基于少测点数据驱动的大规模锂电池模组温度实时预测

摘要

电化学储能系统中准确的温度实时预测是提高电池性能、防止热失控的核心问题.受温度测点成本和储能系统冗杂程度的制约，无法全面获取电池的实时温度数据从而及时反馈电池状态.本文尝试通过基于数据驱动的反问题方法，利用少量测点的温度数据反映大规模电池模组的实时温度情况.将基于降阶模型的多模态处理方法——Gappy POD算法引入到大规模储能电池系统的实时温度监测中，通过大容量方形电池模组的实验数据和数值模拟相结合构建储能电池数字孪生；随后基于拉丁超立方实验抽样方法设计构建电池模组小样本温度数据库.利用基于降阶模型的Gappy POD算法结合少量测点的实时温度信息实时重构复杂工况下大规模储能电池模组各电池单体实时温度.利用电池表面8个测点温度数据重构了48组电池共240个内外测点温度的目标，结果显示重构温度随时间的变化曲线与电池的实际温度具有较强的相关关系，在接近液冷板处的温度非线性程度较强，Gappy POD算法重构绝对误差波动有所增强，其最大误差不超过0.3 K，表明Gappy POD算法在仅利用少量温度数据的条件下依然可以实现较高精度的电池模组单体级实时重构.

关键词

储能电池模组 / Gappy POD方法 / 降阶模型 / 小样本数据库 / 数字孪生

基金资助

宁波市重点研发计划资助项目（2023Z150）