基于本征正交分解和伽辽金投影方法的面向在线应用的电池热管理系统降阶热模型

《Future Batteries》:A reduced-order thermal model of battery thermal management system for online applications based on proper orthogonal decomposition and Galerkin projection method

【字体: 大 中 小 】 时间:2026年02月02日 来源:Future Batteries

编辑推荐:

  锂离子电池(LIBs)的温度表现出显著的滞后效应,这严重阻碍了电池热管理系统(BTMS)内的精确温度调节。模型预测控制(MPC)已被确定为缓解热滞后的潜在有效策略。然而,现有的LIBs热模型缺乏在在线MPC框架中有效实施所需的精度和计算效率。在本文中,研究人员

  
锂离子电池(LIBs)的温度表现出显著的滞后效应,这严重阻碍了电池热管理系统(BTMS)内的精确温度调节。模型预测控制(MPC)已被确定为缓解热滞后的潜在有效策略。然而,现有的LIBs热模型缺乏在在线MPC框架中有效实施所需的精度和计算效率。在本文中,研究人员基于本征正交分解(POD)和伽辽金投影建立了BTMS的降阶热模型(ROTM)。首先,构建了一个三并八串风冷电池模块的有限元模型(FEM)以生成原始数据。随后,通过POD方法从原始数据中提取电池模块流场和温度场的基向量。最后,将纳维-斯托克斯方程和傅里叶热传导定律投影到先前描述的基向量上。从而得到ROTM。与FEM相比,ROTM显著减少了计算时间并保持了足够的精度。ROTM的计算时间仅为FEM所需时间的万分之一,而在1.25?C恒流条件下,两种方法之间的最大误差小于0.2°C。
**论文解读:基于POD-Galerkin方法的电池热管理系统降阶热模型**

**研究背景与问题**
锂离子电池(LIBs)因其高功率密度、高能量密度、低自放电和长循环寿命,被广泛应用于电动汽车及电网规模储能系统。然而,随着能量和功率密度的持续提升,电池充放电过程中的热管理挑战日益严峻:过高温度可能引发热失控,导致火灾或爆炸;不均匀的温度分布会降低电池单体间一致性,加速整个电池包容量衰减。因此,有效的热管理对确保LIBs系统的安全性和运行寿命至关重要。电池热管理系统(BTMS)通过调整配置参数来控制最大温升和温差,但若仅在检测到过热后才启动参数调整,系统固有的热滞后效应会导致温度超调和振荡。模型预测控制(MPC)作为一种主动调节BTMS介入时机的算法框架,可有效缓解热滞后。然而,现有的热模型在精度和计算效率之间难以平衡,无法满足在线MPC框架对实时温度预测的需求。具体而言,集总参数模型仅适用于毕奥数小于0.1的电池,忽视内部温度梯度;二维(2D)热模型仅适用于大圆柱电池或薄软包电池;三维(3D)热模型虽精度高,但需通过有限元法(FEM)求解,计算量大且耗时。此外,BTMS中的热模拟还需额外求解流动方程(如连续性方程、能量守恒方程和动量守恒方程),进一步加剧计算负担。为此,研究人员开展本研究,旨在开发一种兼具高精度和高计算效率的降阶热模型(ROTM),以支持在线BTMS的MPC应用。

**研究内容与结论**
研究人员基于本征正交分解(POD,一种从大量数据中提取主要特征基向量的降维方法)和伽辽金投影(Galerkin projection,一种将偏微分方程投影到低维子空间以简化求解的方法)建立了BTMS的ROTM。首先,针对一个三并八串配置的Z型强制风冷电池模块,在COMSOL Multiphysics软件中构建FEM,生成原始数据(包括流场和温度场在不同入口风速和放电倍率下的解)。然后,通过POD方法分别提取流场和温度场的POD基向量(基于本征值权重,选取累积贡献率>99%的前4个流场向量和前6个温度场向量)。最后,将纳维-斯托克斯(N-S)方程和傅里叶热传导定律投影到这些基向量上,结合后向差分迭代格式,得到ROTM。通过对比FEM模拟结果,验证了ROTM的精度和效率。结论表明:ROTM在保持足够精度的同时,计算时间大幅降低——在1.25?C恒流条件下,ROTM计算时间仅为0.155?s,而FEM需3276?s,误差小于0.187?°C;在动态工况(基于NEDC循环电流和阶跃风速)下,ROTM计算时间从FEM的48,369?s降至5.041?s,最大温度误差小于1.5?°C(仅在低SOC<10%且气流突变时出现)。该ROTM使得BTMS的实时温度预测成为可能,填补了高保真多物理场建模与在线温度分布预测之间的空白,为MPC的在线应用奠定了基础。论文发表在《Future Batteries》。

**关键技术方法**(不超过250字)
研究人员采用以下关键技术方法:1) 有限元模型(FEM)构建:基于COMSOL Multiphysics软件,对三并八串风冷电池模块进行网格划分,采用k-ε湍流模型计算流速,并设置速度入口和压力出口边界条件,生成原始数据。2) 本征正交分解(POD):从稳态流场(10个观测快照)和瞬态温度场(314个观测快照,采样间隔300?s,覆盖不同风速和放电倍率)中提取基向量,通过本征值贡献率筛选保留主要特征。3) 伽辽金投影:将N-S方程和傅里叶热传导定律投影到POD基向量上,通过后向差分迭代公式将偏微分方程转化为线性方程组,分别建立流场和温度场的降阶迭代公式。4) 流-热耦合:通过雷诺数经验公式实时更新对流换热系数,将流速信息耦合到温度场迭代中。这些方法无需试剂或培养步骤,也无样本队列来源。

**研究结果**
**4.1 流场模拟验证**
通过对比ROTM和FEM在入口风速2.25?m/s和4.75?m/s下的截面速度分布,发现两者高度一致。在动态风速条件下,ROTM在通道3入口和通道7出口的平均绝对误差分别为0.1697?m/s和0.0583?m/s,误差主要出现在流速突变处,但整体精度良好。ROTM将动态风速工况的计算时间从17,150?s降至0.655?s,加速比超过26,000倍。

**4.2 温度场模拟验证**
**(1) 恒定工况**
在0.25?C、0.75?C和1.25?C三种电流倍率及0.5?m/s至4.5?m/s五种风速下(共15种工况),对比ROTM与FEM的平均、最小和最大温度时间演变。最大温度绝对误差:0.25?C时小于0.078?°C,0.75?C时小于0.144?°C,1.25?C时小于0.187?°C。误差峰值出现在放电初始和结束阶段,因该阶段电压斜率陡峭导致发热率突变。ROTM计算时间始终低于0.2?s,而FEM需数秒至数千秒,满足在线MPC要求。

**(2) 动态工况**
基于NEDC循环电流和阶跃变化的风速,模拟动态负载和瞬态气流扰动。ROTM与FEM的平均、最大和最小温度曲线高度吻合,最大温度误差低于1.5?°C(仅在低SOC<10%且风速突变时出现);在SOC>10%范围内,误差低于1?°C。ROTM将动态模拟总时间从48,369?s降至5.041?s,加速比约9600倍,验证了其在瞬态热管理中的可行性和在线MPC的适用性。

**讨论与结论**
讨论部分指出,ROTM的主要局限性在于其关键依赖FEM模拟产生的原始数据,且精度在气流突变或极端SOC(极低或极高)条件下会下降。未来研究可采用红外热成像替代FEM生成数据,并采用高阶泰勒公式代替简单后向差分法以提高精度。结论部分总结如下:在本文中,研究人员采用POD-Galerkin方法开发了三并八串电池系统的降阶热模型(ROTM),并通过与FEM模拟结果的直接对比验证了其性能。模拟结果表明,ROTM在精度损失可忽略的前提下,将计算时间从数小时大幅缩短至数秒。主要贡献包括:(1) 首次将POD-Galerkin方法应用于BTMS的FEM计算降阶,所提出的基向量构建和伽辽金投影方法可推广至类似BTMS;(2) ROTM显著降低了气流速度和电池温度的计算时间——在1.25?C恒流放电中,FEM计算时间3276?s降至ROTM的0.155?s,NEDC工况下从48,369?s降至5.041?s;最大绝对温度误差在1.25?C恒流下仅为0.187?°C,NEDC工况下为1.465?°C;(3) ROTM的高计算效率使其能够实时预测BTMS的热行为,填补了高保真多物理场建模与在线温度分布预测之间的空白。此外,研究人员指出,将ROTM集成到在线MPC框架中仍需进一步研究,但本文提出的ROTM为BTMS参数的在线调整奠定了基础,这对全自动驾驶电动汽车的运行至关重要。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号