基于风冷散热的电动汽车电池组热模型与温度控制研究

近年来能源危机和空气污染问题日趋严峻,电动汽车由于具有节能、效率高、环保等优势,在国内外快速发展起来。电动汽车的动力性、稳定性和安全性依赖于动力电池组的性能。动力电池组在车辆正常运行时持续大电流充放电,内部进行一系列的化学反应,放出大量的热能,导致电池组温度升高。当电池组温度过高时,不仅会造成电池寿命和电池容量快速下降,严重时甚至会导致电池组燃烧、发生爆炸。因此,建立电池组热模型模拟电池温度变化,并设计有效的电池组温度控制算法,对于电动汽车的安全稳定运行至关重要。在选择风冷方式对电池组散热的前提下,本文主要研究内容如下:建立了风冷散热方式下的电池组热模型。分析了锂离子电池充放电过程中的生热机理和电池与外界空气间的传热特性,根据Bernardi生热率模型和牛顿冷却定律建立了电池内阻和换热系数时变的单体电池热模型。之后,结合风冷散热方式下电池组温度从入风口到出风口逐渐升高的特点,分别建立温度最高和最低的两个单体电池的热模型,作为电池组热模型。为解决热模型中部分空气温度参数不易测量的问题,基于实验数据对各单体电池和单体电池附近通道内空气流体的温度做等幅递增的假设,最终消去空气温度参数,使热模型能够预测电池组温度变化。在ANSYS中对实际结构和散热条件下运行时的电池组温度变化进行高精度的仿真,使用仿真数据对模型精度进行验证。根据电池组的排列结构和具体尺寸建立电池组的几何模型,根据风冷散热条件进行仿真流程设置,并对仿真进行可靠性验证,说明仿真得到的温度数据可用于验证电池组热模型的精度。分别在恒流工况、NEDC工况和US06工况下对电池组热模型进行了验证,结果表明,电池组热模型能准确描述实际电池组温度变化的情况。设计了基于非线性模型预测控制(Nonlinear Model Predictive Control,NMPC)与粒子群优化(Particle Swarm Optimization,PSO)算法的电池组温度控制器,通过控制器调节散热风速,达到控制电池组温度的目的。非线性模型预测控制不仅具有前馈-反馈结构,而且能够显式和主动处理约束,因此适用于具有非线性、多约束等特点的电池组温度控制系统。但是无法通过直接求解非线性规划问题得到温度控制器的控制律风速值,所以采用迭代逻辑简单的粒子群优化算法快速求解非线性模型预测控制的优化问题。通过ANSYS与MATLAB的联合仿真,验证了上述电池组温度控制器的有效性。在ANSYS中模拟风冷散热方式下电池组充放电时的温度变化,并且将采集到的电池组温度数据传入MATLAB,之后在MATLAB中调用温度控制程序得到散热风速值,将风速值返回ANSYS改变仿真条件,控制电池组温度,以此验证算法效果。分别在NEDC工况和US06工况下验证了算法效果,结果表明,与PID温度控制器相比,非线性模型预测控制在各种工况下都能将电池组最高温度稳定在控制目标附近,并且温度波动和电池组整体温差都较小,消耗的能量也更少。本文主要研究了如何建立风冷散热方式下的电池组热模型,并且基于模型设计电池组温度控制器。首先,通过分析和推导得到电池的生热量和散热量方程,建立了电池内阻和换热系数时变的电池组热模型,并且使用ANSYS验证了模型精度;然后,结合电池组温度控制系统的特点,基于非线性模型预测控制设计电池组温度控制器,使用粒子群优化算法求解预测控制器中的优化问题;最后,通过ANSYS与MATLAB的联合仿真,验证了上述电池组温度控制器的有效性。