【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及電池安全，具體涉及一種熱失控預(yù)警閾值計(jì)算方法、裝置及基于模糊邏輯的熱失控預(yù)警方法。
技術(shù)介紹
1、近年來(lái)，儲(chǔ)能領(lǐng)域呈現(xiàn)出迅猛的增長(zhǎng)態(tài)勢(shì)，推動(dòng)了整個(gè)綠色能源體系的升級(jí)和擴(kuò)展，多種清潔技術(shù)尤其是鋰離子電池技術(shù)正快速取得突破，但電池起火和爆炸事故的頻發(fā)，也給新能源行業(yè)的健康發(fā)展帶來(lái)了嚴(yán)峻挑戰(zhàn)，鋰電池的安全問(wèn)題已成為行業(yè)發(fā)展的主要瓶頸。鋰電池的安全問(wèn)題中最嚴(yán)重的是熱失控，而導(dǎo)致熱失控的原因可以歸納為電濫用、熱濫用以及機(jī)械濫用。這些不當(dāng)使用行為會(huì)引發(fā)電池內(nèi)部短路，導(dǎo)致溫度急劇上升，進(jìn)而引發(fā)一系列副反應(yīng)，最終觸發(fā)熱失控。為確保安全，要求在熱失控發(fā)生前至少提前五分鐘發(fā)出預(yù)警，為人員疏散和逃生提供充足的時(shí)間。
2、截至目前，針對(duì)鋰離子電池?zé)崾Э仡A(yù)警的方法已經(jīng)很多，大部分是基于多種信號(hào)融合的辦法，所融合的信號(hào)常見的有溫度、電壓、氣體等信號(hào)，例如對(duì)溫度或溫度的上升速率進(jìn)行預(yù)警，當(dāng)信號(hào)達(dá)到對(duì)應(yīng)閾值的時(shí)候進(jìn)行報(bào)警。此外，現(xiàn)有研究也已證實(shí)，鋰電池在熱失控過(guò)程中會(huì)釋放大量氣體，而最早出現(xiàn)的通常是h2，因此也有基于這一特性，使用氣體信號(hào)進(jìn)行預(yù)警的辦法。比如在相關(guān)技術(shù)中，公布號(hào)為cn118472446a的中國(guó)專利申請(qǐng)文獻(xiàn)中公開了一種鋰電池的熱失控安全預(yù)警方法，該方案基于預(yù)設(shè)的閾值范圍等級(jí)確定環(huán)境數(shù)據(jù)的等級(jí)范圍，并依據(jù)閾值來(lái)確定預(yù)警級(jí)別；但該方案中將閾值設(shè)為靜態(tài)，忽視了在不同環(huán)境溫度和充電速率下鋰電池的安全性能差異很大，閾值不能一概而論。公布號(hào)為cn117810576a的中國(guó)專利申請(qǐng)文獻(xiàn)公開了一種鋰離子電池儲(chǔ)能電站熱失控綜合告警方法，該
3、另外，公布號(hào)為cn116093497a的中國(guó)專利申請(qǐng)文獻(xiàn)中公開了一種電池?zé)崾Э馗怕暑A(yù)測(cè)方法，該方案中將電池溫度與電池?zé)崾Э匚恢米鳛槟：斎耄瑏?lái)模糊化輸出電池?zé)崾Э馗怕剩瑢?shí)現(xiàn)熱失控發(fā)生概率的預(yù)測(cè)。在非專利文獻(xiàn)中，“基于模糊集的免疫克隆選擇算法，計(jì)算機(jī)技術(shù)與發(fā)展，第17卷第12期，張葵等”中提出了一種基于模糊集理論的免疫克隆選擇算法引入了模糊集合和隸屬度的概念，采用了一種動(dòng)態(tài)的智能優(yōu)化策略，有效地改善了檢測(cè)元的特性，提高了檢測(cè)元在復(fù)雜網(wǎng)絡(luò)環(huán)境下的適應(yīng)能力；但該文獻(xiàn)主要關(guān)注優(yōu)化現(xiàn)有模糊系統(tǒng)的規(guī)則權(quán)重或參數(shù)分布，目標(biāo)通常是增強(qiáng)系統(tǒng)的預(yù)測(cè)精度或分類能力，但未專注于隸屬度函數(shù)的形狀。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)所要解決的技術(shù)問(wèn)題是不同環(huán)境溫度和充電速率下熱失控預(yù)警閾值的遷移問(wèn)題。
2、本專利技術(shù)通過(guò)以下技術(shù)手段解決上述技術(shù)問(wèn)題的：
3、第一方面，提出了一種熱失控預(yù)警閾值計(jì)算方法，所述方法包括：
4、將模糊隸屬度函數(shù)的待優(yōu)化參數(shù)集合中的參數(shù)利用初始種群中的抗體表示，采用免疫克隆選擇算法對(duì)初始種群進(jìn)行迭代優(yōu)化，得到參數(shù)集合全局最優(yōu)解；
5、基于所述參數(shù)集合全局最優(yōu)解確定最優(yōu)模糊隸屬度函數(shù)；
6、將不同的環(huán)境溫度和充電速率通過(guò)所述最優(yōu)模糊隸屬度函數(shù)映射到不同的模糊區(qū)間之中，輸出不同環(huán)境溫度和充電速率組合條件下的預(yù)警閾值，構(gòu)建不同組合條件與預(yù)警閾值的對(duì)應(yīng)關(guān)系。
7、進(jìn)一步地，所述將模糊隸屬度函數(shù)的待優(yōu)化參數(shù)集合中的參數(shù)利用初始種群中的抗體表示，采用免疫克隆選擇算法對(duì)初始種群進(jìn)行迭代優(yōu)化，得到參數(shù)集合全局最優(yōu)解，包括：
8、s11、隨機(jī)生成一個(gè)初始種群，初始種群中每個(gè)抗體代表模糊隸屬度函數(shù)的一個(gè)參數(shù)；
9、s12、利用適應(yīng)度函數(shù)對(duì)每個(gè)抗體進(jìn)行評(píng)估，并判斷評(píng)估結(jié)果是否滿足終止條件，若否則執(zhí)行步驟s13，若是則執(zhí)行步驟s16；
10、s13、基于抗體的評(píng)估結(jié)果選擇高質(zhì)量的抗體，并對(duì)選中的抗體進(jìn)行克隆操作，得到克隆后的抗體；
11、s14、對(duì)克隆后的抗體進(jìn)行變異操作，利用所述適應(yīng)度函數(shù)對(duì)變異后的抗體進(jìn)行評(píng)估，并與初始種群中的抗體進(jìn)行競(jìng)爭(zhēng)，將當(dāng)前最優(yōu)抗體保留至下一代，形成下一代種群；
12、s15、對(duì)下一代種群重新執(zhí)行步驟s12~s14；
13、s16、輸出模糊隸屬度函數(shù)的參數(shù)集合全局最優(yōu)解。
14、進(jìn)一步地，所述適應(yīng)度函數(shù)的公式表示為：
15、
16、
17、式中，分別表示模糊邏輯系統(tǒng)預(yù)測(cè)的第個(gè)應(yīng)變轉(zhuǎn)折點(diǎn)、第個(gè)電壓轉(zhuǎn)折點(diǎn)；分別表示實(shí)驗(yàn)測(cè)量的第個(gè)應(yīng)變轉(zhuǎn)折點(diǎn)、第個(gè)電壓轉(zhuǎn)折點(diǎn)；表示抗體的適應(yīng)度；表示種群大小；、分別表示預(yù)測(cè)的應(yīng)變轉(zhuǎn)折點(diǎn)與實(shí)際的應(yīng)變轉(zhuǎn)折點(diǎn)之差、預(yù)測(cè)的電壓轉(zhuǎn)折點(diǎn)與實(shí)際的電壓轉(zhuǎn)折點(diǎn)之差。
18、進(jìn)一步地，所述方法還包括：
19、對(duì)選中的抗體進(jìn)行克隆操作時(shí)，克隆數(shù)量與選中抗體的適應(yīng)度成正比。
20、進(jìn)一步地，所述方法還包括：
21、對(duì)克隆后的抗體進(jìn)行變異操作時(shí)，引入隨機(jī)擾動(dòng)如下：
22、
23、式中，表示變異后的第個(gè)抗體的第個(gè)決策變量；表示變異前第個(gè)抗體的第個(gè)決策變量；表示相乘；表示標(biāo)準(zhǔn)正態(tài)分布隨機(jī)數(shù)；表示變異強(qiáng)度通常與抗體適應(yīng)度成反比，，表示第個(gè)抗體的適應(yīng)度值，表示當(dāng)前種群中最大的適應(yīng)度值，用于歸一化，使變異幅度相對(duì)統(tǒng)一。
24、進(jìn)一步地，所述終止條件的公式表示為：
25、
26、式中，表示下一代種群；表示從原種群和克隆種群的聯(lián)合中選擇適應(yīng)度最優(yōu)的抗體，組成新一代種群；表示初始種群；表示并集；表示克隆變異后的種群。
27、進(jìn)一步地，所述將不同的環(huán)境溫度和充電速率通過(guò)所述最優(yōu)模糊隸屬度函數(shù)映射到不同的模糊區(qū)間之中，輸出不同環(huán)境溫度和充電速率組合條件下的預(yù)警閾值，構(gòu)建不同組合條件與預(yù)警閾值的對(duì)應(yīng)關(guān)系，包括：
28、在不同的環(huán)境溫度和充電速率的組合條件下對(duì)鋰電池進(jìn)行過(guò)充熱失控實(shí)驗(yàn)，并持續(xù)記錄實(shí)驗(yàn)參數(shù)，所述實(shí)驗(yàn)參數(shù)包括電壓變化信號(hào)、電池表面溫度變化信號(hào)、應(yīng)變變化信號(hào)和氣體變化信號(hào)；
29、將每種組合條件中的環(huán)境溫度和充電速率通過(guò)所述最優(yōu)模糊隸屬度函數(shù)映射到不同的模糊區(qū)間之中，并依據(jù)實(shí)驗(yàn)數(shù)據(jù)建立的模糊規(guī)則，得到不同環(huán)境溫度和充電速率組合條件下的預(yù)警閾值。
30、進(jìn)一步地，所述方法還包括：
31、將每種組合條件中的環(huán)境溫度和充電速率進(jìn)行歸一化處理后通過(guò)所述最優(yōu)模糊隸屬度函數(shù)映射到不同的模糊區(qū)間之中。
32、進(jìn)一步地，所述預(yù)警閾值包括電壓轉(zhuǎn)折點(diǎn)和應(yīng)變轉(zhuǎn)折點(diǎn)。
33、進(jìn)一步地，所述模糊隸屬度函數(shù)的類型包括三角函數(shù)和梯形函數(shù)。
34、第二方面，本專利技術(shù)提出了一種熱失控預(yù)警閾值計(jì)算裝置，所述裝置包括：
35、參數(shù)迭代優(yōu)化模塊，用于將模糊隸屬度函數(shù)的待優(yōu)化參數(shù)集合中的參數(shù)利用初始種群中的抗體表示，采用免疫克隆選擇算法對(duì)初始種群進(jìn)行迭代優(yōu)化，得到參數(shù)集合全局最優(yōu)解；
36、最優(yōu)模糊隸屬度函數(shù)確定模塊，用于基于所述本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種熱失控預(yù)警閾值計(jì)算方法，其特征在于，包括：
2.如權(quán)利要求1所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述將模糊隸屬度函數(shù)的待優(yōu)化參數(shù)集合中的參數(shù)利用初始種群中的抗體表示，采用免疫克隆選擇算法對(duì)初始種群進(jìn)行迭代優(yōu)化，得到參數(shù)集合全局最優(yōu)解，包括：
3.如權(quán)利要求2所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述適應(yīng)度函數(shù)的公式表示為：
4.如權(quán)利要求2所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述方法還包括：
5.如權(quán)利要求2所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述方法還包括：
6.如權(quán)利要求2所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述終止條件的公式表示為：
7.如權(quán)利要求1所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述將不同的環(huán)境溫度和充電速率通過(guò)所述最優(yōu)模糊隸屬度函數(shù)映射到不同的模糊區(qū)間之中，輸出不同環(huán)境溫度和充電速率組合條件下的預(yù)警閾值，構(gòu)建不同組合條件與預(yù)警閾值的對(duì)應(yīng)關(guān)系，包括：
8.如權(quán)利要求7所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述方法還包括：
9.如
10.如權(quán)利要求1~9任一項(xiàng)所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述模糊隸屬度函數(shù)的類型包括三角函數(shù)和梯形函數(shù)。
11.一種熱失控預(yù)警閾值計(jì)算裝置，其特征在于，所述裝置包括：
12.一種基于模糊邏輯的熱失控預(yù)警方法，其特征在于，所述方法包括：
13.如權(quán)利要求12所述的基于模糊邏輯的熱失控預(yù)警方法，其特征在于，所述狀態(tài)參數(shù)包括電壓信號(hào)和應(yīng)變信號(hào)，所述預(yù)警閾值包括電壓轉(zhuǎn)折點(diǎn)和應(yīng)變轉(zhuǎn)折點(diǎn)，所述將所述狀態(tài)參數(shù)與當(dāng)前工況下對(duì)應(yīng)的預(yù)警閾值進(jìn)行比較，進(jìn)行熱失控預(yù)警，包括：
14.如權(quán)利要求13所述的基于模糊邏輯的熱失控預(yù)警方法，其特征在于，所述狀態(tài)參數(shù)還包括氣體信號(hào)，所述方法還包括：
15.如權(quán)利要求13所述的基于模糊邏輯的熱失控預(yù)警方法，其特征在于，所述狀態(tài)參數(shù)還包括電池表面溫度信號(hào)，所述方法還包括：
...【技術(shù)特征摘要】
1.一種熱失控預(yù)警閾值計(jì)算方法，其特征在于，包括：
2.如權(quán)利要求1所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述將模糊隸屬度函數(shù)的待優(yōu)化參數(shù)集合中的參數(shù)利用初始種群中的抗體表示，采用免疫克隆選擇算法對(duì)初始種群進(jìn)行迭代優(yōu)化，得到參數(shù)集合全局最優(yōu)解，包括：
3.如權(quán)利要求2所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述適應(yīng)度函數(shù)的公式表示為：
4.如權(quán)利要求2所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述方法還包括：
5.如權(quán)利要求2所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述方法還包括：
6.如權(quán)利要求2所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述終止條件的公式表示為：
7.如權(quán)利要求1所述的熱失控預(yù)警閾值計(jì)算方法，其特征在于，所述將不同的環(huán)境溫度和充電速率通過(guò)所述最優(yōu)模糊隸屬度函數(shù)映射到不同的模糊區(qū)間之中，輸出不同環(huán)境溫度和充電速率組合條件下的預(yù)警閾值，構(gòu)建不同組合條件與預(yù)警閾值的對(duì)應(yīng)關(guān)系，包括：
8.如權(quán)利要求7所述的熱失控預(yù)警閾...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李金中，謝毓廣，高博，毛磊，汪書蘋，孫譽(yù)寧，
申請(qǐng)(專利權(quán))人：國(guó)網(wǎng)安徽省電力有限公司電力科學(xué)研究院，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。