[发明专利]一种基于混合模型的储能系统电池热失控预判方法

权利要求书

1.一种基于混合模型的储能系统电池热失控预判方法，其特征在于将电池模型与LSTM神经网络模型相结合，构建如下模型：

用于采集电池相关参数的电池数据采集模型；

用于精确估算内部温度T_in和电池SOC的电池电热耦合模型；

用于得到基于各个时刻的电池预测内部温度曲线、电池预测表面温度曲线的LSTM预测模型；

用于完成预判实现热失控预警的热失控预判模型。

2.根据权利要求1所述的基于混合模型的储能系统电池热失控预判方法，其特征在于，将一阶等效电路模型和集总参数热模型相结合，形成电池电热耦合模型，通过电热耦合模型精准估算出电池SOC和电池的内部温度；

对一阶等效电路模型进行参数识别，识别出理想电压源Uoc，欧姆内阻R₀，极化内阻R_d与极化电容C_d，并使用安时积分法进行SOC估算；在此基础上，与集总参数热模型进行耦合，一阶等效电路模型和集总参数热模型之间通过欧姆内阻R₀、极化内阻R_d与内部温度T_in进行关联；

首先通过负载电流和电池的内部温度计算得出电池的SOC；

其次根据SOC、温度与内阻之间的关系，确定欧姆内阻R₀、极化内阻R_d的值，并根据得到的阻值计算电池的产热量；

将锂电池产热量Q_j和环境温度T_amb作为热模型的输入，计算出锂离子电池的内部温度T_in；再将内部温度T_in作为参数传入电池等效电路模型，在下一个时刻与电流I计算电池新的SOC形成一个回路；实现了实时精确估算内部温度T_in和电池SOC的作用。

3.根据权利要求2所述的基于混合模型的储能系统电池热失控预判方法，其特征在于，上述LSTM预测模型将每个时刻所测参数电压U、电流I、SOC、电池内部温度T_in、电池表面温度T_amb共同作为输入矩阵，电池预测内部温度、电池预测表面温度作为输出矩阵，得到基于各个时刻的电池预测内部温度曲线、电池预测表面温度曲线。

4.根据权利要求1所述的基于混合模型的储能系统电池热失控预判方法，其特征在于，上述热失控预判模型，结合温度预测模型，提出了电池热失控判定流程，根据预测模型所得预测温度曲线图，将预测温度与实测温度的对比，得到电池热失控的预判结果和电池热失控的诱因，完成预判实现热失控预警。