本技術的實施例涉及電池，特別涉及一種電池包溫度的監(jiān)控方法及系統(tǒng)。

背景技術：

1、溫度是影響電池包正常運行的重要因素之一，因此，需要電池管理系統(tǒng)對電池包中的電池單體進行溫度監(jiān)控。

2、目前，電池管理系統(tǒng)通?；跍囟葌鞲衅鬟M行溫度監(jiān)控，然而，溫度傳感器只能獲取電池單體的表面溫度，而無法獲取溫度值更高的內(nèi)部溫度，導致對電池包的溫度監(jiān)控精度較低，影響電池包安全。

技術實現(xiàn)思路

1、本技術的實施例提供一種電池包溫度的監(jiān)控方法，以解決現(xiàn)有技術中無法獲取溫度值更高的內(nèi)部溫度，導致對電池包的溫度監(jiān)控精度較低，影響電池包安全的技術問題；本技術的實施例還提供一種電池包溫度的監(jiān)控系統(tǒng)。

2、為了解決上述技術問題，本技術的實施例公開了如下技術方案：

3、第一方面，提供了一種電池包溫度的監(jiān)控方法，用于監(jiān)控電池包中的多個電池單體的溫度，所述監(jiān)控方法包括：

4、獲取多個所述電池單體的表面的表面溫度；

5、通過預先建立的老化模型和影響指數(shù)將異常的所述表面溫度篩選為離群溫度，并獲取所述離群溫度對應的目標電池單體；

6、基于所述表面溫度和預先建立的電池熱模型，獲取所述目標電池單體的內(nèi)部溫度；所述電池熱模型被配置為基于卡爾曼濾波進行預測，所述卡爾曼濾波被配置為基于遺傳算法進行校正；

7、基于所述離群溫度和所述內(nèi)部溫度，獲取所述目標電池單體的溫度差；

8、響應于所述溫度差超出預設閾值，發(fā)出所述目標電池單體溫度異常的預警信息。

9、結合第一方面，所述通過預先建立的老化模型和影響指數(shù)將異常的所述表面溫度篩選為離群溫度，并獲取所述離群溫度對應的目標電池單體的步驟，包括：

10、剔除所述表面溫度中的無效值；

11、基于所述老化模型和所述影響指數(shù)，獲取溫度閾值；

12、響應于所述表面溫度高于所述溫度閾值，將所述表面溫度標定為所述離群溫度，并將所述離群溫度對應的所述電池單體確定為所述目標電池單體。

13、結合第一方面，所述老化模型基于以下公式建立：

14、

15、其中，qloss為電池容量損失率，單位為％；ea為所述電池單體的活化能，單位為j*mol-1；exp()為自然指數(shù)函數(shù)；η為補償系數(shù)；為冪律因子；ic為放電倍率，單位為h-1；rgas為氣體常數(shù)，單位為j*(mol*k)-1；α和β為擬合常數(shù)；ts為所述表面溫度；soc為所述電池單體的荷電狀態(tài)；ah為安時通過量。

16、結合第一方面，所述影響指數(shù)基于以下公式建立：

17、

18、其中，γ為實際的安時通過量；γnom為實際的電池壽命；inom為在標定條件下的電池電流，單位為a；eol為電池單體達到壽命的時間，單位為h；i為電池電流，單位為a；ts為所述表面溫度；soc為所述電池單體的荷電狀態(tài)。

19、結合第一方面，所述剔除所述表面溫度中的無效值的步驟，包括：

20、獲取多個所述表面溫度中的初始最大值、初始最小值和初始平均值；

21、響應于獲取所述表面溫度的溫度傳感器發(fā)生采樣故障，剔除所述溫度傳感器采集的所述表面溫度；

22、響應于滿足第一預設條件，啟動剔除步驟；

23、響應于滿足第二預設條件，剔除相應的所述無效值；所述第一預設條件和所述第二預設條件基于所述初始最大值、所述初始最小值和所述老化模型設置。

24、結合第一方面，所述響應于滿足第二預設條件，剔除相應的所述無效值的步驟，包括：

25、響應于所述初始最大值與所述初始平均值的差大于或者等于第一閾值，且所述初始平均值與所述初始最小值的差小于或者等于第二閾值，或者所述初始最大值與所述初始平均值的差大于第三閾值，剔除所述初始最大值；

26、響應于所述初始平均值與所述初始最小值的差大于或者等于所述第一閾值，且所述初始最大值與所述初始平均值的差小于或者等于所述第二閾值，或者所述初始平均值與所述初始最小值的差大于所述第三閾值，剔除所述最小值；

27、獲取大于或者等于第四閾值的所述表面溫度與所述初始平均值的第一差值，剔除所述第一差值大于或者等于所述第一閾值的所述表面溫度；

28、獲取小于或者等于第五閾值的所述表面溫度與所述初始平均值的第二差值，剔除所述第二差值大于或者等于所述第一閾值的所述表面溫度。

29、結合第一方面，所述基于所述表面溫度和預先建立的電池熱模型，獲取所述目標電池單體的內(nèi)部溫度的步驟，包括：

30、基于所述電池單體的生熱過程和傳熱過程，建立所述電池熱模型；

31、對所述遺傳算法進行迭代，更新所述遺傳算法；

32、基于所述遺傳算法校正所述卡爾曼濾波的濾波參數(shù)；

33、基于所離群溫度和所述卡爾曼濾波，對所述電池熱模型進行預測，獲取所述內(nèi)部溫度。

34、結合第一方面，所述基于所述遺傳算法校正所述卡爾曼濾波的濾波參數(shù)的步驟，包括：

35、將所述濾波參數(shù)作為所述遺傳算法的基因型，定義參數(shù)編碼；

36、對所述遺傳算法進行初始化，創(chuàng)建初始種群，所述初始種群中包括多組所述濾波參數(shù)的配置；

37、定義適應度函數(shù)，并基于所述適應度函數(shù)評估所述濾波參數(shù)的有效性；

38、基于所述有效性，對所述遺傳算法進行迭代；

39、基于迭代后的所述遺傳算法，矯正所述濾波參數(shù)。

40、結合第一方面，所述電池熱模型基于以下公式預先建立：

41、

42、其中，cs為所述電池單體的殼體比熱容；為所述表面溫度隨時間的變化；ts為所述表面溫度；tc為所述內(nèi)部溫度；tamb為所述電池單體的周圍環(huán)境溫度；rs為所述殼體與空氣接觸部分的等效熱阻；rc為所述電池單體的內(nèi)部等效熱阻。

43、第二方面，提供了一種電池包溫度的監(jiān)控系統(tǒng)，用于執(zhí)行如第一方面中任意一項所述的電池包溫度的監(jiān)控方法，以監(jiān)控電池包中的多個電池單體的溫度，所述監(jiān)控系統(tǒng)包括：

44、第一獲取模塊，被配置為獲取多個所述電池單體的表面的表面溫度；

45、篩選模塊，被配置為通過預先建立的老化模型和影響指數(shù)將異常的所述表面溫度篩選為離群溫度，并獲取所述離群溫度對應的目標電池單體；

46、第二獲取模塊，被配置為基于所述表面溫度和預先建立的電池熱模型，獲取所述目標電池單體的內(nèi)部溫度；所述電池熱模型被配置為基于卡爾曼濾波進行預測，所述卡爾曼濾波被配置為基于遺傳算法進行校正；

47、第三獲取模塊，被配置為基于所述離群溫度和所述內(nèi)部溫度，獲取所述目標電池單體的溫度差；

48、預警模塊，被配置為響應于所述溫度差超出預設閾值，發(fā)出所述目標電池單體溫度異常的預警信息。

49、上述技術方案中的一個技術方案具有如下優(yōu)點或有益效果：

50、與現(xiàn)有技術相比，本技術提供的電池包溫度的監(jiān)控方法，用于監(jiān)控電池包中的多個電池單體的溫度，監(jiān)控方法包括：獲取多個電池單體的表面的表面溫度；通過預先建立的老化模型和影響指數(shù)將異常的表面溫度篩選為離群溫度，并獲取離群溫度對應的目標電池單體；基于表面溫度和預先建立的電池熱模型，獲取目標電池單體的內(nèi)部溫度；電池熱模型被配置為基于卡爾曼濾波進行預測，卡爾曼濾波被配置為基于遺傳算法進行校正；基于離群溫度和內(nèi)部溫度，獲取目標電池單體的溫度差；響應于溫度差超出預設閾值，發(fā)出目標電池單體溫度異常的預警信息。如此，通過分別獲取電池單體的表面溫度和內(nèi)部溫度，并基于二者的溫度差來判斷電池單體的溫度是否異常，提高了對電池包的溫度監(jiān)控精度，保障電池包的運行安全。

51、本技術提供的電池包溫度的監(jiān)控系統(tǒng)具有上述電池包溫度的監(jiān)控方法的所有技術特征和有益效果，在此不再贅述。