一种基于数据驱动模型的电动汽车快充模块热管理方法与流程

本发明涉及电动汽车充电桩，尤其是一种基于数据驱动模型的电动汽车快充模块热管理方法。

背景技术：

1、随着电动汽车的快速增长和发展，与之配套的能源供给设施的建设需求也持续增长。相比于充电站和电池更换站，充电桩具有体积小、重量轻、安装方便、价格便宜等诸多优点，并且可与电网供电系统直接连接，同时可以安置在小区、办公楼、超市停车场等诸多区域，因此充电桩成为电动汽车能源供给设施的主要建设目标。

2、常用的电动汽车充电桩主要分为交流充电桩和直流充电桩，相比于交流桩，直流充电桩采用高电压、大电流进行充电，短时间内实现电动汽车充电被称为快充。直流充电桩充电速度快充电时间短，但是由于其充电功率较大，在工作过程中容易导致内部的功率器件升温过快，严重威胁电子器件的热安全和使用寿命。同时目前采用的强迫风冷散热方式在高功率工作工程中，散热风扇容易产生较大的噪声污染，会影响附近住宅区居民的正常生活。

3、在中国专利201610864491.3中公开了：设定了不同的温度阈值，针对不同温度阈值对压缩机、散热风机、进风扇、出风扇以及开关阀执行不同的控制方法，采用风冷、冷媒相结合对发热电路进行降温。然而上述专利虽然对充电桩散热结构进行了详细设计，对散热风机和进风扇、风扇的开关进行控制，但未对其转速进行精准调控，可能会产生噪声问题。

4、在中国专利201910331854.0中公开了：该发明获取充电桩的进风口温度、出风口温度以及充电模块的实时输出功率，再依据预设的最大温度、预设的允许温升、预设的额定功率确定工作占空比，控制散热设备工作。然而上述专利虽然依据进风口温度、出风口温度、实时输出功率及预设定的最大温度、预设定的允许温升、预设定的额定功率确定散热设备的工作占空比，温度采集信号未包括内部功率器件的温度反馈信号，进风口温度、出风口温度能够反馈风口的温度，但未能准确反应功率器件内部温升大小，控制信号的输出参数中存在一定影响，可能会导致控制结果不够精准。

5、在中国专利201910812483.8中公开了：针对充电桩内部温度变化情况和预设的启动温度阈值和温度差阈值对pwm风扇的启动以及精准调速，实现针对pwm风扇转速与充电桩内实时温度数据之间的自适应调整。然而上述专利虽然在充电桩内部布置了多个温度采集点，在应用过程中进行布置较为麻烦，同时在调节pwm风扇的占空比时，采用了第一温度阈值和第二温度阈值，可以进行分档调节的作用，但是在调节过程中会出现转速上升梯度变大，噪声突然上升的情况，在调节的过程中连续性较差，同时有一定的滞后性。

6、在中国专利201910929512.9中公开了：将温度传感器信号作为反馈量控制直流风机的转速，通过温度传感器、控制器、光耦隔离模块、直流风机驱动模块、直流风机实现对直流充电桩的散热控制。然而上述专利虽然采用pi控制对转速信息调节，同时充电桩内部温度传感器能够反馈到控制器中，结构简单，成本较低，但是pi控制具有滞后性，反应速度较慢，同时对最大噪声没有限制，在转速达到最大值可能会产生较大的噪声污染。

7、在中国专利201911174139.7中公开了：控制单元接收来自信息采集系统的信号，并根据内部存储的map图来确定充电桩在此状况下所需的散热量，并提前控制风扇的转速，通过反馈控制对充电桩进行强冷却。然而上述专利虽然控制单元内部存储了散热量map图，当接受到温度信号判断散热片温度是否在正常的范围内，再进行是否执行反馈控制系统的策略，散热片与功率器件紧密连接，能够一定程度上反应功率器件温度变化信息，但存在一定的误差，反馈控制系统可以全程嵌入到控制策略中，不需要等散热片超温了再进行反馈控制，控制策略不够完善。

技术实现思路

1、本发明克服了现有技术的不足，提供了一种基于数据驱动模型的电动汽车快充模块热管理方法。

2、为了实现上述目的，本发明采用的技术方案是：一种基于数据驱动模型的电动汽车快充模块热管理方法，其特征在于：

3、步骤一：充电模拟实验充电曲线设计；

4、采用设定的充电电流对电池进行充电，当电池的电压达到设定的范围后，转为恒压充电，直到充电电流达到预先设定的数值，完成充电，参考公开多种不同车型的电池包的充电工况，设计多组不同的充电曲线；

5、步骤二：充电模拟测试实验；

6、以步骤1中设计的充电电流、充电电压曲线作为充电曲线工况输入，采用电池模拟器模拟电池进行不同充电工况的测试，利用can通讯获取电动汽车快充模块的电信号，通过内置热电偶获取快充模块的温度信号，并采集数据进行后续神经网络构建及训练；

7、步骤三：长短期记忆神经网络(lstm)温度预测模型建立及训练；

8、通过温度采集仪反馈的温度节点数据中选取4个代表性关键输出温度：充电模块dcdc板mos管温度、dcdc板主变线圈温度、dcdc板主变磁芯温度和dcdc板整流管温度；

9、从充电模块输出信号中选取5个关键输入参数：充电模块交流输入功率、转换器温度、二极管温度、空气流速、环境温度；

10、根据上述选取的输入和输出参数，建立lstm温度预测模型，输入为过去一段时间的时间序列数据，对未来30s后的温度进行预测，基于充电模拟测试实验数据对模型进行训练，得到训练好后的lstm温度预测模型；

11、步骤四：基于数据驱动的模型预测控制(mpc)热管理方法实现；

12、将步骤三中训练好的lstm温度预测模型作为mpc控制中的预测模型，预测未来30s后的温度数据，以预测模型输出的四个关键节点温度作为系统状态量和系统输出量，然后以风扇转速为系统控制量，在有限时域内对风扇转速进行滚动时域控制，将设定的温度上线参数以及预测模型的预测结果输入到代价函数中进行滚动优化，输出最优控制的转速，采用该转速对充电模块进行有效散热调节。

13、本发明的进一步设置是：步骤1中，设计完成充电电流曲线后，首先进行单体电池充电测试，得到单体电池充电电压曲线，根据电池包的串并联数，首先换算出电池包的充电电流和充电电压，即充电桩的输出电流和输出电压：

14、icharge＝ibp＝ib×np

15、ucharge＝ubp＝ub×ns

16、其中，icharge为充电桩电流，ibp为电池包电流，ib为单体电池电流，np为电池包并联数，ucharge为充电桩电压，ubp为电池包电压，ub为单体电池电压，ns为电池包串联数；

17、充电桩的工作是由多个充电模块并联而成，考虑充电模块的并联数，换算成单个模块的充电电流及充电电压；

18、

19、

20、其中，icharge为充电桩电流，im为单体模块电流，np为模块并联数，ucharge为充电桩电压，um为单体模块电压，ns为模块串联数；

21、通过上述计算推导最终得到单体模块的充电电流和充电电压曲线。

22、本发明的进一步设置是：步骤4中，约束条件包括：

23、x＜xlim

24、u＜ulim

25、x为节点温度，xlim为温度节点温度上限，u为风扇转速，ulim为风扇转速的上限；

26、基于数据驱动的mpc控制策略在[t,t+k]有限时域内，代价函数在每个滑动时间窗口[t,t+k]内进行计算，同时衡量关键节点温度的影响和风扇噪声带来的影响，代价函数表达式如下：

27、

28、wx是温度权重系数，wx是转速权重系数。

29、本发明的更进一步设置是：步骤3中，循环神经网络将时序的概念引入到网络结构设计中，使其在时序数据分析中表现出更强的适应性；

30、其在rnn模型的基础上增加了输入门限、输出门限、遗忘门限三个逻辑控制单元，通过门限的加入实现了对长期记忆的选择性忘记，对于较长时间序列的输入和输出具有一定的记忆能力，使得循环神经网络能够真正有效地利用长距离的时序信息；

31、遗忘门限：用于对隐藏层数据和输入层数据进行遗忘或记忆；

32、ft＝σ(wf·[ht-1,xt]+bf)

33、式中：ht-1表示t-1时刻隐藏层的输出；xt表示t时刻的输入层数据；σ表示sigmoid激活函数；ft表示遗忘门限输出；wf表示遗忘门限权重矩阵；bf表示遗忘门限偏移值矩阵；

34、输入门限：与sigmoid层、隐藏层一起更新记忆细胞单元的状态；

35、it＝σ(wi·[ht-1,xt]+bi)

36、

37、

38、式中：it表示输入门输出；wi表示输入门限权重矩阵；bi表示输入门限偏移值矩阵；表示t时刻细胞单元状态的更新值；wc、bc分别表示细胞单元的权重矩阵和偏移值矩阵；ct表示t时刻细胞单元状态中保留的重要信息。

39、输出门限：输出未来一定时间步长的温度预测结果；

40、ot＝σ(wo·[ht-1,xt]+bo)

41、ht＝ot*tanh(ct)

42、式中：ot表示输出门输出；wo表示输出门限权重矩阵；bo表示输入门限偏移值矩阵；表示t时刻细胞单元状态的更新值；ht表示t时刻隐藏层的输出；ct表示t时刻细胞单元状态中保留的重要信息。

43、本发明的更进一步设置是：设定关键功率器件的温度上限和lstm温度预测模型预测的未来时间步长后的温度数据输入到代价函数中，在每个滑动时间窗口内，[t,t+k]的有限时域内进行滚动优化，对代价函数进行计算，得到最优控制转速，冷却控制系统采用该最优转速对充电模块进行冷却调节，另一方面转速输入到lstm温度预测模型中，预测未来时间步长后的温度信号，反馈到代价函数中进行下一轮计算。

44、通过采用上述方案本发明具体有益效果为：充分考虑了对电动汽车快充模块产热散热整体系统的影响因素，比如环境温度、交流输入功率、散热风扇转速等等对系统内部功率器件温度的影响，同时加入功率管和二极管的温度信号作为lstm温度预测模型的输入参数，提升系统对未来温度变化趋势的预测能力；充分全面的考虑了多方面因素的影响，本发明采用的基于数据驱动的模型预测控制方法通过对温度影响因素和散热风扇影响因素分配权重，根据温度控制范围目标和转速优化目标对权重和参数进行调节，综合协调充电模块关键功率器件温度安全、冷却系统散热性能、冷却系统能耗等综合成本的影响，具有良好的调控性能。

45、下面结合附图对本发明作进一步描述。