基于迭代動態(tài)規(guī)劃的動力電池組熱管理優(yōu)化策略*

馬 彥，李佳怡，馬 乾，陳明超

（1. 吉林大學通信工程學院，長春 130022；2. 吉林大學，汽車仿真與控制國家重點實驗室，長春 130022；3. 吉林化工學院信息與控制工程學院，吉林 132000）

前言

能源的極度短缺和嚴重的環(huán)境污染已經(jīng)成為全球性問題，為了減少溫室氣體排放，擺脫對石油能源的依賴，電動汽車被視為傳統(tǒng)內(nèi)燃機汽車可行的替代方案。鋰離子電池放電率較低，功率密度高，可回收利用率高，電池循環(huán)壽命長，已被廣泛應用到電動汽車。電動汽車運行中，動力電池組會持續(xù)放電，電流幅值會迅速上升，特別是在加速、爬坡等特殊工況下。當電池組處于放電過程時，其內(nèi)部的化學物質(zhì)相互作用，產(chǎn)生大量的熱，過高的溫度使電池的容量下降，壽命衰減，嚴重時會導致電池組燃燒爆炸。調(diào)節(jié)電池溫度會消耗大量的電能，尤其是用于冷卻電池。German 等基于電池模型與牽引模型，分析了溫度對電動汽車行駛里程的影響。此外，電池熱管理系統(tǒng)消耗的能量會減少電動汽車的行駛里程。當駕駛員開啟空調(diào)系統(tǒng)等設備時，會大大消耗電池的能量，減少電動汽車40%的行駛里程。所以，在快速冷卻電池溫度的同時，減少冷卻系統(tǒng)能量的損耗，對于延長電動汽車行駛里程，保證電動汽車運行安全性，提高整車性能至關重要。因此，采取高效的冷卻優(yōu)化策略對電池熱管理系統(tǒng)十分重要。

鋰離子電池熱模型是研究電池組熱管理的基礎，由于電池冷卻處于單次放電過程，電池老化和容量退化過程可以忽略不計，并認為電池的溫度是均勻的，同時忽略了電池表面溫度和核芯溫度之間的差異。綜上，集中質(zhì)量熱模型把電池當作一個質(zhì)點，推導得到電池整體的平均溫度，而非針對電池的單體溫度，模型的建立和計算簡單，適用于對鋰離子電池整體性能和電池組的研究。Li等采用集中質(zhì)量熱模型預測電池模塊的最高溫度，但沒有建立單體電池的熱模型。Choi 等建立了18650 型鋰離子電池的降階集中質(zhì)量熱模型，但未考慮電池的散熱情況，沒有推導傳熱系數(shù)與冷卻液流速之間的關系。針對上述問題，本文在分析液體冷卻的電池組的流體動力學規(guī)律的基礎上，建立液冷式電池組集中質(zhì)量熱模型為后續(xù)的熱管理優(yōu)化策略提供理論基礎。

目前電池熱管理系統(tǒng)冷卻方式有空氣冷卻、液體冷卻、相變材料冷卻和熱管冷卻。文獻［16］和文獻［17］中對比了風冷和液冷兩種獨立的熱管理方案，液冷在冷卻速度、密封特性和對環(huán)境溫度影響的抵抗能力等都要遠優(yōu)于風冷，且電池電量的消耗也小于風冷的形式。液體冷卻在結(jié)構上又可分為接觸式液冷和非接觸式液冷，前者采用導熱率高且絕緣的液體作為冷卻液，在物理性質(zhì)上具有較高的黏度，導致水泵需要增加額外的功耗。非接觸式液冷中，冷卻液在冷卻管道中流動，通過物理裝置與電池間接接觸，換熱效率高，冷卻速度快，且冷卻液流速穩(wěn)定，在電池大電流充放電和夏天等高溫極端條件下有很好的冷卻效果。因此，本文的冷卻方式為非接觸式液體冷卻。

冷卻優(yōu)化策略的研究主要是實現(xiàn)系統(tǒng)以最小的能量損耗對電池運行溫度的調(diào)節(jié)，避免電池溫度過高和降溫同時系統(tǒng)的高能耗?？刂祁惙椒梢詫崿F(xiàn)有效的溫度調(diào)節(jié)效果，便于應用于實際，而優(yōu)化類方法旨在使電池在加熱或冷卻過程中處于合理的溫度范圍，即最優(yōu)優(yōu)化策略是尋求溫控和節(jié)能的一個平衡點。因此，選擇優(yōu)化類算法目的是在保證動力電池在適宜溫度范圍內(nèi)運行的基礎上，進一步降低冷卻系統(tǒng)的能量損耗。文獻［19］和文獻［20］中采用模糊控制的方法雖然不需要依賴被控對象準確的數(shù)學模型，在冷卻效果上優(yōu)于傳統(tǒng)PID 的方法，但節(jié)能效果有限。Masoudi 等提出非線性模型預測方法有效性的調(diào)節(jié)電池溫度，但是沒有考慮熱管理系統(tǒng)的冷卻能耗。Bauer 等利用龐德里亞金極大值原理實現(xiàn)了電動汽車中利用最小的電能損耗使電池在較窄的溫度范圍內(nèi)運行。Tao 等針對風冷系統(tǒng)提出非線性反步控制器和線性最優(yōu)控制器控制進風溫度，從而穩(wěn)定電池核心溫度，與傳統(tǒng)控制器比較節(jié)省能耗方面得到改善。Pham 等針對混動重卡汽車突出基于規(guī)則的實時策略，提高燃油經(jīng)濟性的同時降低了電池的能量消耗。Yuksel等提出啟發(fā)式策略和基于約束的非線性規(guī)劃策略用于燃料電池混動汽車的能量管理系統(tǒng)，實現(xiàn)降低氫能耗的17%。Lopez等在非線性模型預測控制方法的基礎上，在約束上進一步考慮了電池冷卻能量的消耗，實現(xiàn)了冷卻過程中冷卻能量的最小化，但是沒有考慮液冷系統(tǒng)參數(shù)不確定性的影響。Zhu 等提出一種基于有限集模型的混合動力汽車電池熱管理系統(tǒng)魯棒預測優(yōu)化策略，在50%的參數(shù)不確定性下，不僅可以使電池組在最佳溫度下運行，而且節(jié)省30%的電池熱管理系統(tǒng)能量。文獻［28］和文獻［29］中提出基于MPC 的精確冷卻策略和生態(tài)冷卻策略，實現(xiàn)對電動汽車的高效熱管理，進一步降低4.9%和8%的空調(diào)系統(tǒng)能耗。

綜上所述，由于被控對象電池冷卻系統(tǒng)的高度非線性、參數(shù)時變和遲滯的特點，為了保證電池的工作環(huán)境、能夠快速降低運行溫度，同時實現(xiàn)節(jié)能的目的，需要選取能尋求非線性連續(xù)系統(tǒng)全局最優(yōu)解的算法。動態(tài)規(guī)劃方法（DP）被提出用來調(diào)節(jié)電池組的溫度，實現(xiàn)冷卻能量的最小化。但是由于DP優(yōu)化策略較為復雜，在計算時間還是在計算量上都是巨大的，在實際中考慮成本的約束，始終難以實時應用。為了克服DP 算法的缺點，文獻［31］～文獻［34］中提出迭代動態(tài)規(guī)劃（IDP）算法，避免求解高維非線性連續(xù)系統(tǒng)的H-J-B 方程，減少計算量，易于實現(xiàn)，適用于非線性連續(xù)系統(tǒng)動態(tài)規(guī)劃。基于以上研究，本文采用IDP 算法作為冷卻優(yōu)化策略應用到電池熱管理系統(tǒng)，以最小的能量損耗使電池組溫度穩(wěn)定在目標溫度范圍內(nèi)。

本文結(jié)構如下：（1）根據(jù)電池的生熱特性和牛頓冷卻定律建立電池組集中質(zhì)量熱模型，在AMEsim中建立電池冷卻系統(tǒng)，在不同工況下驗證模型的準確性；（2）針對冷卻系統(tǒng)的非線性與時變性的特點，提出基于IDP 算法的冷卻優(yōu)化策略；（3）基于IDP 優(yōu)化策略與PID 方法和DP 優(yōu)化策略進行仿真比較，驗證所提出的方法在冷卻過程中的快速性與節(jié)能性的優(yōu)勢；（4）給出IDP冷卻優(yōu)化策略的相關結(jié)論。

1 電池組模型建立及可靠性驗證

在本部分，分析電池內(nèi)部的生熱原理和電池散熱過程中的動力學和傳熱學原理，建立生熱量和散熱量方程。利用能量守恒定律確定電池組與冷卻液之間的能量傳遞關系，建立基于液冷式電池組集中質(zhì)量熱模型。

1.1 鋰離子電池生熱模型

電池液冷系統(tǒng)示意圖如圖1 所示，鋰離子電池在工作過程中，電池的總生熱包含4 個部分，分別是電池內(nèi)阻熱、電池反應熱、電池極化熱、電池副反應熱，可描述為

圖1 電池液冷系統(tǒng)示意圖

對于電池生熱部分，根據(jù)動力電池Bernadi 生熱速率模型，假設鋰離子電池內(nèi)部熱源穩(wěn)定且均勻產(chǎn)熱，從電池內(nèi)阻和化學反應的熵增原理兩個方面考慮，把電池的極化熱和反應熱均考慮為可逆反應熱，可得到電池的生熱率，即

式中：是開路電壓；是工作電壓；是電池的溫度；是電池的工況電流。由于電池內(nèi)阻的存在，(-)表示的開路電壓與工作電壓之差可用電流與內(nèi)阻的乘積來進行等量代替，則式（2）可以表示為

右側(cè)第1部分代表電池內(nèi)阻熱，第2部分代表電池內(nèi)部反應熱，第3 部分代表電池極化熱，第4 部分代表電池副反應熱。電池進行正常充放電情況下，如果沿電池厚度方向的電池溫差很小或電池很薄，就可以忽略電池的極化反應熱和副反應熱。假設電池內(nèi)部電流密度一致且生熱均勻，鋰離子電池生熱率可簡化為

其中，對于電池的內(nèi)阻，對其影響最大的兩個參數(shù)是電池的放電深度和溫度。當鋰離子電池工作在293～313 K、放電率在10%以上時，電池內(nèi)阻變化不大。因此可認為電池包內(nèi)阻為常數(shù)，設為=0.8 mΩ。而d/d與電池的電化學反應相關，對于同種類的電池，該值可認為是常量，設為=0.3 mV，通過兩個參數(shù)的確定可以得到單體電池的生熱速率與負載電流的函數(shù)關系為

1.2 鋰離子電池散熱模型

根據(jù)牛頓冷卻定律，可以得到電池與冷卻液間對流傳熱散失總熱量為

式中：為電池散熱量；為流體與固體接觸表面間的對流傳熱系數(shù)；為對流換熱面積；為冷卻液溫度。電池與冷卻液之間的對流傳熱系數(shù)與管內(nèi)流體努塞爾數(shù)的關系為

式中：為流體的導熱系數(shù)；為流體管道的當量直徑；為管內(nèi)流體雷諾數(shù)；為管內(nèi)流體普朗特數(shù)；和分別是按流體平均溫度和管壁溫度計算的流體動力黏度；為管內(nèi)流體的平均速度；為管內(nèi)流體的運動黏度。冷卻液的熱物性參數(shù)、、均可由管內(nèi)流體平均溫度查表得到，可由管壁附近流體溫度查表得到。由式（7）～式（9）可得電池與冷卻液間的對流傳熱系數(shù)與冷卻液流速之間的關系為

將式（10）和式（11）代入到式（6）中，得到的電池散熱模型中電池散失的總熱量為

1.3 鋰離子電池組熱模型

由能量守恒定律可知，對于處于充放電狀態(tài)下的電池，電池積累的熱量等于電池內(nèi)部電化學反應的總生熱量減去電池與冷卻液熱交換的總散熱量，即

式中：為電池質(zhì)量；為電池的比熱容。則電池熱模型為

在每行排列中，1 號電池模組處于冷卻管道入口處，末端電池模組處于冷卻管道出口，冷卻液從入口到出口會不斷吸收熱量導致冷卻液溫度升高，故1 號模組溫度要低于末端電池模組。因此，建立首尾兩個電池模組的熱模型，即可得整個電池組溫度分布情況。由式（15）可得1 號電池模組熱模型，表示為

電池組中每行模組總散熱量等于此行管道內(nèi)冷卻液從入口到出口的總吸熱量，根據(jù)能量守恒定律可知：

由傳熱學定律，單位時間內(nèi)電池組冷卻管道內(nèi)冷卻流體從入口到出口散失的熱量總和為

式中：為冷卻液比熱容；為冷卻液密度；為入口處冷卻液面積。冷卻流入吸收的熱量總和為

式中：、、…、分別為1號電池模組到號電池模組散失到冷卻液的熱量；、、…、分別為1 號 電 池 模 組 到號 電 池 模 組 的 溫 度，，、…、分別為1 號電池模組到號電池模組周圍冷卻液的溫度。在電池組冷卻管道內(nèi)沿冷卻液流動方向，可認為每個電池周圍的冷卻液溫度呈等幅遞增的狀態(tài)，故可得

由式（20）和式（21）可得號電池模組周圍冷卻液溫度為

將式（16）和式（22）代入式（15）得號電池模組的熱模型為

由上述公式可以看出電池組熱模型是關于液體流速的非線性函數(shù)，系統(tǒng)輸入量為負載電流，控制量為冷卻液流速，系統(tǒng)輸出量是電池溫度、，故電池組熱模型可簡化為

1.4 電池組模型可靠性驗證

為驗證模型精度，在AMESim（advanced modeling environment for performing simulation of engineering systems）中建立電池組模型，將AMESim 中得到的電池溫度變化數(shù)據(jù)作為實際測量值，來驗證所建立模型的精度。

電動汽車動力電池組是由固定數(shù)量的電池模組根據(jù)續(xù)航里程、電池容量等設計要求串并聯(lián)而成，而電池模組是由一定數(shù)量的電池連接而成，模組的外殼保持電池的位置和形狀。本文中電池模組由18*18 A123 26650 LiFePO電池組成，采用7 個模組串聯(lián)，對電池模組中的電池熱行為進行分析，單節(jié)電池電壓為3.3 V，容量為2 300 mA·h，冷卻液選擇50%體積濃度的乙二醇水溶液，電池與冷卻液初始溫度設置為298 K，AMESim 電池組冷卻系統(tǒng)模型如圖2所示，其具體物理參數(shù)如表1所示。

圖2 AMESim電池組冷卻系統(tǒng)模型

表1 AMESim 模型與冷卻液物理參數(shù)

在模型驗證過程中，NEDC 工況包含4個城市循環(huán)和一個市郊循環(huán)，US06 是高速和高加速度工況，所以兩個工況能基本滿足全路況狀態(tài)，NEDC、US06工況車速與電流如圖3 所示。分別在NEDC、US06工況下對比熱集中模型與AMEsim 模型中模組的輸出溫度。電池模組輸出溫度與誤差曲線如圖4 和圖5所示。

圖3 NEDC和US06工況下車速與電流

通過圖4 和圖5 可以看出，在兩個工況下，電池溫度隨負載電流變化逐漸上升。電池組熱模型的輸出曲線能很好地跟蹤實際輸出值，并且保證溫度誤差在0.7 K 以內(nèi)，能夠滿足精度要求，故電池組熱模型可用于后文冷卻優(yōu)化策略設計。

他們出身各異，經(jīng)歷不同，但“英雄不問出處”，能在全球化的浪潮中脫穎而出，在市場經(jīng)濟競爭里撐起場面，絕非等閑之輩。

圖4 NEDC工況電池模組溫度與誤差驗證

圖5 US06工況電池模組溫度與誤差驗證

2 迭代動態(tài)規(guī)劃（IDP）優(yōu)化策略

針對電池組熱模型高度非線性和時變的特點，動態(tài)規(guī)劃算法（DP）總能找到離散控制問題的全局最優(yōu)解，但是由于必須比較每個控制與狀態(tài)之間的網(wǎng)格點以獲得最小的代價，需要大量的處理器內(nèi)存來存儲各個網(wǎng)格點所計算的目標函數(shù)和代價函數(shù)，導致計算時間過長。因此，提出迭代動態(tài)規(guī)劃（IDP）算法，它是一種數(shù)值方法，魯棒性強，通過多次應用基本的動態(tài)規(guī)劃來減少子問題的數(shù)量和計算時間。該算法通過網(wǎng)格精細化的處理方式，進行逐級縮小范圍搜索，最終獲得動態(tài)優(yōu)化問題的最優(yōu)控制策略及最優(yōu)軌跡?？梢员苊鈩討B(tài)規(guī)劃算法耗時及存在“維數(shù)災”等諸多問題。

根據(jù)式（24）～式（26），電池組溫度控制系統(tǒng)的狀態(tài)空間方程可表示為

式中：=[，]。分別把第1個模組溫度和第號模組溫度作為狀態(tài)量；控制量為冷卻液流速；和作為系統(tǒng)輸出。式（27）的電池組離散后熱模型為

通過控制冷卻液流速以最節(jié)能的功率方式優(yōu)化電池組溫度，建立液冷熱管理系統(tǒng)的目標函數(shù)：

式中：[(+)]為電池組溫度變化的代價函數(shù)；[()]為冷卻系統(tǒng)的能量消耗。根據(jù)時段內(nèi)可能發(fā)生的電池組的溫度變化和冷卻系統(tǒng)的能量消耗，建立液冷熱管理系統(tǒng)約束函數(shù)，()為電池溫度，()為冷卻系統(tǒng)的能量消耗，為能量消耗閾值，和為電池組可工作的最高溫度和最低溫度，即

建立液冷系統(tǒng)的溫度代價函數(shù)

式中，= 0.2636，= 1.285 × 10，= 2.47 × 10，= 1.847 × 10，= 5.316 × 10，是通過曲線擬合獲得的老化系數(shù)。定義為能耗比例系數(shù)，液體冷卻系統(tǒng)消耗的能量與質(zhì)量流量關系可定義為

在初始的迭代中實現(xiàn)基本的DP算法，以找到網(wǎng)格中每個狀態(tài)點x的最佳控制矢量，即使用粗略控制和狀態(tài)網(wǎng)格搜索初始最佳軌跡。然后，在下一次迭代中通過將代入到電池液冷熱管理系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣中來確定初始最優(yōu)狀態(tài)軌跡和相關的控制軌跡。選擇獲得的狀態(tài)和控制軌跡作為下一次迭代的網(wǎng)格中心點。當狀態(tài)網(wǎng)格點數(shù)固定，網(wǎng)格大小Δ由狀態(tài)變量的約束范圍確定。取衰減因子為，使網(wǎng)格大小Δ減小，即隨著每次迭代中的間隔縮小，網(wǎng)格尺寸逐步減小，導致最優(yōu)軌跡的搜索范圍縮小，如圖6 所示。圖7 為IDP 算法的邊界收斂圖，在迭代時間N中逐步減少狀態(tài)數(shù)量和控制量直到獲得最小損耗下的最佳軌跡，IDP 優(yōu)化策略流程圖如圖8所示。

圖6 迭代動態(tài)算法最優(yōu)軌跡獲取

圖7 迭代動態(tài)算法邊界收斂圖

圖8 迭代動態(tài)規(guī)劃算法流程圖

設狀態(tài)變量迭代次數(shù)為，衰減因子為，則最優(yōu)軌跡的上下邊界表示為

3 電池組熱管理系統(tǒng)IDP 優(yōu)化策略驗證

通過Matlab-AMESim 聯(lián)合仿真驗證IDP 優(yōu)化策略的有效性，針對溫度對電池的影響確定溫度的代價函數(shù)，以最小能耗作為性能指標，冷卻液流速作為系統(tǒng)控制量，電池溫度作為狀態(tài)量。鋰離子電池初始溫度設為313 K，冷卻液初始溫度設為298 K，目標溫度設為303 K。分別在恒流3C 和合成工況下對比PID 算法和DP 算法的優(yōu)化效果。熱管理系統(tǒng)電池組IDP冷卻優(yōu)化策略設計框圖如圖9所示。

圖9 IDP冷卻優(yōu)化策略設計框圖

3.1 電池組溫度性能對比

在恒流3C 下，傳統(tǒng)PID 方法經(jīng)過多次調(diào)試確定、、的參數(shù)，當= 0.1、= 0.0001、= 0.1時，得到較好的控制效果。通過仿真，得到1 號模組和7 號模組在PID 算法、DP 算法和IDP 算法下的電池溫度如圖10 所示，溫度曲線的響應參數(shù)值見表2。

圖10 恒流3C下溫度結(jié)果對比

表2 恒流3C溫度曲線的響應參數(shù)

通過圖10 可以看出，在初始72 s 內(nèi)冷卻效果無明顯差別。隨著電池生熱不斷增加，IDP 優(yōu)化策略最快做出反應。通過PID 算法得到的穩(wěn)定時間是167 s，通過DP 算法的穩(wěn)定時間為80 s，而在IDP 算法下僅為72 s。結(jié)果表明，本文提出的優(yōu)化策略穩(wěn)定時間更快，可更好地減少過多的冷卻耗能。

為研究IDP 優(yōu)化策略的抗干擾性，在合成工況下對其優(yōu)化性能進行驗證。由于本系統(tǒng)沒有考慮空調(diào)回路等負載，故選取測試中其余負載均處于關閉狀態(tài)的一個NEDC 工況和兩個US06 工況合成一個2 383 s 的測試工況（U_N_U 工況）去驗證實際的優(yōu)化性能，其車速與電流如圖11 所示。設置傳統(tǒng)PID參數(shù)為= 0.05、= 0.001、= 0.01 時，控制效果最好。在整個工況下通過對比，1號電池模組與7號電池電阻的溫度如圖12 所示，6 條溫度曲線的反應參數(shù)值見表3，可以看出，與PID 算法和DP 算法相比，IDP 算法誤差和超調(diào)量最小，穩(wěn)定時間也是3 種方法中最快的，僅僅為55 s。結(jié)果表明，以終端電池來看，本文提出的優(yōu)化策略將溫度穩(wěn)定時間提高了76.49%，最大溫度誤差減小了52.79%，且超調(diào)量減小了53%。通過圖13 可以看出，在不同循環(huán)測試下電池組最大溫差始終保持在2 K 以內(nèi)。綜上，基于IDP 的優(yōu)化策略冷卻速率更快，最終值更接近目標溫度。

圖11 U_N_U 合成工況車速與電流

圖12 U_N_U工況下溫度結(jié)果對比

表3 U_N_U工況溫度曲線的響應參數(shù)

圖13 恒流3C和U_N_U 工況下溫度不一致性與偏差

3.2 冷卻液流速與系統(tǒng)能耗結(jié)果對比

為驗證IDP 優(yōu)化策略能有效減少能量消耗，在恒流3C 下得到冷卻系統(tǒng)的冷卻液流速與系統(tǒng)能耗對比曲線，如圖14 所示。并分別取圖中對應時間點計算3 種方法下的瞬時能耗進行對比，如圖15（a）所示。

圖14 恒流3C冷卻液流速與能量消耗對比

仿真結(jié)果表明，在=72 s 前3 種方法的能耗相同，但是IDP 算法下的流速變化最快，而且穩(wěn)定后的流速低于PID 方法下的冷卻液流速。由于DP 算法略慢于IDP 算法，且流速穩(wěn)定后有明顯震蕩現(xiàn)象。因此，隨著能量消耗的累計，由圖15可以看出在3種方法中，基于IDP 優(yōu)化策略的能量損耗的全程累積趨勢低于其他兩種方法，且計算整個測試周期下的能耗結(jié)果顯示，本文中提出的基于IDP 優(yōu)化策略的能耗為252.39 kJ，比傳統(tǒng)PID 方法下294.74 kJ的能耗降低了14.35%，比基于DP 方法的能耗降低了6.41%，減小能耗的優(yōu)勢較為明顯。

圖15 恒流3C和U_N_U工況下冷卻系統(tǒng)瞬時能耗

從U_N_U 工況下的流速與能耗的仿真結(jié)果（圖16）可以看出，本文提出的方法具有良好的適應性。在=55 s 之前，3 種方法下的能耗幾乎無差，基于IDP 算法下的冷卻液流速在=55 s 時發(fā)生變化，而DP 方法和PID 方法下的冷卻液流速以最大流速分別維持到了77 和193 s，直到=239 s 流速下降到相同值。流速的差值直接導致能量累積的不同，在U_N_U 工況下，經(jīng)過低速運行后，如圖16中所示，車速在=1637 s時開始加速，引起電流激增，導致電池的生熱率也發(fā)生變化。由于電池的溫度是一個累積量，所以導致冷卻液流速發(fā)生了31 s的延遲，流速在=1668 s 時變大進行電池的降溫。而從能耗上看，由于能量消耗是之前時刻值的疊加，所以能量有變化但波動不大。圖15（b）中對應點瞬時能耗與恒流3C的結(jié)果相似，隨時間的增加，基于IDP方法的能耗與另外兩種方法下能耗差值也呈不斷增大的趨勢。

圖16 U_N_U工況冷卻液流速與能量消耗對比

在整個測試周期，基于IDP 方法的能量損耗為433.98 kJ，比PID方法下的594.53 K降低了27%，比基于DP 方法下的能耗降低了22%，如圖17 所示。以上結(jié)果表明，基于IDP 優(yōu)化策略在不同工況下都能更快地將電池溫度穩(wěn)定在目標溫度附近，且能很好的減少能量損耗。

圖17 冷卻系統(tǒng)總能耗

4 結(jié)論

由于汽車行駛的實際工況十分復雜，加速、制動、上下坡等操作將帶來復雜多變的動態(tài)負載，導致動力電池的散熱需求增加。針對目前熱管理系統(tǒng)中側(cè)重電池的溫度控制會導致系統(tǒng)能量過度損耗的問題。本文中提出了IDP 優(yōu)化策略，以能耗最小為目的，使動力電池工作在最適合的溫度范圍。首先，建立了鋰離子電池組集中質(zhì)量熱模型，在不同工況下與AMESim 中建立的動力電池液冷系統(tǒng)模型的輸出進行對比，兩者之間最大溫差小于0.7 K，證明了模型的準確性。其次，將IDP 優(yōu)化策略應用于鋰離子電池組熱模型，在恒流3C 和U_N_U 工況下，與PID方法和DP方法結(jié)果進行比較。仿真結(jié)果表明，本文中提出的基于IDP 優(yōu)化策略在測試工況中，不僅大大縮短了溫度調(diào)節(jié)時間，減小了穩(wěn)態(tài)誤差和超調(diào)量，而且總能耗降低了27%和22%，為系統(tǒng)節(jié)省了大量電能。結(jié)果表明，IDP 優(yōu)化策略在具有高效性的同時，大大降低了冷卻系統(tǒng)的能量損耗。本文被控對象針對電池冷卻回路，沒有考慮空調(diào)冷卻回路和駕駛艙冷卻回路，忽略了3 個回路的相互影響，只將負載所帶來的影響歸結(jié)至整車電流的波動中，將在后續(xù)研究中考慮3者之間的耦合關系。