技术摘要：
本发明提供了一种应用数字孪生技术的锂离子电池充电及热管理方法，通过建立电池的数字孪生体适应电池状态、工作环境的改变情况，并针对充电或热管理策略中参数变化的短期及长期影响进行预测。结合管理目标及限制条件，优化了充电及热管理方法，从而能够实现适用于不同  全部
背景技术：
锂离子电池的充电及热管理策略对电池系统以及载运工具的可靠性与耐久性具 有重要影响，目前的电池管理系统确定充电或热管理策略大多是针对某种类型的电池，通 过进行离线实验研究的方式来实现。在面对一些电池状态、工作环境、用户需求等条件变化 较大的情况时，无法进行有针对性的调整，而且不能考虑同类型不同电池之间的差异性。 数字孪生技术(Digital  Twin)能够在一定程度上有效地克服传统电池管理策略 的缺陷，其通过上传动力电池历史数据至云端大数据平台，基于平台的强大算力和存储空 间构建电池孪生模型，实现车云协同的动力电池全周期精细化、智能化、网联化管理。然而， 现有的采用数字孪生技术的电池管理策略研究还不够深入，尚停留在较为初级的阶段，对 于充电、热管理等重要环节如何实现最优策略仍缺乏相应的理论。因此，如何在电池管理策 略的关键环节进行必要的改进优化，并与数字孪生技术结合发挥更好的效果，是本领域中 亟待解决的技术问题。
技术实现要素：
有鉴于此，本发明提供了一种锂离子电池充电及热管理方法，基于数字孪生技术 实现，其具体包括以下步骤： I.构建电池数字孪生体： 步骤一、针对特定实体电池i，进行信号采集，获取用于表征其运行状态的数据，并 存储于电池数据存储平台； 步骤二、针对该电池i建立用于描述其内部反应、生热、散热、应力变化、容量衰退、 内阻增长变化等过程的通用仿真模型； 步骤三、基于修正算法并利用由所述电池数据存储平台存储的历史运行状态数 据，对通用仿真模型进行修正，建立与所述通用仿真模型对应的数字孪生体； 步骤四、通过实时获取的表征电池i运行状态的数据，对数字孪生体进行实时状态 更新； II.充电及热管理策略优化： 步骤五、选取适合的充电或者热管理策略，确定策略中的待优化参数，基于所述待 优化参数的可行范围，生成待优化参数的参数空间； 步骤六、设定充电或热管理的目标以及限制条件； 步骤七、基于所选取的充电或者热管理策略及所述参数空间，利用由步骤三建立 的数字孪生体对所述管理策略进行仿真，确定所述管理策略的短期及长期管理效果。 步骤八、基于管理效果的仿真结果，针对管理策略选取适合的优化算法，结合由步 4 CN 111611750 A 说　明　书 2/3 页 骤六中确定的目标及限制条件，在所述参数空间中选取得到最佳的参数； 步骤九、根据所选取的最佳的参数，生成充电电流执行充电、或执行相应热管理动 作； 步骤十、实时更新用于表征电池i运行状态的数据，并重复执行前述步骤。 进一步地，所述步骤一中用于表征电池i运行状态的数据具体包括：电流、电压、表 面及内部温度、应力等。 进一步地，所述步骤二中的通用仿真模型基于电化学、热力学、力学等角度的考虑 来建立，并针对电池i的具体型号以及应用场景，确定其内部材料特性、机械结构以及工作 环境。 进一步地，所述步骤三中对通用仿真模型进行修正，具体通过机器学习、深度学 习、偏差补偿等的算法实现。 进一步地，所述步骤四对数字孪生体进行实时状态更新，具体通过递推参数辨识， 状态估计器等方式实现。 进一步地，所述步骤五中的充电策略选择多阶恒流充电、恒流恒压充电、交流充 电、脉冲充电等方式；热管理策略选择交流加热、短路加热、液体换热、空气换热等方式。 进一步地，所述步骤六所述的目标根据用户的预期的电池使用时间、电池寿命及 安全性考虑，选取充入电量、充电速度、预期电池温度、预期电池加热或冷却速度等；所述的 限制条件根据电池当前健康状态、环境温度的考虑，选取最大电流倍率、最大电压、最高或 最低温度、最大温升或散热速度等。 进一步地，所述步骤七中通过仿真确定的管理效果，包括基于预期电池寿命、能量 效率、电池温度分布，电池安全性等。 进一步地，所述步骤八中的优化算法，采用遗传算法、粒子群优化、最小二乘等算 法。 上述本发明所提供的方法，通过建立电池的数字孪生体适应电池状态、工作环境 的改变情况，并针对充电或热管理策略中参数变化的短期及长期影响进行预测。结合管理 目标及限制条件，优化了充电及热管理方法，从而能够实现适用于不同电池类型、不同环境 下的的全寿命周期充电及热管理优化。 附图说明 图1是本发明所提供方法的示意图； 图2是基于本发明的方法并采用多阶恒流充电及交流加热策略的示意图。