[发明专利]基于深度学习多层网络建模的电池热管理方法及系统

摘要

本发明提供了一种基于深度学习多层网络建模的电池热管理方法及系统，所述方法包括以下步骤：S1、测量电池的热物性参数，其中包括电池的密度、比热容；S2、根据电池热物性参数，建立电池的三维热效应方程，求解电池的三维热效应方程，得到的解就是电池的温度场分布情况；S3、建立电池热效应模型；S4、根据电池的热效应模型，通过前向参数的自适应拟合方法，其中前向参数包括产热量、热性能分布、热物性参数，获取热能参数控制输出方程；通过反向的制冷控制参数，形成热控制方程参数的配置，建立不同的冷却方式对电池进行温度调控。本发明采用自适应反向传导热管理方式对电池进行温度调控，可有效进行热控制，维持电池运行的稳定性和安全性。

主权项

1.一种基于深度学习多层网络建模的电池热管理方法，其特征在于，包括以下步骤：S1、测量电池的热物性参数，所述热物性参数包括电池的密度、比热容；S2、根据电池热物性参数，建立电池的三维热效应方程，对应的公式如下，式中，T为电池的温度，t为时间，ρ为电池内部材料的平均密度，q为电池单位体积产热速率，cp为电池的定压比热容，λx、λy、λz是电池在三维正交方向上的导热系数，求解得电池的温度场分布情况；S3、建立电池热效应模型根据电池的基本参数，包括标称容量、标称电压、放电截止电压、充电截止电压、内阻参数，结合电池的串联及并联热分布方式，形成在深度学习多层网络下电池组的热效应模型；S4、根据电池的热效应模型，通过前向参数的自适应拟合方法，获取热能参数控制输出方程，其中前向参数包括产热量、热性能分布、热物性参数；通过反向的制冷控制参数，形成热控制方程参数的配置，建立不同的冷却方式对电池进行温度调控。