(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111175222.3 (22)申请日 2021.10.09 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 熊瑞　李幸港　李正阳　杨瑞鑫　 孙逢春　 (74)专利代理 机构 北京市诚辉律师事务所 11430 代理人 杨帅峰　岳东升 (51)Int.Cl. B60L 58/24(2019.01) B60L 58/10(2019.01) G06F 30/27(2020.01) (54)发明名称 一种应用数字 孪生技术的电池热 管理方法 (57)摘要 本发明提供了一种应用数字孪生技术的电 池热管理方法， 其首先对于相同的电池组系统车 辆产品选 取小部分作为特征车辆， 并在其电池组 内部布置多点温度传感器进行信息采集； 特征车 辆输将电池组电压、 电流以及各类温度信息数据 上传至云端大数据平台； 云端平台构建该电池组 产品的数字孪生模型； 并将构建完毕的模型通过 车‑云通信技术下达到车端， 客户车辆基于该模 型， 结合电池 管理从控系统采集的特征信号进行 本车辆的电池组温度场还原， 在对 热场监控的同 时进而优化 当前热场控制策略， 实现了电池组的 高精度实时热 管理。 权利要求书2页 说明书4页 附图1页 CN 113895309 A 2022.01.07 CN 113895309 A 1.一种应用数字 孪生技术的电池热 管理方法， 具体包括以下步骤： 步骤S1、 选取采用了相同电池组系统的车辆作为特征车辆， 在所述特征车辆中均布置 多个温度传感器； 步骤S2、 采集特 征车辆电池组的电压、 电流、 温度等特 征数据上传至云端平台； 步骤S3、 云端平台利用上传的特征车辆电池组的特征数据， 构建用于电池组热管理的 数字孪生模型， 并将数字 孪生模型 下发至采用相同电池组的客户车辆车 载端； 步骤S4、 客户车辆在车载端主控制系统运行所述数字孪生模型， 结合由电池管理从控 制系统采集的电池组特 征数据， 还原出本车的电池组温度场； 步骤S5、 电池管理从控制系统针对还原出的电池组温度场提供优化控制策略， 并与具 有可变流道的热 管理系统相配合， 对电池组实现实时热 管理。 2.如权利要求1所述的方法， 其特征在于： 所述步骤S1具体包括在所述特征车辆的电池 组内部各电池单体之间及其他关键位置设置温度传感器， 确保每个电池单体的温度、 所处 环境温度、 电压以及电流信息均能够得到采集。 3.如权利要求1所述的方法， 其特 征在于： 所述 步骤S3具体包括： 步骤S301、 云端平台接收特征车辆上传的实车运行数据， 先进行数据清洗处理， 剔除无 效数据与故障数据； 步骤S302、 从数据清洗后的数据中提取出电池组特征数据， 抛弃其中的冗余数据后将 剩余的作为模型输入， 将各电池单体温度作为模型输出， 搭建基于神经网络的数字孪生模 型； 步骤S303、 将剩余数据中的70％的作为数字孪生模型的训练数据， 另外30％的数据作 为验证数据， 对神经网络进行训练； 将训练好的数字孪生模型下发至采用相同电池组的客 户车辆车 载端。 4.如权利要求3所述的方法， 其特征在于： 所述数字孪生模型具体建立过程包括依次执 行： 步骤a、 基于离线试验获取特征车辆开启冷却系统且电池组无电流负载、 和不同环境温 度下的稳态温度； 步骤b、 利用上传至云端平台的特征车辆电池组在不同环境温度与工况下的温度、 电 流、 电压， 结合该类型电池单体的OCV ‑SOC曲线以及熵热系数， 建立生热模型计算各电池单 体的生热量； 步骤c、 以电池组生热量、 稳态温度、 SOC值以及某个电池组某外部测量点温度值作 为模 型输入， 电池组包括内部多个点在内的其余位置温度为模型输出， 建立电池组内部温度估 计BP神经网络模型； 步骤d、 将步骤a和b得到的结果数据作为训练数据输入所述神经网络模型进行训练， 将 训练好的神经网络模型发送至车 载端； 步骤e、 在客户车辆的车载端主控制系统运行训练好的神经网络模型， 利用采集的电池 组运行数据， 对电池组内部多点温度进行实时在线计算， 还原出 所述电池组温度场。 5.如权利要求1所述的方法， 其特 征在于： 所述 步骤S5具体包括： 基于还原出的电池组温度场， 实时监控电池组热状态， 对异常温升及时进行报警； 以及， 利用电池组热场还原结果， 实时调整热管理策略， 对电池组热不均一性进行改权　利　要　求　书 1/2 页 2 CN 113895309 A 2善， 减缓电池衰老， 提升整车的安全性与耐久性； 以及， 定期利用特 征车辆的电池组特 征数据对所述数字 孪生模型持续更新。权　利　要　求　书 2/2 页 3 CN 113895309 A 3