CN117134007B - 一种锂离子电池温度控制方法及系统 - Google Patents

Abstract

本发明涉及锂电池技术领域，尤其涉及一种锂离子电池温度控制方法及系统。该方法包括以下步骤：获取锂电池多物理场图像集以及锂电池工况数据并进行异常热能检测，获得分类热能图像集；根据分类热能图像集构建三维温度分布图并进行仿真，获得三维温度场模拟数据；对锂电池工况数据以及三维温度场模拟数据进行温度可控范围计算，获得锂电池温度可控范围；根据三维温度场模拟数据构建锂电池温度预测模型；获取实时锂电池热能图像，对实时锂电池热能图像以及锂电池工况数据进行预测，获得工作温度预测数据；对工作温度预测数据进行计算，获得热失控调整数据并进行校正，从而获得锂电池温度调整数据。本发明基于数据挖掘对锂离子电池温度进行控制。

Description

一种锂离子电池温度控制方法及系统

技术领域

本发明涉及锂电池技术领域，尤其涉及一种锂离子电池温度控制方法及系统。

背景技术

锂离子电池是目前电子设备和汽车中最常见的电池类型之一。然而，在充放电过程中，电池温度的控制成为一个关键问题。不适当的温度管理可能导致电池过热，损害其性能甚至引发安全问题。现有的温度控制方法通常依赖于温度传感器和温度调节设备。然而，这些方法可能存在效率低下和响应速度较慢等问题。

发明内容

基于此，本发明有必要提供一种锂离子电池温度控制方法，以解决至少一个上述技术问题。

为实现上述目的，一种锂离子电池温度控制方法，包括以下步骤：

步骤S1：通过预设的传感器获取锂电池多物理场图像集以及锂电池工况数据，并对锂电池多物理场图像集进行异常热能检测，从而获得分类热能图像集；

步骤S2：根据分类热能图像集构建三维温度分布图，并对三维温度分布图以及锂电池多物理场图像集进行多物理场耦合仿真，从而获得三维温度场模拟数据；

步骤S3：对锂电池工况数据以及三维温度场模拟数据进行温度可控范围计算，从而获得锂电池温度可控范围；

步骤S4：根据三维温度场模拟数据构建锂电池温度预测模型；

步骤S5：获取实时锂电池热能图像，利用锂电池温度预测模型对实时锂电池热能图像以及锂电池工况数据进行电池工作温度预测，从而获得工作温度预测数据；

步骤S6：根据锂电池温度可控范围对工作温度预测数据进行热失控最小化计算，从而获得热失控调整数据，并根据热失控调整数据对锂电池工况数据进行适应性校正，从而获得锂电池温度调整数据。

本发明通过使用预设的传感器，获取多物理场图像和工况数据，可以提供对锂电池当前状态的详细了解。异常热能检测有助于及早识别可能导致电池过热的问题，从而防止电池性能下降或发生安全问题。同时，这意味着只有在需要时才会启动更复杂的控制措施，从而提高了能源利用率。三维温度分布图的构建和多物理场耦合仿真可以帮助模拟电池内部温度分布的复杂性。这有助于更好地理解电池内部温度的动态变化，从而提供更准确的温度数据用于控制和预测。温度可控范围的计算允许确定电池操作期间的安全可控的温度范围。这有助于防止电池过热或过冷，从而延长电池寿命并提高安全性。温度预测模型的构建基于三维温度场模拟数据，可以用于预测电池未来温度的变化。这有助于提前采取措施来防止电池过热或过冷，从而提高电池性能和安全性。温度预测模型可以提前预测电池温度的变化，使得能够更快速地采取控制措施来应对温度变化。这提高了系统的响应速度，有助于防止温度升高到危险水平。使用锂电池温度预测模型，可以根据实时的热能图像和工况数据来预测电池的工作温度。这有助于实时监测电池状态并采取控制措施，以确保电池在安全温度范围内运行。通过热失控最小化计算，可以确定需要采取的调整措施，以确保电池温度始终在可控范围内。适应性校正则进一步提高了控制的准确性，使电池在不同工况下都能保持良好的温度控制。

可选地，步骤S1具体为：

步骤S11：通过预设的传感器获取锂电池多物理场图像集以及锂电池工况数据；

步骤S12：对锂电池多物理场图像集进行热能图像集提取，从而获得锂电池热能图像集；

步骤S13：对锂电池热能图像集进行锂电池闲置热能图像提取以及锂电池工作热能图像提取，从而获得闲置热能图像集以及工作热能图像集；

步骤S14：对闲置热能图像集进行闲置异常热能检测，从而获得闲置异常热能图像以及闲置正常热能图像；

步骤S15：对工作热能图像集进行工作异常热能检测，从而获得工作异常热能图像以及工作正常热能图像；

步骤S16：将闲置异常热能图像、闲置正常热能图像、工作异常热能图像以及工作正常热能图像进行时序合并，从而获得分类热能图像集。

本发明通过使用预设的传感器来获取锂电池的多物理场图像和工况数据，可以为后续提供详细的电池状态信息。这包括电池内部的温度、电压、电流等重要参数，有助于实时监测电池的运行状态。通过从多物理场图像集中提取热能图像集，可以将焦点放在电池的热能分布上。这有助于更准确地了解电池内部的热传导和温度分布情况，为后续热能异常检测提供了必要的数据。将热能图像集分成闲置和工作热能图像有助于区分电池在不同工作状态下的热特性。这使得能够更准确地监测电池的运行状况，无论是在闲置时还是在工作时。检测闲置异常热能图像有助于及早识别电池在不使用时的异常情况，例如自发性发热或故障引起的热异常。这有助于防止电池在闲置状态下遭受不必要的热损失或潜在的安全问题。检测工作异常热能图像有助于及早识别电池在使用过程中的异常情况，例如充电或放电时的热异常。这有助于预防电池过热或其他性能问题，并提高电池的安全性和可靠性。将闲置和工作状态下的异常和正常热能图像进行时序合并，有助于综合分析电池的热能特性。这为后续提供了分类热能图像集，可用于构建温度预测模型和温度控制策略。

可选地，步骤S13具体为：

步骤S131：对闲置热能图像集进行时序提取，从而获得闲置时序数据，并对闲置时序数据进行比较分析，从而获得长闲置时序数据以及短闲置时序数据；

步骤S132：按照预设的时间比例对闲置热能图像集进行局部温度极值提取，从而获得局部温度极值；

步骤S133：利用局部温度极值以及闲置时序数据进行温度梯度计算，从而获得局部温度梯度数据；

步骤S134：对局部温度梯度数据进行统计分析，从而获得高频温度梯度数据以及低频温度梯度数据；

步骤S135：根据短闲置时序数据以及高频温度梯度数据对闲置热能图像集进行交集数据筛选，从而获得闲置正常热能图像；

步骤S136：根据长闲置时序数据以及低频温度梯度数据对闲置热能图像集进行交集数据筛选，从而获得闲置异常热能图像。

本发明提取闲置时序数据可以监测电池在不使用时的温度变化趋势。这有助于识别电池在不同闲置时间段内的温度特性，从而分辨长期和短期的闲置情况。提取局部温度极值可以捕捉到电池内部温度分布的峰值和谷值。这有助于了解电池内部的温度梯度，识别可能存在的局部温度异常，以及分析温度的波动情况。计算局部温度梯度允许量化温度的变化率。这有助于识别电池内部的温度梯度，即温度在空间上的变化情况，从而帮助检测潜在的热异常情况。统计分析温度梯度数据可以识别高频和低频的温度梯度成分。高频温度梯度可能与电池内部的快速变化有关，而低频温度梯度可能反映了更长时间尺度的温度变化。这有助于细化异常检测的敏感性。通过根据短闲置时序数据和高频温度梯度数据对闲置热能图像进行筛选，可以识别出在短时间内温度波动较小且正常的电池状态。这有助于减少误报异常情况，提高异常检测的准确性。通过根据长闲置时序数据和低频温度梯度数据对闲置热能图像进行筛选，可以识别出长期处于闲置状态但存在异常温度梯度的电池。这有助于及早检测到电池的长期异常情况，以防止潜在的安全问题。

可选地，步骤S14具体为：

步骤S141：根据锂电池工况数据对工作热能图像集进行工作图像集分类，从而获得充电热能图像集以及放电热能图像集；

步骤S142：对充电热能图像集进行频谱异常检测，从而获得充电正常热能图像以及充电异常热能图像；

步骤S143：根据充电正常热能图像以及充电异常热能图像构建异常热能分类模型；

步骤S144：对放电热能图像集进行高频热能组件统计，从而获得高频热能组件；

步骤S145：对放电热能图像集进行组件温度峰值计算，从而获得组件温度峰值；

步骤S146：按照预设的温度峰值阈值对组件温度峰值进行异常温度峰值提取，从而获得异常组件温度峰值；

步骤S147：根据异常组件温度峰值以及高频热能组件构建异常放电热能画像；

步骤S148：通过异常热能分类模型，并利用异常放电热能画像对放电热能图像集进行分类计算，从而获得放电正常热能图像以及放电异常热能图像；

步骤S149：将充电正常热能图像以及放电正常热能图像进行时序合并，从而获得工作正常热能图像；将充电异常热能图像以及放电异常热能图像进行时序合并，从而获得工作异常热能图像。

本发明将工作热能图像集分类成充电热能图像集和放电热能图像集有助于区分电池在不同工作状态下的热能特征。这可以帮助监测电池在充电和放电过程中的温度变化，为异常检测提供基础数据。通过对充电热能图像进行频谱异常检测，可以识别出在充电时出现的异常热能情况。这有助于提前发现充电过程中的问题，以防止电池过热或其他异常情况。构建异常热能分类模型可以根据充电热能图像的特征将其分类为正常和异常情况。这有助于自动化异常检测，并可以用于实时监测电池的工作状态。通过统计分析放电热能图像的高频热能组件，可以识别电池内部的高频温度变化情况。这有助于检测短时间内的异常情况，例如热点或温度突增。计算放电热能图像中组件的温度峰值有助于了解电池内部温度的极值情况。这可以用于检测潜在的过热问题或异常温度峰值情况。提取异常组件温度峰值可以帮助识别放电过程中可能存在的异常情况。通过设置预设的温度峰值阈值，可以筛选出异常的温度峰值，以进行后续分析。根据异常组件温度峰值和高频热能组件构建异常放电热能画像有助于可视化和理解电池放电时的异常情况。这可以帮助操作人员更容易地识别问题。通过异常热能分类模型，可以将放电热能图像分类为正常和异常情况。这有助于自动化异常检测，及早发现电池放电过程中的问题。将充电正常热能图像和放电正常热能图像时序合并有助于创建工作正常热能图像序列，以用于电池的整体性能分析。同样，将充电异常热能图像和放电异常热能图像时序合并有助于跟踪电池的异常情况并进行进一步的故障诊断。

可选地，步骤S142具体为：

对充电热能图像集进行傅里叶变换，从而获得充电频谱图；

对充电频谱图进行频谱偏移量计算，从而获得充电频谱偏移量；

获取电源电气数据，并对电源电气数据进行波动量计算，从而获得电源波动量；

利用电源波动量对充电频谱偏移量进行异常偏移量检测，从而获得异常频谱偏移量以及正常频谱偏移量；

根据异常频谱偏移量对充电频谱图进行异常频谱段提取，从而获得充电异常频谱图；

根据正常频谱偏移量对充电频谱图进行正常频谱段提取，从而获得充电正常频谱图；

对充电异常频谱图以及充电正常频谱图进行逆傅里叶变换，从而获得充电正常热能图像以及充电异常热能图像。

本发明中的傅里叶变换将时域的充电热能图像转换为频域的充电频谱图。这有助于分析电池工作时的频率分布，可能揭示出在频域上的特定热能变化。计算频谱偏移量可以识别频谱图中的特定频率成分的偏移情况。这有助于检测频率成分的变化，这反映电池内部的问题或变化。电源电气数据可以提供电池充电过程中电流和电压的信息。计算波动量有助于了解电源稳定性，以及是否存在电源波动对充电过程的影响。通过与电源波动量的关联，可以检测到是否存在异常的频谱偏移量。这可以帮助识别电池充电过程中的异常情况，如电源不稳定或其他干扰。提取异常频谱段可以帮助将频谱图中与异常频率偏移相关的部分分离出来。这有助于更清晰地可视化电池充电过程中的异常情况。提取正常频谱段可以将与正常频率偏移相关的部分从频谱图中分离出来。这有助于识别正常充电情况下的频率成分。逆傅里叶变换将频域的频谱图还原为时域的热能图像。这有助于将频谱分析结果转化为可视化的图像，进一步分析充电过程中的异常情况。

可选地，步骤S2具体为：

步骤S21：根据分类热能图像进行三维空间插值，从而获得三维温度分布图；

步骤S22：对三维温度分布图进行几何结构数据提取，从而获得几何结构数据；

步骤S23：根据几何结构数据构建锂电池几何模型；

步骤S24：对锂电池多物理场图像集进行锂离子浓度图提取以及电流分布图提取，从而获得锂离子浓度图以及电流分布图；

步骤S25：根据锂电池几何模型对三维温度分布图、锂离子浓度图以及电流分布图进行多物理场耦合仿真，从而获得三维温度场模拟数据。

本发明通过插值，可以从离散的分类热能图像中生成连续的三维温度分布图。这有助于实现更准确的温度场表示，为后续分析提供了高分辨率的数据。提取几何结构数据可以识别电池的形状、尺寸和内部结构。这对于建立准确的电池几何模型至关重要，并有助于后续的多物理场仿真。准确的几何模型是电池仿真的基础。它允许模拟电池内部温度、电流、离子浓度等参数的分布，并可用于预测电池性能和安全性。提取锂离子浓度图和电流分布图提供了电池内部的关键物理信息。锂离子浓度图可用于分析锂离子在电池中的分布，电流分布图可用于了解电流密度分布。这两者都是多物理场仿真的输入。多物理场仿真将不同物理参数（温度、锂离子浓度、电流等）耦合在一起，模拟电池的复杂行为。这有助于预测电池在不同工作条件下的性能，识别潜在的热点区域、安全问题以及电池寿命影响因素。

可选地，步骤S24具体为：

根据三维温度分布图进行温度数值模拟，从而获得模拟温度分布数据；

对锂离子浓度图进行锂离子浓度数值模拟，从而获得模拟浓度分布数据；

基于电流分布图进行电流密度数值模拟，从而获得模拟电流密度分布数据；

根据模拟温度分布数据、模拟浓度分布数据以及模拟电流密度分布数据构建三维模拟分布数据；

根据三维温度分布图、锂离子浓度图以及电流分布图进行耦合参数计算，从而获得多物理场耦合参数；

基于三维模拟分布数据以及多物理场耦合参数对三维温度分布图进行多物理场耦合仿真，从而获得三维温度场模拟数据。

本发明通过数值模拟，可以根据实际的三维温度分布图像来预测电池内部的温度分布。这有助于了解电池在不同工况下的温度变化，以及潜在的热点区域。数值模拟锂离子浓度分布可以帮助理解锂离子在电池内的分布情况。这对于优化电池的充电和放电性能以及预测锂离子扩散行为非常重要。模拟电流密度分布有助于了解电池内部的电流流动情况。这对于评估电池的性能和安全性，以及预测电流分布不均匀性非常重要。将不同物理参数的模拟数据结合在一起可以创建全面的电池模拟数据，这些数据对于多物理场仿真和性能预测非常关键。通过计算多物理场的耦合参数，可以了解电池内部各种物理过程之间的相互影响。这有助于更准确地模拟电池行为，并识别可能的性能瓶颈或安全风险。多物理场耦合仿真将温度、锂离子浓度、电流密度等多个物理参数耦合在一起，使能够更全面地理解电池的行为。这对于电池设计、优化和安全性评估非常关键，可以帮助预测电池在不同工作条件下的性能和安全性。

可选地，步骤S3具体为：

通过温度可控系数计算公式对锂电池工况数据以及三维温度场模拟数据进行计算，从而获得温度可控系数数据；

其中，温度可控系数计算公式具体为：

；

式中，为温度可控系数，为工作时间，为锂电池的初始温度，为锂电池的冷却温度，为随时间的温度变化量，为三维温度场模拟数据的最高温度，为三维温度场模拟数据的最低温度，为锂电池的平均工作温度。

本发明构造了一个温度可控系数计算公式，用于对锂电池工况数据以及三维温度场模拟数据进行计算。该公式充分考虑了影响温度可控系数的工作时间，锂电池的初始温度，锂电池的冷却温度，随时间的温度变化量，三维温度场模拟数据的最高温度，三维温度场模拟数据的最低温度，锂电池的平均工作温度，形成了函数关系：

；

其中，这部分是对锂电池温度与时间的自然对数变化率的导数。它测量锂电池温度随时间的变化速率，并考虑了初始温度和冷却温度的影响。这是锂电池温度与平均工作温度和最低温度之间的归一化差异。它测量当前温度与平均工作温度之间的相对位置。这是平均工作温度与最低温度之间归一化差异的导数，表示平均工作温度与最低温度随时间的变化率。用于标准化平均工作温度与最低温度之间的变化率，以确保在计算时不受时间尺度的影响。整个公式的核心是将上述两个部分的乘积积分从0到，其中代表三维温度场模拟数据的最高温度。这个积分的目的是将锂电池温度随时间的变化考虑在内，并与平均工作温度和最低温度之间的变化相互关联。这个公式的结果TCR代表了锂电池温度受到各种因素（包括初始温度、冷却温度、平均工作温度以及时间变化）的综合影响，以评估锂电池在不同温度条件下的可控性。高TCR值表示锂电池在不同温度条件下更容易受到控制，而低TCR值可能意味着锂电池在温度波动下更容易失去控制。这有助于评估锂电池系统的稳定性和温度管理性能。本领域中，可以使用实际的温度数据和相关数学方法（例如数值模拟、统计分析等方法）来评估温度控制性能。通过使用本发明提供的温度可控系数计算公式，可以更精确的计算出温度可控系数。

根据温度可控系数数据进行范围划分，从而获得锂电池温度可控范围。

本发明通过计算温度可控系数，可以评估锂电池的温度敏感性。这是非常重要的，因为锂电池的性能和安全性都与温度密切相关。获得温度可控系数数据后，可以更好地了解电池在不同温度下的行为，从而更好地管理电池的性能和安全性。将温度可控系数数据分析并划分为不同的范围可以帮助确定电池的工作温度范围。这是关键的，因为电池在过高或过低的温度下可能会受到损害，影响其性能和寿命。获得温度可控范围后，可以更好地规定电池的操作条件，以确保其在安全和有效的温度范围内运行。

可选地，步骤S4中的热失控最小化计算具体为：

通过热失控概率计算公式对工作温度预测数据进行热失控概率计算，从而获得热失控概率；

其中，热失控概率计算公式具体为：

；

式中，为热失控概率，为自然对数的底数，为锂电池的瞬时工作温度，为锂电池热失控阈值温度，为锂电池的瞬时电流，为锂电池的瞬时电压，为锂电池的电阻，为模拟工作时间，为温度权重；

本发明构造了一个热失控概率计算公式，用于对工作温度预测数据进行热失控概率计算。该公式充分考虑了影响热失控概率的自然对数的底数，锂电池的瞬时工作温度，锂电池热失控阈值温度，锂电池的瞬时电流，锂电池的瞬时电压，锂电池的电阻，模拟工作时间，温度权重，形成了函数关系：

；

其中，这部分表示锂电池的瞬时工作温度与热失控阈值温度之间的差值。如果当前温度高于热失控阈值温度，则差值为正，否则为负。为温度权重，这个参数用于调整温度对热失控概率的影响。较大的值表示温度对热失控的影响更大。这部分包括锂电池的瞬时电流和瞬时电压的比值，取其自然对数。这部分表示电流和电压对热失控概率的影响，其中电流越大，电压越小，热失控概率可能会增加。这部分包括锂电池的电阻以及电压随时间的变化率的平方根和四次方根的组合。这部分表示电池内部电阻和电压变化率对热失控概率的影响。较大的电阻和电压变化率可能增加热失控的风险。整个公式将这些因素组合在一起，通过一系列数学运算来计算热失控概率。这个概率值用于评估锂电池在给定条件下发生热失控的可能性。高的热失控概率表示锂电池在当前工作条件下更容易受到热失控的影响，而低的概率表示较低的风险。这个公式可以用来帮助评估和管理锂电池的安全性。在本领域中，计算热失控概率是一个重要的安全性评估步骤，以确定锂电池在特定条件下可能发生过热、爆炸或火灾等危险情况的概率。计算热失控概率通常涉及数值模拟、建立数学模型等技术手段。通过使用本发明提供的热失控概率计算公式，可以更精确的计算出热失控概率。

根据热失控概率对工作温度预测数据进行分类计算，从而获得热失控温度预测数据以及正常温度预测数据；

根据锂电池温度可控范围对热失控温度预测数据以及正常温度预测数据进行概率最小化调整，从而获得热失控调整数据。

本发明通过热失控概率计算，可以量化锂电池在给定工作温度下发生热失控的可能性。这是非常关键的，因为热失控可能导致电池发生火灾或爆炸，对人身安全和财产造成威胁。准确的热失控概率计算可以帮助您识别潜在的风险，并采取适当的措施来预防事故。将工作温度预测数据根据热失控概率分为热失控温度预测数据和正常温度预测数据，能够明确知道在给定条件下，哪些情况可能导致热失控。这种分类有助于集中关注高风险温度范围，以便及早采取预防措施，确保电池系统的安全运行。将热失控温度预测数据和正常温度预测数据根据锂电池温度可控范围进行概率最小化调整，可以使得热失控概率降至最低。这种调整确保了锂电池在其安全工作温度范围内运行，最小化了发生热失控的概率。通过这种调整，可以在实际应用中更安全、更可靠地使用锂电池系统。

可选地，本说明书还提供一种锂离子电池温度控制系统，用于执行上述锂离子电池温度控制方法，该锂离子电池温度控制系统包括：

异常热能检测模块，用于通过预设的传感器获取锂电池多物理场图像集以及锂电池工况数据，并对锂电池多物理场图像集进行异常热能检测，从而获得分类热能图像集；

物理场仿真模块，用于根据分类热能图像集构建三维温度分布图，并对三维温度分布图进行多物理场耦合仿真，从而获得三维温度场模拟数据；

温度可控范围计算模块，用于对锂电池工况数据以及三维温度场模拟数据进行温度可控范围计算，从而获得锂电池温度可控范围；

预测模型构建模块，用于根据三维温度场模拟数据构建锂电池温度预测模型；

电池工作温度预测模块，用于获取实时锂电池热能图像，利用锂电池温度预测模型对实时锂电池热能图像以及锂电池工况数据进行电池工作温度预测，从而获得工作温度预测数据；

温度调整模块，用于根据锂电池温度可控范围对工作温度预测数据进行热失控最小化计算，从而获得热失控调整数据，并根据热失控调整数据对锂电池工况数据进行适应性校正，从而获得锂电池温度调整数据。

附图说明

通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明锂离子电池温度控制方法的步骤流程示意图；

图2为本发明中步骤S1的详细步骤流程示意图；

图3为本发明中步骤S13的详细步骤流程示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

为实现上述目的，请参阅图1至图3，本发明提供了一种锂离子电池温度控制方法，所述方法包括以下步骤：

步骤S1：通过预设的传感器获取锂电池多物理场图像集以及锂电池工况数据，并对锂电池多物理场图像集进行异常热能检测，从而获得分类热能图像集；

本实施例中使用预设的传感器（例如温度传感器、电流传感器等）来获取锂电池的多物理场图像集和工况数据。这些数据可以包括电池的温度、电流、电压、电阻等。然后，对多物理场图像集进行异常热能检测，以识别任何异常热能分布。这可以通过图像处理技术、机器学习算法或深度学习模型来实现。例如，训练一个神经网络来检测异常的热能分布，这些异常可能是由电池内部故障或不正常工作条件引起的。

步骤S2：根据分类热能图像集构建三维温度分布图，并对三维温度分布图以及锂电池多物理场图像集进行多物理场耦合仿真，从而获得三维温度场模拟数据；

本实施例中使用分类热能图像集构建三维温度分布图。这可以通过将多个热能图像叠加在一起，并考虑它们在三维空间中的位置来实现。然后，执行多物理场耦合仿真，将三维温度分布图与锂电池的多物理场数据进行耦合。这意味着将考虑了温度、电流、电压等参数之间的相互作用，以更准确地模拟锂电池的行为。

步骤S3：对锂电池工况数据以及三维温度场模拟数据进行温度可控范围计算，从而获得锂电池温度可控范围；

本实施例中使用锂电池工况数据和三维温度场模拟数据来计算锂电池的温度可控范围。这包括确定安全的温度范围，在这个范围内锂电池可以正常工作而不会发生热失控。这个范围通常由上限和下限温度界定，超出这些界限可能导致热失控。

步骤S4：根据三维温度场模拟数据构建锂电池温度预测模型；

本实施例中基于三维温度场模拟数据构建锂电池的温度预测模型。这个模型可以是一个数学模型，例如热传导方程或电池热模型，或者可以使用机器学习技术来训练一个预测模型，以根据电池工况数据来预测温度变化。

步骤S5：获取实时锂电池热能图像，利用锂电池温度预测模型对实时锂电池热能图像以及锂电池工况数据进行电池工作温度预测，从而获得工作温度预测数据；

本实施例中使用锂电池温度预测模型来获取实时锂电池热能图像的工作温度预测数据。这需要实时监测锂电池的工况数据，并将其输入到预测模型中，以获取当前工作条件下的温度预测。

步骤S6：根据锂电池温度可控范围对工作温度预测数据进行热失控最小化计算，从而获得热失控调整数据，并根据热失控调整数据对锂电池工况数据进行适应性校正，从而获得锂电池温度调整数据。

本实施例中根据锂电池温度可控范围对工作温度预测数据进行分析，以计算热失控的概率。如果概率较高，可以采取措施来降低热失控的风险，例如降低电流或停止充电。然后，根据热失控最小化计算的结果，对锂电池工况数据进行适应性校正，以确保锂电池在可控温度范围内工作。这可能包括调整充放电速率、改变冷却系统的设置等。

本发明通过使用预设的传感器，获取多物理场图像和工况数据，可以提供对锂电池当前状态的详细了解。异常热能检测有助于及早识别可能导致电池过热的问题，从而防止电池性能下降或发生安全问题。同时，这意味着只有在需要时才会启动更复杂的控制措施，从而提高了能源利用率。三维温度分布图的构建和多物理场耦合仿真可以帮助模拟电池内部温度分布的复杂性。这有助于更好地理解电池内部温度的动态变化，从而提供更准确的温度数据用于控制和预测。温度可控范围的计算允许确定电池操作期间的安全可控的温度范围。这有助于防止电池过热或过冷，从而延长电池寿命并提高安全性。温度预测模型的构建基于三维温度场模拟数据，可以用于预测电池未来温度的变化。这有助于提前采取措施来防止电池过热或过冷，从而提高电池性能和安全性。温度预测模型可以提前预测电池温度的变化，使得能够更快速地采取控制措施来应对温度变化。这提高了系统的响应速度，有助于防止温度升高到危险水平。使用锂电池温度预测模型，可以根据实时的热能图像和工况数据来预测电池的工作温度。这有助于实时监测电池状态并采取控制措施，以确保电池在安全温度范围内运行。通过热失控最小化计算，可以确定需要采取的调整措施，以确保电池温度始终在可控范围内。适应性校正则进一步提高了控制的准确性，使电池在不同工况下都能保持良好的温度控制。

可选地，步骤S1具体为：

步骤S11：通过预设的传感器获取锂电池多物理场图像集以及锂电池工况数据；

本实施例中使用各种传感器，如温度、电流、电压、压力和湿度传感器，来实时监测锂电池的多个物理参数。这些传感器不断采集数据，包括温度分布、电流充放电情况、电压变化、内部压力和湿度等。这些数据提供了电池的全面状态信息，用于后续的分析。

步骤S12：对锂电池多物理场图像集进行热能图像集提取，从而获得锂电池热能图像集；

本实施例中将从获取的传感器数据转化为热能图像。例如，通过温度传感器的数据，可以创建温度分布图像，显示电池不同部分的温度情况。这些图像反映了电池内部的热分布情况，为后续的分析提供了基础。

步骤S13：对锂电池热能图像集进行锂电池闲置热能图像提取以及锂电池工作热能图像提取，从而获得闲置热能图像集以及工作热能图像集；

本实施例中区分电池的闲置状态和工作状态。通过分析热能图像，可以识别哪些图像表示电池处于闲置状态，哪些表示电池正在工作中。这有助于将后续的异常检测和分析应用于正确的情境中。

步骤S14：对闲置热能图像集进行闲置异常热能检测，从而获得闲置异常热能图像以及闲置正常热能图像；

本实施例中专注于闲置状态下的电池热能图像。通过使用异常检测算法，可以识别出不正常的闲置热能图像，这些图像可能表示电池存在问题，如过热或异常温度分布。同时，还可以确定哪些图像是正常的，用于比较和参考。

步骤S15：对工作热能图像集进行工作异常热能检测，从而获得工作异常热能图像以及工作正常热能图像；

本实施例中针对工作状态下的电池热能图像。使用异常检测技术来检测工作状态下的异常热能图像，这些异常可能涉及电池性能问题或潜在的故障。同时，也能确定哪些图像代表正常的工作状态。

步骤S16：将闲置异常热能图像、闲置正常热能图像、工作异常热能图像以及工作正常热能图像进行时序合并，从而获得分类热能图像集。

本实施例中将闲置异常热能图像、闲置正常热能图像、工作异常热能图像以及工作正常热能图像按照时序进行合并，这样，就可以获得一个包含了不同状态下的锂电池热能图像的分类集合。这个分类集合可以用于更进一步的分析和决策，以识别电池的异常情况并采取适当的措施，确保电池的安全性和可靠性。

本发明通过使用预设的传感器来获取锂电池的多物理场图像和工况数据，可以为后续提供详细的电池状态信息。这包括电池内部的温度、电压、电流等重要参数，有助于实时监测电池的运行状态。通过从多物理场图像集中提取热能图像集，可以将焦点放在电池的热能分布上。这有助于更准确地了解电池内部的热传导和温度分布情况，为后续热能异常检测提供了必要的数据。将热能图像集分成闲置和工作热能图像有助于区分电池在不同工作状态下的热特性。这使得能够更准确地监测电池的运行状况，无论是在闲置时还是在工作时。检测闲置异常热能图像有助于及早识别电池在不使用时的异常情况，例如自发性发热或故障引起的热异常。这有助于防止电池在闲置状态下遭受不必要的热损失或潜在的安全问题。检测工作异常热能图像有助于及早识别电池在使用过程中的异常情况，例如充电或放电时的热异常。这有助于预防电池过热或其他性能问题，并提高电池的安全性和可靠性。将闲置和工作状态下的异常和正常热能图像进行时序合并，有助于综合分析电池的热能特性。这为后续提供了分类热能图像集，可用于构建温度预测模型和温度控制策略。

可选地，步骤S13具体为：

步骤S131：对闲置热能图像集进行时序提取，从而获得闲置时序数据，并对闲置时序数据进行比较分析，从而获得长闲置时序数据以及短闲置时序数据；

本实施例中从闲置热能图像集中提取时序信息，即观察电池在不同时间点的热能变化。通过对时序数据进行比较分析，可以识别长时间和短时间的闲置状态。例如，如果电池在一段较长时间内保持相对恒定的温度，将其标识为长闲置；而如果存在短时间内的温度波动，将其标识为短闲置。

步骤S132：按照预设的时间比例对闲置热能图像集进行局部温度极值提取，从而获得局部温度极值；

本实施例中根据传感器的数据采集频率确定时间比例，然后按照时间比例对闲置热能图像集进行分段，并在每个段内提取局部温度极值。这些极值代表了温度的最高点和最低点，有助于确定电池的温度波动范围。这些局部温度极值数据在后续的分析中非常重要。

步骤S133：利用局部温度极值以及闲置时序数据进行温度梯度计算，从而获得局部温度梯度数据；

本实施例中基于局部温度极值和闲置时序数据，计算温度梯度，即温度的变化速率。这些局部温度梯度数据反映了电池内部的温度变化趋势。例如，如果温度梯度较大，可能表示电池内部存在异常情况，需要进一步检查。

步骤S134：对局部温度梯度数据进行统计分析，从而获得高频温度梯度数据以及低频温度梯度数据；

本实施例中对局部温度梯度数据进行统计分析，以识别高频和低频的温度梯度。高频温度梯度可能表示电池内部温度快速波动，而低频温度梯度可能表示更缓慢的温度变化。这些数据有助于我们更精细地了解电池的状态。

步骤S135：根据短闲置时序数据以及高频温度梯度数据对闲置热能图像集进行交集数据筛选，从而获得闲置正常热能图像；

本实施例中使用短闲置时序数据和高频温度梯度数据来筛选闲置热能图像集。如果电池在短时间内保持稳定的温度，并且没有异常的高频温度梯度，那么将这些图像标识为闲置正常热能图像。

步骤S136：根据长闲置时序数据以及低频温度梯度数据对闲置热能图像集进行交集数据筛选，从而获得闲置异常热能图像。

本实施例中根据长闲置时序数据和低频温度梯度数据，筛选出闲置热能图像集中的异常图像。如果电池在较长时间内维持着相对恒定的温度，但存在低频的温度梯度变化，这可能表明电池存在潜在问题，将其标识为闲置异常热能图像。这些图像可以作为进一步故障诊断和维护的依据。

本发明提取闲置时序数据可以监测电池在不使用时的温度变化趋势。这有助于识别电池在不同闲置时间段内的温度特性，从而分辨长期和短期的闲置情况。提取局部温度极值可以捕捉到电池内部温度分布的峰值和谷值。这有助于了解电池内部的温度梯度，识别可能存在的局部温度异常，以及分析温度的波动情况。计算局部温度梯度允许量化温度的变化率。这有助于识别电池内部的温度梯度，即温度在空间上的变化情况，从而帮助检测潜在的热异常情况。统计分析温度梯度数据可以识别高频和低频的温度梯度成分。高频温度梯度可能与电池内部的快速变化有关，而低频温度梯度可能反映了更长时间尺度的温度变化。这有助于细化异常检测的敏感性。通过根据短闲置时序数据和高频温度梯度数据对闲置热能图像进行筛选，可以识别出在短时间内温度波动较小且正常的电池状态。这有助于减少误报异常情况，提高异常检测的准确性。通过根据长闲置时序数据和低频温度梯度数据对闲置热能图像进行筛选，可以识别出长期处于闲置状态但存在异常温度梯度的电池。这有助于及早检测到电池的长期异常情况，以防止潜在的安全问题。

可选地，步骤S14具体为：

步骤S141：根据锂电池工况数据对工作热能图像集进行工作图像集分类，从而获得充电热能图像集以及放电热能图像集；

本实施例中使用电池电压、电流等参数来区分充电和放电状态。充电状态下，电压和电流通常呈正值，而放电状态下电流会为负值。通过监测这些参数，可以将工作热能图像集划分为两个子集。

步骤S142：对充电热能图像集进行频谱异常检测，从而获得充电正常热能图像以及充电异常热能图像；

本实施例中使用信号处理技术，如傅立叶变换，来将热能图像转化为频谱域。然后，可以检测频谱中的异常模式，例如频谱中的异常频率成分或幅度变化。如果检测到异常，将图像标记为充电异常热能图像，否则标记为充电正常热能图像。

步骤S143：根据充电正常热能图像以及充电异常热能图像构建异常热能分类模型；

本实施例中使用充电正常热能图像和充电异常热能图像构建异常热能分类模型。使用充电正常热能图像和充电异常热能图像来训练分类模型。这个模型可以是机器学习算法，如支持向量机或深度神经网络，用于自动分类电池充电状态下的热能图像。

步骤S144：对放电热能图像集进行高频热能组件统计，从而获得高频热能组件；

本实施例中将放电热能图像转化为频谱域，并计算频谱中的高频成分。这些高频组件成分可能与电池性能相关，例如电池内部的热量分布。通过统计高频成分，可以了解每个组件放电过程中的热特性。

步骤S145：对放电热能图像集进行组件温度峰值计算，从而获得组件温度峰值；

本实施例中分析放电热能图像中每个组件的温度变化，并找到每个组件的温度峰值。这些峰值可能对电池性能和安全性具有重要意义。

步骤S146：按照预设的温度峰值阈值对组件温度峰值进行异常温度峰值提取，从而获得异常组件温度峰值；

本实施例中根据经验或者专家指导设置温度峰值阈值，如果组件的温度峰值超过该阈值，则将其标记为异常。这些异常温度峰值可能表示电池内部存在问题，例如过热或温度不均匀。

步骤S147：根据异常组件温度峰值以及高频热能组件构建异常放电热能画像；

本实施例中将异常组件温度峰值与高频热能成分结合起来，生成异常放电热能图像。这些图像可以显示哪些组件在异常条件下受到了影响，以及其热特性的变化。

步骤S148：通过异常热能分类模型，并利用异常放电热能画像对放电热能图像集进行分类计算，从而获得放电正常热能图像以及放电异常热能图像；

本实施例中将异常放电热能图像输入到之前构建的异常热能分类模型中，模型将自动识别哪些图像属于放电异常情况。这有助于及早检测电池问题并采取措施。

步骤S149：将充电正常热能图像以及放电正常热能图像进行时序合并，从而获得工作正常热能图像；将充电异常热能图像以及放电异常热能图像进行时序合并，从而获得工作异常热能图像。

本实施例中将充电正常热能图像和放电正常热能图像进行时序合并，以获得工作正常热能图像。同样，将充电异常热能图像和放电异常热能图像进行时序合并，以获得工作异常热能图像。

本发明将工作热能图像集分类成充电热能图像集和放电热能图像集有助于区分电池在不同工作状态下的热能特征。这可以帮助监测电池在充电和放电过程中的温度变化，为异常检测提供基础数据。通过对充电热能图像进行频谱异常检测，可以识别出在充电时出现的异常热能情况。这有助于提前发现充电过程中的问题，以防止电池过热或其他异常情况。构建异常热能分类模型可以根据充电热能图像的特征将其分类为正常和异常情况。这有助于自动化异常检测，并可以用于实时监测电池的工作状态。通过统计分析放电热能图像的高频热能组件，可以识别电池内部的高频温度变化情况。这有助于检测短时间内的异常情况，例如热点或温度突增。计算放电热能图像中组件的温度峰值有助于了解电池内部温度的极值情况。这可以用于检测潜在的过热问题或异常温度峰值情况。提取异常组件温度峰值可以帮助识别放电过程中可能存在的异常情况。通过设置预设的温度峰值阈值，可以筛选出异常的温度峰值，以进行后续分析。根据异常组件温度峰值和高频热能组件构建异常放电热能画像有助于可视化和理解电池放电时的异常情况。这可以帮助操作人员更容易地识别问题。通过异常热能分类模型，可以将放电热能图像分类为正常和异常情况。这有助于自动化异常检测，及早发现电池放电过程中的问题。将充电正常热能图像和放电正常热能图像时序合并有助于创建工作正常热能图像序列，以用于电池的整体性能分析。同样，将充电异常热能图像和放电异常热能图像时序合并有助于跟踪电池的异常情况并进行进一步的故障诊断。

可选地，步骤S142具体为：

对充电热能图像集进行傅里叶变换，从而获得充电频谱图；

本实施例中将充电热能图像集转换为灰度图像，确保数据格式的一致性。对每张热能图像执行傅里叶变换，将时域信号转换为频域信号。从傅里叶变换结果中获取频谱图，表示不同频率分量的振幅信息。

对充电频谱图进行频谱偏移量计算，从而获得充电频谱偏移量；

本实施例中从生成的频谱图中选择一个正常状态下的频谱作为基准。对比每个频率分量的振幅，计算其相对于基准频谱的偏移量。

获取电源电气数据，并对电源电气数据进行波动量计算，从而获得电源波动量；

本实施例中利用电源电气数据，计算电压和电流的波动量，例如标准差，用以评估电源的稳定性。

利用电源波动量对充电频谱偏移量进行异常偏移量检测，从而获得异常频谱偏移量以及正常频谱偏移量；

本实施例中设定阈值或使用统计方法，将频谱偏移量与电源波动量关联，检测是否存在异常频谱偏移量。

根据异常频谱偏移量对充电频谱图进行异常频谱段提取，从而获得充电异常频谱图；

本实施例中根据异常频谱偏移量的检测结果，定位频谱图中对应的异常频谱段。从频谱图中提取出异常频谱段，这些段可能包含充电过程中的问题或异常。

根据正常频谱偏移量对充电频谱图进行正常频谱段提取，从而获得充电正常频谱图；

本实施例中根据正常频谱偏移量，定位频谱图中对应的正常频谱段。从频谱图中提取出正常频谱段，这些段代表了正常的充电状态。

对充电异常频谱图以及充电正常频谱图进行逆傅里叶变换，从而获得充电正常热能图像以及充电异常热能图像。

本实施例中对异常频谱图和正常频谱图执行逆傅里叶变换，将频域信号还原为时域信号。得到充电异常热能图像和充电正常热能图像，这些图像展示了异常和正常充电状态下的热能分布。

本发明中的傅里叶变换将时域的充电热能图像转换为频域的充电频谱图。这有助于分析电池工作时的频率分布，可能揭示出在频域上的特定热能变化。计算频谱偏移量可以识别频谱图中的特定频率成分的偏移情况。这有助于检测频率成分的变化，这反映电池内部的问题或变化。电源电气数据可以提供电池充电过程中电流和电压的信息。计算波动量有助于了解电源稳定性，以及是否存在电源波动对充电过程的影响。通过与电源波动量的关联，可以检测到是否存在异常的频谱偏移量。这可以帮助识别电池充电过程中的异常情况，如电源不稳定或其他干扰。提取异常频谱段可以帮助将频谱图中与异常频率偏移相关的部分分离出来。这有助于更清晰地可视化电池充电过程中的异常情况。提取正常频谱段可以将与正常频率偏移相关的部分从频谱图中分离出来。这有助于识别正常充电情况下的频率成分。逆傅里叶变换将频域的频谱图还原为时域的热能图像。这有助于将频谱分析结果转化为可视化的图像，进一步分析充电过程中的异常情况。

可选地，步骤S2具体为：

步骤S21：根据分类热能图像进行三维空间插值，从而获得三维温度分布图；

本实施例中使用插值技术将分类后的热能图像数据转化为连续的三维温度分布图。一种常见的插值方法是使用三维样条插值。首先，将分类后的热能图像数据点在三维空间中进行网格化，然后利用样条插值方法填充网格中的空白区域，生成连续的三维温度分布。例如将分类后的热能图像数据点放置在三维坐标网格中，其中每个网格单元代表一个离散的温度值。使用三维样条插值算法，如B样条或三次Hermite插值，对数据点进行插值，以生成连续的温度分布。根据数据特性和所需的精度，调整插值算法的参数，确保生成的三维温度分布图与原始数据的拟合程度。可选地，将生成的三维温度场进行可视化，以便更好地理解温度分布的空间特性。

步骤S22：对三维温度分布图进行几何结构数据提取，从而获得几何结构数据；

本实施例中根据温度分布图的数值特征，采用适当的阈值分割方法将电池区域与周围环境分离。通过图像处理技术，如连通组件分析或边缘检测，提取电池的轮廓和几何特征，例如长宽高、体积和形状。确定电池在三维空间中的准确位置，通常通过标定或相对坐标计算。将提取的几何结构数据保存为电池的三维模型，这可以是三维点云、CAD模型或其他适合应用的数据格式。

步骤S23：根据几何结构数据构建锂电池几何模型；

本实施例中使用CAD软件或三维建模工具，根据提取的几何结构数据创建电池的三维模型。确保几何模型与实际电池的形状和尺寸相符，可以在模型中包括电极、隔膜、电解质等关键组件。选择适当的文件格式保存几何模型，例如STL、STEP或其他支持的格式。根据建模的几何数据对模型进行验证，确保其准确性和一致性。

步骤S24：对锂电池多物理场图像集进行锂离子浓度图提取以及电流分布图提取，从而获得锂离子浓度图以及电流分布图；

本实施例中对多物理场图像进行预处理，包括去噪、图像增强和校正，以确保图像质量。使用图像处理技术，如阈值分割或特征提取，从多物理场图像中提取锂离子浓度分布信息。使用电流传感器数据或电场模拟结果，将电流分布信息映射到多物理场图像上，以获得电流分布图。将提取的锂离子浓度图和电流分布图保存为相应的数据文件或图像文件，以备后续使用。

步骤S25：根据锂电池几何模型对三维温度分布图、锂离子浓度图以及电流分布图进行多物理场耦合仿真，从而获得三维温度场模拟数据。

本实施例中选择合适的仿真软件，如COMSOL Multiphysics、ANSYS等，支持多物理场耦合仿真。导入锂电池的几何模型，确保模型准确反映电池的结构。定义温度场的初始和边界条件。这可以包括电池表面的散热条件、电流输入条件等。设定锂离子扩散和迁移的物理参数，如扩散系数、迁移率等。设置电流场的输入条件，考虑电极和电解质的电导率等因素。将温度场、锂离子浓度场和电流场耦合起来。这可以通过设定耦合方程、制定相应的物理规律来实现。考虑热电效应，即电流通过电池内部时产生的热效应，这将影响温度场的演变。使用数值求解器对建立的多物理场耦合模型进行求解。这将生成在整个电池内部的时间演变的三维温度场、锂离子浓度分布和电流分布。提取仿真结果，包括三维温度场、锂离子浓度图和电流分布图。使用数据分析工具（如MATLAB、Python等）进行结果的后处理，以获得关键的性能指标和趋势。可视化仿真结果，例如生成时序图、三维表面图等，以更好地理解电池内部物理场的耦合演化。

本发明通过插值，可以从离散的分类热能图像中生成连续的三维温度分布图。这有助于实现更准确的温度场表示，为后续分析提供了高分辨率的数据。提取几何结构数据可以识别电池的形状、尺寸和内部结构。这对于建立准确的电池几何模型至关重要，并有助于后续的多物理场仿真。准确的几何模型是电池仿真的基础。它允许模拟电池内部温度、电流、离子浓度等参数的分布，并可用于预测电池性能和安全性。提取锂离子浓度图和电流分布图提供了电池内部的关键物理信息。锂离子浓度图可用于分析锂离子在电池中的分布，电流分布图可用于了解电流密度分布。这两者都是多物理场仿真的输入。多物理场仿真将不同物理参数（温度、锂离子浓度、电流等）耦合在一起，模拟电池的复杂行为。这有助于预测电池在不同工作条件下的性能，识别潜在的热点区域、安全问题以及电池寿命影响因素。

可选地，步骤S24具体为：

根据三维温度分布图进行温度数值模拟，从而获得模拟温度分布数据；

本实施例中在仿真软件中，导入锂电池的三维几何模型。设定初始温度分布和边界条件，例如周围环境温度和散热条件。使用热传导方程模拟温度的时间演化。选择适当的数值方法（如有限元法或有限差分法）和时间步长进行数值求解，以获得模拟温度分布数据。

对锂离子浓度图进行锂离子浓度数值模拟，从而获得模拟浓度分布数据；

本实施例中设定锂离子扩散和迁移的初始条件和边界条件，包括电池内的初始浓度和电极的锂离子注入条件。使用扩散-迁移方程模拟锂离子浓度的演化。选择合适的数值方法和网格密度，进行数值求解，以获得模拟浓度分布数据。

基于电流分布图进行电流密度数值模拟，从而获得模拟电流密度分布数据；

本实施例中设定电流输入条件，即电池的电流密度分布。这可以根据电池的工作状态和用途来确定。使用电流传输方程模拟电流密度的分布。选择适当的数值方法和网格密度，进行数值求解，以获得模拟电流密度分布数据。

根据模拟温度分布数据、模拟浓度分布数据以及模拟电流密度分布数据构建三维模拟分布数据；

本实施例中将模拟温度分布数据、模拟浓度分布数据以及模拟电流密度分布数据整合到一个共同的数据结构中，可以构建三维模拟分布数据。每个数据点包括温度、锂离子浓度和电流密度的数值。这些数据将用于后续的多物理场耦合仿真。

根据三维温度分布图、锂离子浓度图以及电流分布图进行耦合参数计算，从而获得多物理场耦合参数；

本实施例中根据三维温度分布图、锂离子浓度图以及电流分布图建立耦合参数模型，考虑温度、锂离子浓度和电流密度之间的相互影响。通过数值方法，例如有限元法，计算这些参数。这些参数将用于将不同物理场耦合在一起。

基于三维模拟分布数据以及多物理场耦合参数对三维温度分布图进行多物理场耦合仿真，从而获得三维温度场模拟数据。

本实施例中使用建立的多物理场耦合模型，将温度、锂离子浓度和电流密度的分布数据耦合在一起。通过数值求解器对这个多物理场模型进行求解，获得三维温度场的模拟数据。这个模拟数据将反映锂电池内部温度在不同工作条件下的演化。

本发明通过数值模拟，可以根据实际的三维温度分布图像来预测电池内部的温度分布。这有助于了解电池在不同工况下的温度变化，以及潜在的热点区域。数值模拟锂离子浓度分布可以帮助理解锂离子在电池内的分布情况。这对于优化电池的充电和放电性能以及预测锂离子扩散行为非常重要。模拟电流密度分布有助于了解电池内部的电流流动情况。这对于评估电池的性能和安全性，以及预测电流分布不均匀性非常重要。将不同物理参数的模拟数据结合在一起可以创建全面的电池模拟数据，这些数据对于多物理场仿真和性能预测非常关键。通过计算多物理场的耦合参数，可以了解电池内部各种物理过程之间的相互影响。这有助于更准确地模拟电池行为，并识别可能的性能瓶颈或安全风险。多物理场耦合仿真将温度、锂离子浓度、电流密度等多个物理参数耦合在一起，使能够更全面地理解电池的行为。这对于电池设计、优化和安全性评估非常关键，可以帮助预测电池在不同工作条件下的性能和安全性。

可选地，步骤S3具体为：

通过温度可控系数计算公式对锂电池工况数据以及三维温度场模拟数据进行计算，从而获得温度可控系数数据；

本实施例中通过温度可控系数计算公式对锂电池工况数据以及三维温度场模拟数据进行温度可控系数计算。

其中，温度可控系数计算公式具体为：

；

式中，为温度可控系数，为工作时间，为锂电池的初始温度，为锂电池的冷却温度，为随时间的温度变化量，为三维温度场模拟数据的最高温度，为三维温度场模拟数据的最低温度，为锂电池的平均工作温度。

本发明构造了一个温度可控系数计算公式，用于对锂电池工况数据以及三维温度场模拟数据进行计算。该公式充分考虑了影响温度可控系数的工作时间，锂电池的初始温度，锂电池的冷却温度，随时间的温度变化量，三维温度场模拟数据的最高温度，三维温度场模拟数据的最低温度，锂电池的平均工作温度，形成了函数关系：

；

其中，这部分是对锂电池温度与时间的自然对数变化率的导数。它测量锂电池温度随时间的变化速率，并考虑了初始温度和冷却温度的影响。这是锂电池温度与平均工作温度和最低温度之间的归一化差异。它测量当前温度与平均工作温度之间的相对位置。这是平均工作温度与最低温度之间归一化差异的导数，表示平均工作温度与最低温度随时间的变化率。用于标准化平均工作温度与最低温度之间的变化率，以确保在计算时不受时间尺度的影响。整个公式的核心是将上述两个部分的乘积积分从0到，其中代表三维温度场模拟数据的最高温度。这个积分的目的是将锂电池温度随时间的变化考虑在内，并与平均工作温度和最低温度之间的变化相互关联。这个公式的结果TCR代表了锂电池温度受到各种因素（包括初始温度、冷却温度、平均工作温度以及时间变化）的综合影响，以评估锂电池在不同温度条件下的可控性。高TCR值表示锂电池在不同温度条件下更容易受到控制，而低TCR值可能意味着锂电池在温度波动下更容易失去控制。这有助于评估锂电池系统的稳定性和温度管理性能。本领域中，可以使用实际的温度数据和相关数学方法（例如数值模拟、统计分析等方法）来评估温度控制性能。通过使用本发明提供的温度可控系数计算公式，可以更精确的计算出温度可控系数。

根据温度可控系数数据进行范围划分，从而获得锂电池温度可控范围。

本实施例中由电池的最低允许温度和最高允许温度来定义锂电池的温度范围。将温度范围划分为多个温度段，例如每5摄氏度一个段。对每个温度段计算温度可控系数的均值、标准差等统计信息。基于统计信息，确定可控系数的上下限值，将这些值与锂电池的温度范围进行比较。这样可以确定哪些温度范围内的可控系数在可接受范围内，哪些不在。

本发明通过计算温度可控系数，可以评估锂电池的温度敏感性。这是非常重要的，因为锂电池的性能和安全性都与温度密切相关。获得温度可控系数数据后，可以更好地了解电池在不同温度下的行为，从而更好地管理电池的性能和安全性。将温度可控系数数据分析并划分为不同的范围可以帮助确定电池的工作温度范围。这是关键的，因为电池在过高或过低的温度下可能会受到损害，影响其性能和寿命。获得温度可控范围后，可以更好地规定电池的操作条件，以确保其在安全和有效的温度范围内运行。

可选地，步骤S4中的热失控最小化计算具体为：

通过热失控概率计算公式对工作温度预测数据进行热失控概率计算，从而获得热失控概率；

本实施例中通过热失控概率计算公式对工作温度预测数据进行计算。

其中，热失控概率计算公式具体为：

；

式中，为热失控概率，为自然对数的底数，为锂电池的瞬时工作温度，为锂电池热失控阈值温度，为锂电池的瞬时电流，为锂电池的瞬时电压，为锂电池的电阻，为模拟工作时间，为温度权重；

本发明构造了一个热失控概率计算公式，用于对工作温度预测数据进行热失控概率计算。该公式充分考虑了影响热失控概率的自然对数的底数，锂电池的瞬时工作温度，锂电池热失控阈值温度，锂电池的瞬时电流，锂电池的瞬时电压，锂电池的电阻，模拟工作时间，温度权重，形成了函数关系：

；

其中，这部分表示锂电池的瞬时工作温度与热失控阈值温度之间的差值。如果当前温度高于热失控阈值温度，则差值为正，否则为负。为温度权重，这个参数用于调整温度对热失控概率的影响。较大的值表示温度对热失控的影响更大。这部分包括锂电池的瞬时电流和瞬时电压的比值，取其自然对数。这部分表示电流和电压对热失控概率的影响，其中电流越大，电压越小，热失控概率可能会增加。这部分包括锂电池的电阻以及电压随时间的变化率的平方根和四次方根的组合。这部分表示电池内部电阻和电压变化率对热失控概率的影响。较大的电阻和电压变化率可能增加热失控的风险。整个公式将这些因素组合在一起，通过一系列数学运算来计算热失控概率。这个概率值用于评估锂电池在给定条件下发生热失控的可能性。高的热失控概率表示锂电池在当前工作条件下更容易受到热失控的影响，而低的概率表示较低的风险。这个公式可以用来帮助评估和管理锂电池的安全性。在本领域中，计算热失控概率是一个重要的安全性评估步骤，以确定锂电池在特定条件下可能发生过热、爆炸或火灾等危险情况的概率。计算热失控概率通常涉及数值模拟、建立数学模型等技术手段。通过使用本发明提供的热失控概率计算公式，可以更精确的计算出热失控概率。

根据热失控概率对工作温度预测数据进行分类计算，从而获得热失控温度预测数据以及正常温度预测数据；

本实施例中将工作温度预测数据与相应的热失控概率进行关联。使用机器学习方法，例如随机森林或支持向量机，训练一个分类模型，以将温度数据分为两类：热失控和正常。这个模型可以根据输入的工作温度数据预测其可能属于热失控或正常状态。

根据锂电池温度可控范围对热失控温度预测数据以及正常温度预测数据进行概率最小化调整，从而获得热失控调整数据。

本实施例中为了确保热失控温度预测数据和正常温度预测数据在锂电池温度可控范围内，可以使用优化算法，如贝叶斯优化，调整这些温度值，以最小化超出范围的概率。

本发明通过热失控概率计算，可以量化锂电池在给定工作温度下发生热失控的可能性。这是非常关键的，因为热失控可能导致电池发生火灾或爆炸，对人身安全和财产造成威胁。准确的热失控概率计算可以帮助您识别潜在的风险，并采取适当的措施来预防事故。将工作温度预测数据根据热失控概率分为热失控温度预测数据和正常温度预测数据，能够明确知道在给定条件下，哪些情况可能导致热失控。这种分类有助于集中关注高风险温度范围，以便及早采取预防措施，确保电池系统的安全运行。将热失控温度预测数据和正常温度预测数据根据锂电池温度可控范围进行概率最小化调整，可以使得热失控概率降至最低。这种调整确保了锂电池在其安全工作温度范围内运行，最小化了发生热失控的概率。通过这种调整，可以在实际应用中更安全、更可靠地使用锂电池系统。

可选地，本说明书还提供一种锂离子电池温度控制系统，用于执行上述锂离子电池温度控制方法，该锂离子电池温度控制系统包括：

异常热能检测模块，用于通过预设的传感器获取锂电池多物理场图像集以及锂电池工况数据，并对锂电池多物理场图像集进行异常热能检测，从而获得分类热能图像集；

物理场仿真模块，用于根据分类热能图像集构建三维温度分布图，并对三维温度分布图进行多物理场耦合仿真，从而获得三维温度场模拟数据；

温度可控范围计算模块，用于对锂电池工况数据以及三维温度场模拟数据进行温度可控范围计算，从而获得锂电池温度可控范围；

预测模型构建模块，用于根据三维温度场模拟数据构建锂电池温度预测模型；

电池工作温度预测模块，用于获取实时锂电池热能图像，利用锂电池温度预测模型对实时锂电池热能图像以及锂电池工况数据进行电池工作温度预测，从而获得工作温度预测数据；

温度调整模块，用于根据锂电池温度可控范围对工作温度预测数据进行热失控最小化计算，从而获得热失控调整数据，并根据热失控调整数据对锂电池工况数据进行适应性校正，从而获得锂电池温度调整数据。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种锂离子电池温度控制方法，其特征在于，包括以下步骤：

步骤S1：通过预设的传感器获取锂电池多物理场图像集以及锂电池工况数据，并对锂电池多物理场图像集进行异常热能检测，从而获得分类热能图像集；

步骤S2：根据分类热能图像集构建三维温度分布图，并对三维温度分布图以及锂电池多物理场图像集进行多物理场耦合仿真，从而获得三维温度场模拟数据；

步骤S3：对锂电池工况数据以及三维温度场模拟数据进行温度可控范围计算，从而获得锂电池温度可控范围；

其中，步骤S3包括：

通过温度可控系数计算公式对锂电池工况数据以及三维温度场模拟数据进行计算，从而获得温度可控系数数据；

其中，温度可控系数计算公式具体为：

；

式中，为温度可控系数，为工作时间，为锂电池的初始温度，为锂电池的冷却温度，为随时间的温度变化量，为三维温度场模拟数据的最高温度，为三维温度场模拟数据的最低温度，为锂电池的平均工作温度；

根据温度可控系数数据进行范围划分，从而获得锂电池温度可控范围；

步骤S4：根据三维温度场模拟数据构建锂电池温度预测模型；

步骤S5：获取实时锂电池热能图像，利用锂电池温度预测模型对实时锂电池热能图像以及锂电池工况数据进行电池工作温度预测，从而获得工作温度预测数据；

步骤S6：根据锂电池温度可控范围对工作温度预测数据进行热失控最小化计算，从而获得热失控调整数据，并根据热失控调整数据对锂电池工况数据进行适应性校正，从而获得锂电池温度调整数据；

其中，步骤S6包括：

通过热失控概率计算公式对工作温度预测数据进行热失控概率计算，从而获得热失控概率；

其中，热失控概率计算公式具体为：

；

式中，为热失控概率，为自然对数的底数，为锂电池的瞬时工作温度，为锂电池热失控阈值温度，为锂电池的瞬时电流，为锂电池的瞬时电压，为锂电池的电阻，为模拟工作时间，为温度权重；

根据热失控概率对工作温度预测数据进行分类计算，从而获得热失控温度预测数据以及正常温度预测数据；

根据锂电池温度可控范围对热失控温度预测数据以及正常温度预测数据进行概率最小化调整，从而获得热失控调整数据。

2.根据权利要求1所述的锂离子电池温度控制方法，其特征在于，步骤S1具体为：

步骤S11：通过预设的传感器获取锂电池多物理场图像集以及锂电池工况数据；

步骤S12：对锂电池多物理场图像集进行热能图像集提取，从而获得锂电池热能图像集；

步骤S13：对锂电池热能图像集进行锂电池闲置热能图像提取以及锂电池工作热能图像提取，从而获得闲置热能图像集以及工作热能图像集；

步骤S14：对闲置热能图像集进行闲置异常热能检测，从而获得闲置异常热能图像以及闲置正常热能图像；

步骤S15：对工作热能图像集进行工作异常热能检测，从而获得工作异常热能图像以及工作正常热能图像；

步骤S16：将闲置异常热能图像、闲置正常热能图像、工作异常热能图像以及工作正常热能图像进行时序合并，从而获得分类热能图像集。

3.根据权利要求2所述的锂离子电池温度控制方法，其特征在于，步骤S13具体为：

步骤S131：对闲置热能图像集进行时序提取，从而获得闲置时序数据，并对闲置时序数据进行比较分析，从而获得长闲置时序数据以及短闲置时序数据；

步骤S132：按照预设的时间比例对闲置热能图像集进行局部温度极值提取，从而获得局部温度极值；

步骤S133：利用局部温度极值以及闲置时序数据进行温度梯度计算，从而获得局部温度梯度数据；

步骤S134：对局部温度梯度数据进行统计分析，从而获得高频温度梯度数据以及低频温度梯度数据；

步骤S135：根据短闲置时序数据以及高频温度梯度数据对闲置热能图像集进行交集数据筛选，从而获得闲置正常热能图像；

步骤S136：根据长闲置时序数据以及低频温度梯度数据对闲置热能图像集进行交集数据筛选，从而获得闲置异常热能图像。

4.根据权利要求3所述的锂离子电池温度控制方法，其特征在于，步骤S14具体为：

步骤S141：根据锂电池工况数据对工作热能图像集进行工作图像集分类，从而获得充电热能图像集以及放电热能图像集；

步骤S142：对充电热能图像集进行频谱异常检测，从而获得充电正常热能图像以及充电异常热能图像；

步骤S143：根据充电正常热能图像以及充电异常热能图像构建异常热能分类模型；

步骤S144：对放电热能图像集进行高频热能组件统计，从而获得高频热能组件；

步骤S145：对放电热能图像集进行组件温度峰值计算，从而获得组件温度峰值；

步骤S146：按照预设的温度峰值阈值对组件温度峰值进行异常温度峰值提取，从而获得异常组件温度峰值；

步骤S147：根据异常组件温度峰值以及高频热能组件构建异常放电热能画像；

步骤S148：通过异常热能分类模型，并利用异常放电热能画像对放电热能图像集进行分类计算，从而获得放电正常热能图像以及放电异常热能图像；

步骤S149：将充电正常热能图像以及放电正常热能图像进行时序合并，从而获得工作正常热能图像；将充电异常热能图像以及放电异常热能图像进行时序合并，从而获得工作异常热能图像。

5.根据权利要求4所述的锂离子电池温度控制方法，其特征在于，步骤S142具体为：

对充电热能图像集进行傅里叶变换，从而获得充电频谱图；

对充电频谱图进行频谱偏移量计算，从而获得充电频谱偏移量；

获取电源电气数据，并对电源电气数据进行波动量计算，从而获得电源波动量；

利用电源波动量对充电频谱偏移量进行异常偏移量检测，从而获得异常频谱偏移量以及正常频谱偏移量；

根据异常频谱偏移量对充电频谱图进行异常频谱段提取，从而获得充电异常频谱图；

根据正常频谱偏移量对充电频谱图进行正常频谱段提取，从而获得充电正常频谱图；

对充电异常频谱图以及充电正常频谱图进行逆傅里叶变换，从而获得充电正常热能图像以及充电异常热能图像。

6.根据权利要求5所述的锂离子电池温度控制方法，其特征在于，步骤S2具体为：

步骤S21：根据分类热能图像进行三维空间插值，从而获得三维温度分布图；

步骤S22：对三维温度分布图进行几何结构数据提取，从而获得几何结构数据；

步骤S23：根据几何结构数据构建锂电池几何模型；

步骤S24：对锂电池多物理场图像集进行锂离子浓度图提取以及电流分布图提取，从而获得锂离子浓度图以及电流分布图；

步骤S25：根据锂电池几何模型对三维温度分布图、锂离子浓度图以及电流分布图进行多物理场耦合仿真，从而获得三维温度场模拟数据。

7.根据权利要求6所述的锂离子电池温度控制方法，其特征在于，步骤S24具体为：

根据三维温度分布图进行温度数值模拟，从而获得模拟温度分布数据；

对锂离子浓度图进行锂离子浓度数值模拟，从而获得模拟浓度分布数据；

基于电流分布图进行电流密度数值模拟，从而获得模拟电流密度分布数据；

根据模拟温度分布数据、模拟浓度分布数据以及模拟电流密度分布数据构建三维模拟分布数据；

根据三维温度分布图、锂离子浓度图以及电流分布图进行耦合参数计算，从而获得多物理场耦合参数；

基于三维模拟分布数据以及多物理场耦合参数对三维温度分布图进行多物理场耦合仿真，从而获得三维温度场模拟数据。

8.一种锂离子电池温度控制系统，其特征在于，用于执行如权利要求1所述的锂离子电池温度控制方法，该锂离子电池温度控制系统包括：

异常热能检测模块，用于通过预设的传感器获取锂电池多物理场图像集以及锂电池工况数据，并对锂电池多物理场图像集进行异常热能检测，从而获得分类热能图像集；

物理场仿真模块，用于根据分类热能图像集构建三维温度分布图，并对三维温度分布图进行多物理场耦合仿真，从而获得三维温度场模拟数据；

温度可控范围计算模块，用于对锂电池工况数据以及三维温度场模拟数据进行温度可控范围计算，从而获得锂电池温度可控范围；

预测模型构建模块，用于根据三维温度场模拟数据构建锂电池温度预测模型；

电池工作温度预测模块，用于获取实时锂电池热能图像，利用锂电池温度预测模型对实时锂电池热能图像以及锂电池工况数据进行电池工作温度预测，从而获得工作温度预测数据；

温度调整模块，用于根据锂电池温度可控范围对工作温度预测数据进行热失控最小化计算，从而获得热失控调整数据，并根据热失控调整数据对锂电池工况数据进行适应性校正，从而获得锂电池温度调整数据。