本发明涉及动力电池的,特别涉及一种基于电芯克隆的电池组仿真模型。
背景技术:
1、纯电动汽车的功能系统中,由于局限于单体锂电池的电压和容量,必须将成百节的电池单体并联形成电池组,给纯电动汽车提供足够的功率和能量以满足其加速爬坡和续航里程的要求。如果电池单体间不存在差异,那么纯电动汽车的电池组和电池单体在使用寿命和安全性上是一致的。然而,由于制造工艺的不一致性和使用过程中环境的不一致,电池单体间总是存在不一致性,使得电池单体在成组后的电池参数也存在不一致性。bms(电池管理系统)是连接电池组和整车系统的关键纽带,所以如何开发出功能完善的bms十分重要。硬件在环测试是实现bms开发验证的重要手段,其通过建立虚拟的电池仿真模型,模拟真实的电池组,实现在半实物条件下对bms进行开发验证。
2、目前,可以通过测量单体电池的电流、电压等参数,建立较为准确的单体电池仿真模型。然而对于电池组来说,对电池组内每个单体电池进行参数测量会消耗大量的人力物力和财力。
技术实现思路
1、针对现有技术中存在的不足之处,本发明的目的是提供一种基于电芯克隆的电池组仿真模型,可替代传统仿真模型对电池管理系统进行硬件在环测试,具有精度更高、适用性更广的优势。为了实现根据本发明的上述目的和其他优点,提供了一种基于电芯克隆的电池组仿真模型,包括:
2、上位机和与上位机信号连接的单体电芯测试系统;
3、单体电芯测试系统包括温箱、充放电电路及电压采集电路,单体电芯测试系统用于模拟电芯工作的真实环境,并同时采集单体电芯各个数据,并将采集的数据发送给上位机;
4、上位机储存有电池组不同温度和工况的历史数据,通过历史数据训练电池组仿真模型,且上位机用于向所述单体电芯测试系统发送测试要求,并且接收单体电芯的测试数据,利用其内部的电池组仿真模型对电池组进行仿真。
5、优选的,所述温箱内设置有加热设备、冷却设备和测温设备,其中加热设备与冷却设分别用于对电池环境温度的加热和冷却对电池环境温度的加热和冷却,测温设备用于测量当前温箱内的温度值。
6、优选的,上位机仿真步骤如下:
7、s1、根据所储存的电池组历史数据,将n个电池单体电压数据相加得到电池组总电压,将单体电压和电池组总电压数据进行提取配对和标准化预处理;
8、s2、将处理完毕的时间序列数据作为训练集训练生成对抗网络中的生成器,得到经过训练的电池组总电压生成模型;
9、s3、将从单体电池测试系统得到的真实单体电压数据输入到电池组总电压生成模型中,利用输出数据反标准化得到电池组总电压;
10、s4、选取最后一段训练集数据,求出平均标准差,得到每个电压采样时刻的均值;
11、s5、通过平均标准差与均值拟合出每个电压采样时刻的一维高斯分布函数,对分布函数随机采样生成n-1个单体电压,将真实单体电压和n-1个生成单体的电压作为电池组中第1号至第n号单体的电压。
12、优选的,步骤s2中生成对抗网络,所述生成对抗网络包括一个生成器g和一个判别器d,通过损失函数训练并更新所述生成器g与判别器d的权重,使生成器g输出的电池组总电压逐渐接近真实电池组总电压数据,判别器d逐渐能区分生成电池组总电压和真实电池组总电压,所述生成器g和所述判别器d相互对抗,最终达到纳什均衡,得到训练好的生成器g。
13、优选的,步骤s5中每个电压采样点的一维高斯分布的分布函数为:
14、
15、上式中,σmean为全局标准差,μi为每个电压采样点的均值,fi(x)表示为每个电压采样点的概率分布。
16、本发明与现有技术相比,其有益效果是:
17、(1)本发明的基于电芯克隆的电池组仿真模型的快速、简单,本发明无需建立复杂的电池组物理模型,取而代之利用人工智能技术建立适用性更广、精度更高的神经网络模型,仅基于不同温度不同工况下电池组的历史数据,以测试单体电池的数据即可模拟得到整个电池组内所有单体的数据,可替代传统仿真模型对电池管理系统进行硬件在环测试。
18、(2)本发明的电池组仿真系统适应性强,不局限于电池的荷电状态,且不受温度、充电工况和电池寿命等影响,例如不管在1/3c恒流充电或1c恒流充电等情形下,都能体现出较为精确的仿真结果。
19、(3)仿真方法应用领域广,可以适用于各种类型的串联电池组。
1.一种基于电芯克隆的电池组仿真模型,其特征在于,包括:
2.如权利要求1所述的一种基于电芯克隆的电池组仿真模型,其特征在于,所述温箱内设置有加热设备、冷却设备和测温设备,其中加热设备与冷却设分别用于对电池环境温度的加热和冷却对电池环境温度的加热和冷却,测温设备用于测量当前温箱内的温度值。
3.如权利要求2所述的一种基于电芯克隆的电池组仿真模型,其特征在于,上位机仿真步骤如下:
4.如权利要求3所述的一种基于电芯克隆的电池组仿真模型,其特征在于,步骤s2中生成对抗网络,所述对抗网络包括一个生成器g和一个判别器d,通过损失函数训练并更新所述生成器g与判别器d的权重,使生成器g输出的电池组总电压逐渐接近真实电池组总电压数据,判别器d逐渐能区分生成电池组总电压和真实电池组总电压,所述生成器g和所述判别器d相互对抗,最终达到纳什均衡,得到训练好的生成器g。
5.如权利要求4所述的一种基于电芯克隆的电池组仿真模型,其特征在于,步骤s5中每个电压采样点的一维高斯分布的分布函数为: