温度、第一平均温度、进口冷却液温度、出口冷却液温度、冷却液流量以及第一环境温度，所述根据所述历史工况参数确认出所述动力电池的热阻参数和热容参数，包括：

根据所述进口冷却液温度、所述出口冷却液温度以及所述冷却液流量计算出冷却液进出口焓变率；

根据所述第一最高温度、所述第一最低温度、所述第一平均温度、所述进口冷却液温度、所述出口冷却液温度、所述第一环境温度以及所述冷却液进出口焓变率，计算出所述动力电池的最高温度点到冷却液的换热量、最低温度点到冷却液的换热量以及平均温度点到冷却液的换热量；

当所述最高温度点到冷却液的换热量、所述最低温度点到冷却液的换热量以及所述平均温度点到冷却液的换热量满足预设规则时，确认出所述动力电池的热容参数和热阻参数。

可选的，所述根据所述第一最高温度、所述第一最低温度、所述第一平均温度、所述进口冷却液温度、所述出口冷却液温度、所述第一环境温度以及所述冷却液进出口焓变率，计算出所述动力电池的最高温度点到冷却液的换热量、最低温度点到冷却液的换热量以及平均温度点到冷却液的换热量，包括：