(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110389142.1 (22)申请日 2021.04.12 (65)同一申请的已公布的文献号 申请公布号 CN 113128110 A (43)申请公布日 2021.07.16 (73)专利权人 吉林大学 地址 130012 吉林省长 春市人民大街598 8 号 (72)发明人 马彦　丁浩　刘永钦　牟洪元　 马乾　高金武　 (74)专利代理 机构 吉林长春新纪元专利代理有 限责任公司 2 2100 代理人 白冬冬 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/08(2006.01) H01M 10/615(2014.01) H01M 10/625(2014.01) H01M 10/633(2014.01) H01M 10/635(2014.01)H01M 10/6567(2014.01) H01M 10/663(2014.01) G06F 111/04(2020.01) G06F 119/08(2020.01) (56)对比文件 CN 111597723 A,2020.08.28 CN 111261973 A,2020.0 6.09 CN 10851012 9 A,2018.09.07 CN 109050200 A,2018.12.21 CN 108062086 A,2018.0 5.22 US 2020168964 A1,2020.0 5.28 王亚峰.“某纯电动卡车电池组热 管理研 究”. 《中国优秀博硕士学位 论文全文数据库(硕 士) 工程科技 Ⅱ辑》 .2017,(第02期),C 035-655. Wu, Zhongqiang等. “Predicti on of SOC of lead-acid bat tery in pure electric vehicle based o n BSA-RELM ”. 《Predicti on of SOC of lead-acid bat tery in pure electric vehicle based o n BSA-RELM》 .2018,第10卷(第 5期),摘要. 审查员 赵恒昌 (54)发明名称 智能网联电动汽车高寒地区动力电池热管 理优化方法 (57)摘要 一种智能网联电动汽车高寒地区动力电池 热管理优化方法， 属于新能源汽车电池技术领 域。 本发明的目的是提出能够 有效结合智能网联 车速预测信息， 提高动力电池加热过程能耗经济 性的智能网联电动汽车高寒地区动力电池热管 理优化方法。 本发明步骤是： 构建基于BP神经网 络的未来车速 预测模型， 使用BP神经网络 车速预 测模型实时预测目标车辆的未来车速， 建立电池 组电热耦合模型和热泵空调系统集中参数模型 作为模型预测控制的预测模型， 将未来车速变化 对电池生热和热泵空调系统换热的影响项引入预测模型， 调节加热过程。 本发明缩短加热时间， 降低能量消耗。 权利要求书4页 说明书14页 附图7页 CN 113128110 B 2022.04.01 CN 113128110 B 1.一种智能网联电动汽车高寒地区动力电池热 管理优化方法， 其特 征在于： 其 步骤是： S1、 基于目标车辆历史车速、 前车历史车速、 到下一个交通灯的距离历史数据和交通灯 状态历史数据， 构建基于BP神经网络的未来车速预测模型； 使用BP神经网络建立未来车速预测模型， 该BP神经网络采用3层结构， 即包含1个输入 层、 1个隐含层和1个输出层， 输入层神经元设置为5个， 分别对应目标车辆当前车速、 前车当 前车速、 到下一个交通灯的距离、 交通灯状态和交通灯切换时间； 输出层神经元设置为HS 个， 分别对应未来车速预测时域HS每一时刻的未来车速， 隐含层神经 元设置为9个； 使用在城市工况上获取的目标车辆历史车速、 前车历史车速、 到下一个交通灯的距离 的历史数据、 交通灯状态历史数据和交通灯切换时间历史数据， 进 行模型的训练和验证， 其 中， 将数据的前80％作为训练数据集， 剩余的20％作为验证数据集； S2、 基于通过车速传感器获取的目标车辆当前车速、 智能网联通信获得的前车当前车 速、 到下一个交通灯的距离和交通灯状态数据， 使用BP神经网络车速预测模型实时预测目 标车辆的未来车速； 根据步骤S1得到的BP神经网络未来车速预测模型， 对预测时域HS内的目标车辆未来车 速进行预测； 模型输入为： 目标车辆当前车速vP(k)、 前车当前车速vPP(k)、 到下一个交通灯 的距离XTL(k)、 交通灯状态TL(k)和交通灯切换时间Tex(k)， 经BP神经网络未来车速预测模 型输出未来车速序列vP(k+i)， i＝1:HS， k表示车辆运行 的第k个时刻， i表示车速预测时域 HS的第i个车速预测时间节点； S3、 建立电池组电热耦合模型和热泵空调系统集中参数模型作为模型预测控制的预测 模型； ①建立电池组电热耦合模型模拟动力电池高寒地区电热 特性， 表示如下 其中， Tb为电池组的温度； I为流经单体电池的负载电流； R为单体电池内阻； nc为电池组 串联电池数； nb为电池组并联电池数； Gw为传热液体质量流量； cw为液体比热容， Two为电池组 出口处传热液体温度， 假设和热泵空调系统冷凝器入口处传热液体温度相等； Twi为电池组 入口处传热液体温度， 假设和热泵空调系统冷凝器出口处传热液体温度相等； 为因低温 环境导致电池组散失的热量； cb为电池的比热容； mb,p为电池组集中质量； ②传热液体质量 流量Gw为 Gw＝Vpump·ηpump·npump·ρw·2 π/60  (2) 其中， Vpump为水泵排 量； ηpump为水泵容积效率； npump为水泵转速； ρw为传热液体密度； ③水泵的功耗 为 其中， Ppump,m为机械功率； ηm为水泵功率 转化率； Δppump为水泵压降； ④根据热泵空调系统循环中压缩机、 冷凝器、 蒸发器处的工质状态进行热泵空调系统 建模； 压缩机模型用于表征压缩机转速对工质 质量流量的影响权　利　要　求　书 1/4 页 2 CN 113128110 B 2其中， Gr为工质质量流量； Vm为压缩机排量； v1为压缩机吸气状态下的比容； n为压缩机 转速； λ为压缩机 输气系数； ⑤冷凝器处冷凝温度变化 量为 其中， cc为冷凝器处工质比热容； mc为冷凝器内工质质量； qk为单位质量制热量； Kc为冷 凝器传热系数； Ac为冷凝器的传热面积； ⑥冷凝器出口传热 液体温度变化 量为 其中， cw为冷凝器处传热 液体比热容； mw为冷凝器内传热 液体质量； ⑦蒸发器处蒸发温度变化 量为 其中， ce为蒸发器处工质比热容； me为蒸发器内工质质量； Ke为蒸发器传热系数； Ae为蒸 发器的传热面积； q0为单位质量制热负荷； Teai、 Teao为蒸发器空气进、 出风温度； ⑧蒸发器空气侧出口空气温度为 其中， ca为空气比热容； Ga为空气质量 流量； ⑨忽略压缩过程热损失， 则热泵空调系 统的能量消耗Prebeng与单位时间压缩机压缩功 相等 其中， w0为单位质量压缩功； Tsh为过热度； R为热力学常数； ε为压缩比， 受蒸发温度Te和 冷凝温度Tc影响； k为多变指数； S4、 根据预测的未来车速序列， 将未来车速变化对电池生热和热泵空调系统换热的影 响项引入预测模型； ①为了量化车速变化对电池生热的影响， 将单体电池负载电流写成总需求功率的函数 Ibat＝[(Ptrac+PRM)/nc/nb]/E  (10) PRM＝PBTM+Pcheng,PBTM＝Prebeng+Ppump  (11) 其中， Pcheng为加热乘员舱功率消耗； PRM为电动汽车热管理功率消耗； PBTM为动力电池热 管理功率消耗； Prebeng为热泵空调系统功率消耗； Ppump为水泵功率消耗； Ptrac为电动汽车的牵 引功率消耗， 表示 为权　利　要　求　书 2/4 页 3 CN 113128110 B 3