(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111175223.8 (22)申请日 2021.10.09 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 熊瑞　李幸港　李正阳　杨瑞鑫　 孙逢春　 (74)专利代理 机构 北京市诚辉律师事务所 11430 代理人 岳东升　杨帅峰 (51)Int.Cl. G06F 30/27(2020.01) G01K 13/00(2021.01) G06N 3/08(2006.01) G06F 119/08(2020.01) (54)发明名称 一种电池组的内部温度在线计算方法 (57)摘要 本发明提供了一种电池组的内部温度在线 计算方法， 其主要基于动力电池生热模型与神经 网络对电池组 内部的多点 温度进行计算， 模型的 输入为电池的外部测量点 温度、 电池组的各单体 的端电压与电流； 输出为电池组其他位置包括内 部多点在内的温度值； 模型对有无冷却系统的电 池组均可适用。 本发明提供的电池组 内部温度在 线计算方法在实际实施中能够较好计算出电池 组内部以及每 个单体电池的温度。 权利要求书1页 说明书4页 附图3页 CN 113919222 A 2022.01.11 CN 113919222 A 1.一种电池组的内部温度在线计算方法， 其特 征在于： 具体包括以下步骤： 步骤S1、 对电池单体进行开路电压试验获取其OCV ‑SOC曲线以及熵热系数， 利用试验结 果建立动力电池的生热模型， 用于计算各电池单体的生热量； 步骤S2、 使用电池组内部设置的多个温度传感器， 对电池组进行不同环境温度与工况 下的热特性测试 试验， 得到电池组对应于不同工况的稳态温度； 步骤S3、 以电池组生热量、 稳态温度、 SOC以及某个电池组某外部测量点温度值作为模 型输入， 电池组包括内部多个点在内的其余位置温度为模型输出， 建立电池组内部温度估 计神经网络模型； 步骤S4、 将步骤S1和S2得到的试验数据作为训练集输入所述神经网络模型进行训练； 步骤S5、 在动力电池管理系统中运行训练好的神经网络模型， 利用采集的电池组运行 数据， 对电池组内部多点温度进行实时在线计算。 2.如权利要求1所述的方法， 其特 征在于： 所述 步骤S1具体包括： 步骤S101、 对各电池单体开展 小电流开路电压测试， 获取其OCV ‑SOC曲线； 步骤S102、 使电池单体保持在不同的S OC下并改变其所处环境温度， 测量电池单体的开 路电压变化 规律， 计算得到电池单体的熵热系数； 步骤S103、 利用前两步得到的结果基于B ernardi电池产热理论建立动力电池的生热模 型。 3.如权利要求2所述的方法， 其特 征在于： 所述 步骤S2具体包括： 步骤S201、 在电池组在成组过程中， 在其内部多个电池单体之间布置温度传感器； 步骤S203、 对电池组进行多个不同温度与工况下的热特性测试试验， 记录其电压、 电 流、 内部多点温度等数据信息， 如 有冷却系统开启， 则需测量记录 冷却系统开启后无电流负 载下的电池组稳态温度结果。 4.如权利要求3所述的方法， 其特 征在于： 所述 步骤S3具体包括： 步骤S301、 针对电池组内部温度估计建立BP神经网络模型， 使用tansi g作为激活函数， purelin和logsig作为隐含层函数； 步骤S302、 模型输入为一段时间窗口内的电池组生热量、 稳态温度、 SOC以及某个电池 组外部温度传感器的采集值， 电池组内部多个点的温度为模型输出， 依据窗口的长度与精 度要求给定合 适的神经 元个数。 5.如权利要求 4所述的方法， 其特 征在于： 所述 步骤S4具体包括： 步骤S401、 将步骤S1和S2得到的试验结果进行整理， 基于所建立的生热模型利用电压 和电流数据计算得到各电池单体的生热量； 步骤S402、 给定神经网络合适的梯度下降函数、 学习率、 迭代次数与目标误差等参数， 将输入输出 带入神经网络模型进行训练， 并将训练好的模型保存。 6.如权利要求5所述的方法， 其特 征在于： 所述 步骤S5具体包括： 步骤S501、 将训练好的模型写入动力电池管理系统； 步骤S502、 获取电池冷却系统状态， 使用电池管理系统的采集模块采集电池组的电压、 电流以及外 部温度信息， 计算 生热量并输入到训练好的神经网路模型中； 步骤S503、 实时在线获取电池组内部多点温度估计结果。权　利　要　求　书 1/1 页 2 CN 113919222 A 2一种电池组的内部温度在线计算方 法 技术领域 [0001]本发明属于动力电池管理技术领域， 尤其涉及一种针对电池组的内部温度实现在 线计算的方法。 背景技术 [0002]电池组的内部温度是电池管理系统运行中的重要监控参数之一， 通过监测其数值 与变化规律， 既能直接获得电池组的温度均一性与电池组的安全状态， 更能为电池组状态 估计与寿命预测提供多维度的数据信息。 然而， 当前实车中对电池组的温度检测大多仅使 用温度传感器测量电池组的外表面温度， 尚无法对电池组内部以及每个电池单体进行全方 位的温度检测， 使其所获得的温度信息代表性不足。 而对于电池组的温度计算多停留于离 线有限元仿 真计算， 计算量极大， 难以实现实车的在线应用， 导致电池组内部温度监控的缺 失。 在某些用于估计电池组核心温度的现有技术中， 将电池核心、 表面、 空气分别看作一个 质点建立估计电池核心温度的电池组热模型， 虽然能够对内部单点温度进行估计， 但还无 法做到对多点温度同时进行计算。 发明内容 [0003]针对上述本领域中所存在的技术问题， 本发明提供了一种电池组的内部温度在线 计算方法， 具体包括以下步骤： [0004]步骤S1、 对电池单体进行开路电压试验获取其OCV ‑SOC曲线以及熵 热系数， 利用试 验结果建立动力电池的生热模型， 用于计算各电池单体的生热量； [0005]步骤S2、 使用电池组内部设置 的多个温度传感器， 对电池组进行不 同环境温度与 工况下的热特性测试 试验， 得到电池组对应于不同工况的稳态温度； [0006]步骤S3、 以电池组生热量、 稳态温度、 SOC以及某个电池组某外部测量点温度值作 为模型输入， 电池组包括内部多个点在内的其余位置温度为模型输出， 建立电池组内部温 度估计神经网络模型； [0007]步骤S4、 将步骤S1和S2得到的试验数据作为训练集输入所述神经 网络模型进行训 练； [0008]步骤S5、 在动力电池管理系统中运行训练好的神经网络模型， 利用采集的电池组 运行数据， 对电池组内部温度进行实时在线计算。 [0009]进一步地， 所述步骤S1具体包括： [0010]步骤S101、 对各电池单体开展 小电流开路电压测试， 获取其OCV ‑SOC曲线； [0011]步骤S102、 使电池单体保持在不同的SOC下并改变其所处环境温度， 测量电池单体 的开路电压变化 规律， 计算得到电池单体的熵热系数； [0012]步骤S103、 利用前两步得到的结果基于Bernardi电池产热理论建立动力电池的生 热模型。 [0013]进一步地， 所述步骤S2具体包括：说　明　书 1/4 页 3 CN 113919222 A 3