一种电池温度控制方法、装置、设备及存储介质与流程

1.本发明涉及动力电池技术领域，尤其涉及一种电池温度控制方法、装置、设备及存储介质。


背景技术：

2.近年来，随着电动汽车行业的大规模扩张，电动汽车动力电池的安全问题已经成为行业内亟待解决的问题。在动力电池充电的过程中，如果电池温度过低，充电速度就会变慢；如果电池温度过高，就有电池热失控等风险。在现有技术中，通常采用预设的充电规则和热管理部件对电池温度进行控制，但是这种控制方式存在过热控制或者过冷控制的可能，进而不利于提升电池的充电性能。因此，一种解决方案亟待提出。


技术实现要素：

3.本技术实施例提供一种电池温度控制方法、装置、设备及存储介质，用以较为准确地对电池温度进行控制，从而提高电池性能。
4.本技术实施例提供一种电池温度控制方法，包括：获取电池实时状态信息；根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值；所述控制参数用于控制所述电池达到目标状态；根据所述参数值，向所述电池的热管理部件发送控制指令，以使所述热管理部件根据所述控制指令对所述电池进行温度控制。
5.进一步可选地，根据所述参数值，向所述电池的热管理部件发送控制指令，包括：获取当前预测周期内多个时刻各自对应的参数值；根据所述多个时刻各自对应的参数值，生成控制指令对应的时间序列；将所述时间序列向所述热管理部件发送。
6.进一步可选地，根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值，包括：确定所述电池实时状态信息中的荷电状态；若所述荷电状态的值小于预设的荷电状态阈值，则根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值。
7.进一步可选地，根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值，包括：在当前预测周期内，将所述当前控制周期的温度期待值以及所述电池实时状态信息输入所述电池充电模型；采用所述差分进化算法，在所述电池充电模型中，计算使得所述电池的温度达到所述温度期待值的控制参数，作为所述电池的控制参数的优化值。
8.进一步可选地，采用所述差分进化算法，在所述电池充电模型中，计算使得所述电池的温度达到所述温度期待值的控制参数，包括：根据所述电池实时状态信息，查询预先生成的系数对照关系，得到所述电池充电模型的模型参数；计算所述电池充电模型中的所述控制参数的初始预测值；通过所述电池充电模型，根据所述模型参数、所述电池实时状态信息以及所述初始预测值，计算所述初始预测值对应的温度预测结果；根据所述温度预测结
果与所述温度期待值的误差，计算所述初始预测值的适应度；采用所述差分进化算法，根据所述初始预测值的适应度，对所述初始预测值进行迭代优化，得到所述控制参数的参数值。
9.进一步可选地，计算所述电池充电模型中的所述控制参数的初始预测值，包括：确定所述控制参数对应的寻优向量；根据设定的边界条件以及预设的公差，生成所述寻优向量对应的解种群；其中，所述边界条件包括：所述控制参数的由经验确定的上下边界。
10.进一步可选地，采用所述差分进化算法，根据所述初始预测值的适应度，对所述初始预测值进行迭代优化，得到所述控制参数的参数值，包括：将所述初始预测值作为原预测值；判断所述原预测值是否满足预设的适应度条件；若为是，则将所述原预测值作为所述参数值；若为否，则迭代执行以下操作以更新所述原预测值：通过预设的差分算子，对所述原预测值进行差分变异操作，得到所述原预测值的差分向量；采用所述原预测值的差分向量对所述原预测值进行交叉变异操作，得到所述原预测值的变异预测值；通过所述电池充电模型，计算所述变异预测值的适应度；若所述变异预测值的适应度优于所述原预测值的适应度，则将所述变异预测值作为更新后的原预测值，并重复执行所述判断的步骤。
11.本技术实施例还提供一种电池温度控制装置，包括：信息获取模块，用于：获取电池实时状态信息；参数计算模块，用于：根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值；所述控制参数用于控制所述电池达到目标状态；指令发送模块，用于：根据所述参数值，向所述电池的热管理部件发送控制指令，以使所述热管理部件根据所述控制指令对所述电池进行温度控制。
12.进一步可选地，所述指令发送模块在向所述电池的热管理部件发送控制指令时，具体用于：获取当前预测周期内多个时刻各自对应的优化参数值；根据所述多个时刻各自对应的优化参数值，生成控制指令对应的时间序列；将所述时间序列向所述热管理部件发送。
13.进一步可选地，所述参数计算模块在计算所述电池的控制参数的参数值时，具体用于：确定所述电池实时状态信息中的荷电状态；若所述荷电状态的值小于预设的荷电状态阈值，则根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值。
14.进一步可选地，所述参数计算模块在计算所述电池的控制参数的参数值时，具体用于：在当前预测周期内，将所述当前控制周期的温度期待值以及所述电池实时状态信息输入所述电池充电模型；采用所述差分进化算法，在所述电池充电模型中，计算使得所述电池的温度达到所述温度期待值的控制参数，作为所述电池的控制参数的优化值。
15.本技术实施例还提供一种电子设备，包括：存储器以及处理器；其中，所述存储器用于：存储一条或多条计算机指令；所述处理器用于执行所述一条或多条计算机指令，以用于：执行所述电池温度控制方法中的步骤。
16.本技术实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序被处理器执行时，致使处理器实现所述电池温度控制方法中的步骤。
17.本技术实施例提供的一种电池温度控制方法、装置、设备及存储介质中，可根据差分进化算法以及获取的电池实时状态信息，采用电池的电池充电模型计算电池的控制参数的参数值，并根据参数值向电池的热管理部件发送控制指令，以使热管理部件根据控制指令对电池进行温度控制。通过这种实施方式，通过差分进化算法的迭代寻优的方式，对电池
的控制参数的参数值进行求解，并根据该参数值对电池进行温度控制，从而可较为准确地对电池温度进行控制，从而提高电池性能。
附图说明
18.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
19.图1为本技术一示例性实施例提供的电池温度控制方法的流程示意图；
20.图2为本技术一示例性实施例提供的迭代优化的流程图；
21.图3为本技术一示例性实施例提供的实际应用场景下电池温度控制方法的流程图；
22.图4为本技术一示例性实施例提供的电池温度控制装置的结构示意图；
23.图5为本技术一示例性实施例提供的电子设备的结构示意图。
具体实施方式
24.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通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，都属于本技术保护的范围。
25.针对现有技术中，采用预设的充电规则和热管理部件对电池温度进行控制的方式存在过热控制或者过冷控制的可能，不利于提升电池的充电性能。针对这一技术问题，在本技术一些实施例中，提供了一种电池温度控制方法。
26.在该电池温度控制方法中，可根据差分进化算法以及获取的电池实时状态信息，采用电池的电池充电模型计算电池的控制参数的参数值，并根据参数值向电池的热管理部件发送控制指令。以下结合附图，详细说明本技术各实施例提供的技术方案。
27.图1为本技术一示例性实施例提供的电池温度控制方法的流程示意图，如图1所示，该方法包括：
28.步骤11、获取电池实时状态信息。
29.步骤12、根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值；所述控制参数用于控制所述电池达到目标状态。
30.步骤13、根据所述参数值，向所述电池的热管理部件发送控制指令，以使所述热管理部件根据所述控制指令对所述电池进行温度控制。
31.本实施例可由终端设备执行，该终端设备上可运行用于根据电池充电模型进行电池温度控制的计算机程序，在实际应用场景下，可由mpc(model predictive control，模型预测控制)控制器执行电池温度控制方法。
32.本实施例可包括预测周期和控制周期，在预测周期内可执行步骤11和步骤12，从而计算得到对电池的控制参数的参数值，之后，可在控制周期内执行步骤13，以根据参数值向电池的热管理部件发送控制指令。其中，一个控制周期对应一个预测周期，且该预测周期的结束时间早于该控制周期的开始时间，从而可在控制周期到达前，在预测周期内计算控
制所需的参数，并在控制周期到达后利用计算到的参数进行充电控制。
33.在本实施例中，终端设备可在当前预测周期到达时，获取电池实时状态信息。其中，电池实时状态信息指的是通过传感器对电池进行状态检测得到的可表示电池充电状态的信息。电池实时状态信息可包括：电池的实时温度、实时电压、实时电流以及荷电状态中的至少一种。比如电池实时状态信息可为：电池实时温度为51
°
以及实时电流为8a。需要说明的是，当前预测周期可以是电池开始充电后的第一个预测周期，也可以是电池充电过程中的任意非首个预测周期。若当期控制周期为第一个预测周期，则电池实时状态信息可以是电池开始充电后的第一个预测周期内获取的电池状态信息；若当前控制周期为电池充电过程中的非首个预测周期，则电池实时状态信息可以是上一控制周期结束后的更新后的电池状态信息。
34.其中，车辆的电池充电过程中，热学过程主要体现为产热与散热的平衡。其中，产热包括：充电电流流经电池内阻由焦耳定律产生热量、ptc(positive temperature coefficient，正温度系数热敏电阻)或汽车其他热源给电池加热带来热量；散热包括：电池温度与外界环境温度存在温差导致的自然散热带走的热量、压缩机或汽车其他冷源(例如水泵)从电池强制换热带走的热量。
35.基于此，在本实施例中，可对上述影响产热与散热的水泵、ptc以及压缩机等部件进行控制，从而实现对电池的温度进行控制。
36.在本实施例中，可建立电池充电模型来描述电池温度与水泵、ptc以及压缩机等部件的控制参数之间的关系。在需要对电池进行温度控制时，可通过电池充电模型计算水泵、ptc以及压缩机等部件的较优的控制参数，从而控制上述部件按照控制参数运行。
37.获取电池实时状态信息后，可根据差分进化算法以及当前控制周期的电池实时状态信息，采用电池的电池充电模型，计算电池的控制参数的参数值。其中，控制参数用于控制电池达到目标状态。其中，目标状态可包括：电池的实时温度达到期待值、电池的实时电压达到期待值或者荷电状态的值达到期待值。
38.其中，控制参数用于对与电池的温度相关的上述部件进行控制，控制参数可包括：水泵开度(pump，简称pmp)、ptc热敏电阻功率p
ptc
以及压缩机转速(compressor，简称cmp)。其中，差分进化算法(differential evolution algorithm，de)是一种高效的全局优化算法和基于群体的启发式搜索算法，可对待求解变量进行迭代优化，以解决最优解问题。其中，参数值指的是通过差分进化算法进行迭代寻优之后的控制参数的参数值。其中，电池充电模型可为关于电池实时状态信息和控制参数的函数。示例地，电池充电模型可为t＝f(a，x，y)，其中，a为电池充电模型的参数(系数)，x为控制参数，y为电池实时状态信息，t为预测得到的电池温度。电池充电模型的参数(系数)，即待辨识的参数，可通过差分进化算法预先进行辨识，辨识后可得到参数(系数)和电池实时状态信息的对应关系。基于该对应关系，可根据实时状态信息得到电池充电模型的参数(系数)。
39.基于上述步骤得到的参数值，在当前控制周期到达时，根据参数值，向电池的热管理部件发送控制指令，以使热管理部件根据控制指令对电池进行温度控制。
40.在本实施例中，可根据差分进化算法以及获取的电池实时状态信息，采用电池的电池充电模型计算电池的控制参数的参数值，并根据参数值向电池的热管理部件发送控制指令，以使热管理部件根据控制指令对电池进行温度控制。通过这种实施方式，通过差分进
化算法的迭代寻优的方式，对电池的控制参数的参数值进行求解，并根据该参数值对电池进行温度控制，从而可较为准确地对电池温度进行控制，从而提高电池性能。
41.在一些可选的实施例中，控制参数的参数值，包括：当前预测周期内的多个时刻各自对应的参数值。比如，控制参数的参数值可为t1时刻对应的参数值为c1、t2时刻对应的参数值为c2以及t3时刻对应的参数值为c3。
42.基于此，前述实施例中的根据参数值，向电池的热管理部件发送控制指令时，根据多个时刻各自对应的参数值，生成控制指令对应的时间序列。比如，时间序列为t0时刻的控制指令l0、t1时刻的控制指令l1、t2时刻的控制指令l2、t3时刻的控制指令l3、t4时刻的控制指令l4以及t5时刻的控制指令l5。
43.考虑到对电池温度的控制过程存在热惯性，电池的温度不会因控制指令而瞬间变化到温度期待值，因此，生成时间序列之后，可将时间序列中排序靠前的指定数量个控制指令或者全部的控制指令输出到热管理部件，以使电池处于预设的目标温度。其中，指定数量可为2、3或4等值，本实施例不做限制，沿用前述例子进行举例，若指定数量为2，可将排序靠前的2个控制指令l0和l1输出到热管理部件。通过这种实施方式，将时间序列中的一部分控制指令输出到热管路部件，无需频繁更改热管理部件的相关参数，缩短了控制周期，从而降低热管理部件的功耗。
44.在一些可选的实施例中，可根据以下两种实施方式判断是否结束上述预测和控制的过程。以下将进行详细说明。
45.在一种实施方式中，在向电池的热管理部件发送控制指令之后，可获取电池的更新后的状态信息；更新后的状态信息包括：荷电状态(soc，state of charge)。其中，荷电状态指的是电池剩余容量与其完全充电状态的容量的比值。
46.若荷电状态的值小于预设的荷电状态阈值，则进入下一预测周期，即继续重复步骤11-步骤13。其中，预设的荷电状态阈值可为100％、99％或98％等等，本实施例不做限制。
47.若荷电状态的值大于或等于预设的荷电状态阈值，则停止发送控制指令，即结束温度控制过程。
48.在另一种实施方式中，在计算电池的控制参数的参数值时，可确定电池实时状态信息中的荷电状态。若荷电状态的值小于预设的荷电状态阈值，则根据差分进化算法以及电池实时状态信息，采用电池的电池充电模型，计算电池的控制参数的参数值。若荷电状态的值大于或等于预设的荷电状态阈值，则停止发送控制指令，即结束温度控制过程。
49.在一些可选的实施例中，前述实施例记载的步骤12“根据差分进化算法以及电池实时状态信息，采用电池的电池充电模型，计算电池的控制参数的参数值”，可基于以下步骤实现。
50.在当前预测周期内，将当前控制周期的温度期待值以及电池实时状态信息输入电池充电模型。其中，温度期待值指的是当前预测周期内电池的预期温度。
51.采用差分进化算法，在电池充电模型中，根据输入的电池实时状态信息，计算使得电池的温度达到温度期待值的控制参数，作为电池的控制参数的优化值。
52.示例地，电池当前温度为55
°
，在当前预测周期内，将当前控制周期的温度期待值45
°
以及电池实时状态信息输入电池充电模型。采用差分进化算法，在电池充电模型中，根据电池实时状态信息，计算使得电池的温度达到温度期待值45
°
的控制参数，得到控制参
数：水泵开度pmp＝0.5、ptc热敏电阻功率p
ptc
＝90w以及压缩机转速cmp＝1000r/min，并将该控制参数的值作为电池的控制参数的优化值。
53.在一些可选的实施例中，采用差分进化算法，在电池充电模型中，计算使得电池的温度达到温度期待值的控制参数，可基于以下步骤实现。
54.根据电池实时状态信息，查询预先生成的系数对照关系，得到电池充电模型的模型参数。前述实施例中记载了“电池充电模型的参数(系数)，即待辨识的参数，可通过差分进化算法预先进行辨识，辨识后可得到参数(系数)和电池实时状态信息的对应关系”，在辨识后可生成系数对照关系。这种对照关系可实现为一维表或二维表，本步骤可通过查表操作，得到电池充电模型的模型参数。比如，从电池热容与电池温度的一维表中查询系数对照关系，在电池温度已知的情况下，可得到该电池温度对应的电池热容。
55.得到模型参数后，可计算电池充电模型中的控制参数的初始预测值。其中，初始预测值指的是通过差分进化算法计算出的一组控制参数的解。以控制参数水泵开度pmp为例，计算得到控制参数的初始预测值可为pmp＝0.1、pmp＝0.3、pmp＝0.5和pmp＝0.7等。
56.基于上述步骤，可通过电池充电模型，根据模型参数、电池实时状态以及初始预测值，计算初始预测值对应的温度预测结果。比如，计算得到pmp＝0.1对应的温度预测结果为55
°
、pmp＝0.3对应的温度预测结果为53.5
°
、pmp＝0.5对应的温度预测结果为50
°
以及pmp＝0.7对应的温度预测结果为47
°
57.根据温度预测结果与温度期待值的误差，计算初始预测值的适应度。其中，误差可为平方根误差，可为绝对误差，也可为均方根误差，等等，本实施例不做限制。示例地，可利用预设的适应度函数计算适应度，适应度函数可包括：平均绝对误差(mean absolute deviation，mae)、均方根误差函数(root mean squared error,rmse)、绝对误差或平方差函数等等，本实施例不做限制。其中，适应度可作为初始预测值被评价的依据，根据适应度可反映出初始预测值的优秀程度。初始预测值的适应度越符合预设条件，初始预测值越优秀。若适应度函数实现为绝对误差函数，则对于任一预测值而言，其适应度越小，则意味着温度预测结果越接近温度期待值，即预测值越优秀。比如，适应度通过绝对误差函数计算得到，初始预测值为参数解a1、参数解a2、参数解a3和参数解a4共四组参数解，计算得到的a1-a4的适应度分别为1，2，3和4，那么a1-a4这四组参数解按照适应度从大到小的排序依次是a1、a2、a3、a4。绝对误差越小，意味着控制参数的初始预测值与最优值越接近。
58.计算初始预测值的适应度之后，可采用差分进化算法，根据初始预测值的适应度，对初始预测值进行迭代优化，得到控制参数的参数值。其中，差分进化算法中的迭代优化，旨在通过不断地进化，保留优良的参数解，淘汰劣质的参数解，引导参数解向最优解逼近。其中，参数值指的是经过迭代寻优之后的控制参数的参数值。
59.假设，适应度采用绝对误差函数计算得到，适应度为绝对误差，预期条件为适应度小于0.5。初始预测值中的参数解a1、参数解a2、参数解a3和参数解a4的适应度分别为1，2，3和4，参数解a1-a4不符合适应度小于0.5的预期条件。通过对上述参数解不断地迭代优化，得到了参数解a100-a104共四组参数解，a100-a104的适应度值分别为0.8、0.7、0.6和0.4，那么a104符合预期要求，即，a104为参数值。
60.通过这种实施方式，可利用差分进化算法对参数解进行迭代优化，提高了电池参数计算的效率和准确率。
61.在一些可选的实施例中，计算电池充电模型中的控制参数的初始预测值，可基于以下步骤实现：
62.确定控制参数对应的寻优向量。比如，可将控制参数水泵开度pmp、ptc热敏电阻功率p
ptc
以及压缩机转速cmp等，组成行向量或列向量，作为寻优向量。
63.确定寻优向量之后，可根据设定的边界条件以及预设的公差，生成寻优向量对应的解种群。其中，边界条件包括：控制参数的上下边界。其中，上下边界可根据经验、电池和热管理部件的材料特性或实际设计需要等等进行设定。其中，公差可根据实际设计需要等等进行设定，公差可为10、15、40或50等等，本实施例不做限制。其中，解种群为生成的寻优向量对应的一系列的参数解。
64.以控制参数压缩机转速cmp为例，设定的边界范围可为400r/min～2000r/min，那么，该边界范围对应的上限值与下限值分别为2000r/min和400r/min。在该上限值和下限值之间，根据预设的公差50，生成寻优向量对应的解种群可为cmp＝2000、cmp＝1950、cmp＝1900、cmp＝1850、cmp＝1800、
……
、cmp＝400。
65.通过这种实施方式，根据预设的公差生成解种群，可使边界范围内的每一个区间内都有参数解，缩小了计算规模，提升了计算效率。
66.在一些可选的实施例中，在计算初始预测值的适应度之后，可基于以下步骤，对初始预测值进行迭代优化，得到待控制参数的参数值。以下将结合图2进一步说明。
67.步骤141、将初始预测值作为原预测值。
68.其中，原预测值可以是初始化的预测值，也可以是上一轮迭代输出的预测值。在下一轮迭代优化的过程中，原预测值可作为生成新的预测值的基础，且在一些情况下，可被新生成的预测值更新。
69.步骤142、判断原预测值是否满足预设的适应度条件。
70.其中，适应度条件可根据实际需求进行设置，比如采用绝对误差计算适应度时，适应度条件可为：适应度小于0.5，也可为小于0.3，等等，本实施例不做限制。若原预测值的适应度满足适应度条件，则将原预测值作为参数值。若原预测值的适应度不满足适应度条件，则迭代执行以下操作以更新原预测值：
71.步骤143、通过预设的差分算子，对原预测值进行差分变异操作，得到原预测值的差分向量。
72.其中，差分算子指的是离散函数在离散节点上的改变量。差分算子可包括：向前差分算子、向后差分算子和中心差分算子等等，用户可根据实际需求进行选择并预设差分算子。
73.步骤144、采用原预测值的差分向量对原预测值进行交叉变异操作，得到原预测值的变异预测值。其中，变异预测值指的是经过变异操作之后的预测值。
74.步骤145、对变异预测值进行边界吸收。通常对原预测值进行交叉和变异操作会导致原预测值中个体的范围超出设定的边界范围，此边界吸收的步骤旨在消除超出边界范围的变异预测值。
75.步骤146、通过电池充电模型，计算变异预测值的适应度。
76.其中，计算变异预测值的适应度的方法，与计算初始预测值的适应度的方法相同，此处不做赘述。
77.步骤147、判断变异预测值的适应度是否优于原预测值的适应度；若变异预测值的适应度优于原预测值的适应度，则将变异预测值作为更新后的原预测值，并重复执行步骤142。若变异预测值的适应度劣于原预测值的适应度，则可基于执行步骤143，以继续对原预测值进行变异，从而生成新的预测值。
78.例如，在一些实施例中，采用绝对误差函数计算适应度时，若变异预测值的绝对误差值小于原预测值的绝对误差值，则将变异预测值作为更新后的原预测值，并重复执行步骤142。若变异预测值的绝对误差值大于或等于原预测值的绝对误差值，则可基于执行步骤143，以继续对原预测值进行变异，从而生成新的预测值。
79.在一些实施例中，在执行步骤142时，若判定原预测值满足预设的适应度条件，则可停止迭代，并将原预测值作为参数值。
80.在另一些实施例中，如图2所示，可根据迭代次数判断上述迭代过程是否停止。比如，预设条件为迭代次数《100，当经过第99次迭代过程得到变异预测值后，可停止上述迭代过程，得到控制参数的参数值。
81.以下将结合图3以及实际应用场景，对本技术实施例提供的电池温度控制方法进行进一步说明。
82.电池温度控制方法如图3所示，接收到开始充电的指令后，可从汽车上的传感器(温度、电压、电流等传感器)获取电池实时状态信息，并将电池实时状态信息输入到mpc控制器。mpc控制器获取到电池实时状态信息后，可结合电池充电模型和温度期待值，在预测时域内对当前电池的热管理需求(压缩机转速、水泵开度、ptc加热功率)进行计算。之后，可根据计算得到的热管理需求生成控制序列，并在控制周期内将该控制序列的前一部分输出到车辆的热管理部件。在控制周期结束后，可从传感器获得更新后的电池温度、soc和充电电流等电池实时状态信息，并根据更新后的电池实时状态信息判断电池是否达到目标终止soc或其他结束充电条件。若电池未达到目标终止soc或其他结束充电条件，则重新将更新后的电池实时状态信息输入到mpc控制器，重复上述步骤；若电池达到了目标终止soc或其他结束充电条件，则结束该充电控制过程。
83.需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤11至步骤13的执行主体可以为设备a；又比如，步骤11和12的执行主体可以为设备a，步骤13的执行主体可以为设备b；等等。
84.另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如11、12等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。
85.需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
86.本技术实施例提供一种电池温度控制装置，如图4所示，该装置包括：信息获取模块401、参数计算模块402以及指令发送模块403。其中，信息获取模块401，用于：获取电池实时状态信息；参数计算模块402，用于：根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值；所述控制参数用于控制所
述电池达到目标状态；指令发送模块403，用于：根据所述参数值，向所述电池的热管理部件发送控制指令，以使所述热管理部件根据所述控制指令对所述电池进行温度控制。
87.进一步可选地，所述指令发送模块403在向所述电池的热管理部件发送控制指令时，具体用于：获取当前预测周期内多个时刻各自对应的优化参数值；根据所述多个时刻各自对应的优化参数值，生成控制指令对应的时间序列；将所述时间序列向所述热管理部件发送。
88.进一步可选地，所述参数计算模块402在根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值时，具体用于：确定所述电池实时状态信息中的荷电状态；若所述荷电状态的值小于预设的荷电状态阈值，则根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值。
89.进一步可选地，所述参数计算模块402在根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值时，具体用于：在当前预测周期内，将所述当前控制周期的温度期待值以及所述电池实时状态信息输入所述电池充电模型；采用所述差分进化算法，在所述电池充电模型中，计算使得所述电池的温度达到所述温度期待值的控制参数，作为所述电池的控制参数的优化值。
90.进一步可选地，所述参数计算模块402在采用所述差分进化算法，在所述电池充电模型中，计算使得所述电池的温度达到所述温度期待值的控制参数时，具体用于：根据所述电池实时状态信息，查询预先生成的系数对照关系，得到所述电池充电模型的模型参数；计算所述电池充电模型中的所述控制参数的初始预测值；通过所述电池充电模型，根据所述模型参数、所述电池实时状态信息以及所述初始预测值，计算所述初始预测值对应的温度预测结果；根据所述温度预测结果与所述温度期待值的误差，计算所述初始预测值的适应度；采用所述差分进化算法，根据所述初始预测值的适应度，对所述初始预测值进行迭代优化，得到所述控制参数的参数值。
91.进一步可选地，所述参数计算模块402在计算所述电池充电模型中的所述控制参数的初始预测值时，具体用于：确定所述控制参数对应的寻优向量；根据设定的边界条件以及预设的公差，生成所述寻优向量对应的解种群；其中，所述边界条件包括：所述控制参数的由经验确定的上下边界。
92.进一步可选地，所述参数计算模块402在采用所述差分进化算法，根据所述初始预测值的适应度，对所述初始预测值进行迭代优化，得到所述控制参数的参数值时，具体用于：将所述初始预测值作为原预测值；判断所述原预测值是否满足预设的适应度条件；若为是，则将所述原预测值作为所述参数值；若为否，则迭代执行以下操作以更新所述原预测值：通过预设的差分算子，对所述原预测值进行差分变异操作，得到所述原预测值的差分向量；采用所述原预测值的差分向量对所述原预测值进行交叉变异操作，得到所述原预测值的变异预测值；通过所述电池充电模型，计算所述变异预测值的适应度；若所述变异预测值的适应度优于所述原预测值的适应度，则将所述变异预测值作为更新后的原预测值，并重复执行所述判断的步骤。
93.在本实施例中，可根据差分进化算法以及获取的电池实时状态信息，采用电池的电池充电模型计算电池的控制参数的参数值，并根据参数值向电池的热管理部件发送控制
指令，以使热管理部件根据控制指令对电池进行温度控制。通过这种实施方式，通过差分进化算法的迭代寻优的方式，对电池的控制参数的参数值进行求解，并根据该参数值对电池进行温度控制，从而可较为准确地对电池温度进行控制，从而提高电池性能。
94.图5是本技术一示例性实施例提供的电子设备的结构示意图，如图5所示，该电子设备包括：存储器501以及处理器502。
95.存储器501，用于存储计算机程序，并可被配置为存储其它各种数据以支持在终端设备上的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。
96.其中，存储器501可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
97.处理器502，与存储器501耦合，用于执行存储器501中的计算机程序，以用于：获取电池实时状态信息；根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值；所述控制参数用于控制所述电池达到目标状态；根据所述参数值，向所述电池的热管理部件发送控制指令，以使所述热管理部件根据所述控制指令对所述电池进行温度控制。
98.进一步可选地，处理器502在根据所述参数值，向所述电池的热管理部件发送控制指令时，具体用于：获取当前预测周期内多个时刻各自对应的参数值；根据所述多个时刻各自对应的参数值，生成控制指令对应的时间序列；将所述时间序列向所述热管理部件发送。
99.进一步可选地，处理器502在根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值时，具体用于：确定所述电池实时状态信息中的荷电状态；若所述荷电状态的值小于预设的荷电状态阈值，则根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值。
100.进一步可选地，处理器502在根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值时，具体用于：在当前预测周期内，将所述当前控制周期的温度期待值以及所述电池实时状态信息输入所述电池充电模型；采用所述差分进化算法，在所述电池充电模型中，计算使得所述电池的温度达到所述温度期待值的控制参数，作为所述电池的控制参数的优化值。
101.进一步可选地，处理器502在采用所述差分进化算法，在所述电池充电模型中，计算使得所述电池的温度达到所述温度期待值的控制参数时，具体用于：根据所述电池实时状态信息，查询预先生成的系数对照关系，得到所述电池充电模型的模型参数；计算所述电池充电模型中的所述控制参数的初始预测值；通过所述电池充电模型，根据所述模型参数、所述电池实时状态信息以及所述初始预测值，计算所述初始预测值对应的温度预测结果；根据所述温度预测结果与所述温度期待值的误差，计算所述初始预测值的适应度；采用所述差分进化算法，根据所述初始预测值的适应度，对所述初始预测值进行迭代优化，得到所述控制参数的参数值。
102.进一步可选地，处理器502在计算所述电池充电模型中的所述控制参数的初始预
测值时，具体用于：确定所述控制参数对应的寻优向量；根据设定的边界条件以及预设的公差，生成所述寻优向量对应的解种群；其中，所述边界条件包括：所述控制参数的由经验确定的上下边界。
103.进一步可选地，采用所述差分进化算法，根据所述初始预测值的适应度，对所述初始预测值进行迭代优化，得到所述控制参数的参数值时，具体用于：将所述初始预测值作为原预测值；判断所述原预测值是否满足预设的适应度条件；若为是，则将所述原预测值作为所述参数值；若为否，则迭代执行以下操作以更新所述原预测值：通过预设的差分算子，对所述原预测值进行差分变异操作，得到所述原预测值的差分向量；采用所述原预测值的差分向量对所述原预测值进行交叉变异操作，得到所述原预测值的变异预测值；通过所述电池充电模型，计算所述变异预测值的适应度；若所述变异预测值的适应度优于所述原预测值的适应度，则将所述变异预测值作为更新后的原预测值，并重复执行所述判断的步骤。
104.上述图5中的显示器503包括屏幕，其屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
105.进一步，如图5所示，该电子设备还包括：通信组件504和电源组件505等其它组件。图5中仅示意性给出部分组件，并不意味着电子设备只包括图5所示组件。
106.上述图5中的通信组件504被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如wifi，2g、3g、4g或5g，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件可基于近场通信(nfc)技术、射频识别(rfid)技术、红外数据协会(irda)技术、超宽带(uwb)技术、蓝牙(bt)技术和其他技术来实现。
107.其中，电源组件505，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
108.在本实施例中，可根据差分进化算法以及获取的电池实时状态信息，采用电池的电池充电模型计算电池的控制参数的参数值，并根据参数值向电池的热管理部件发送控制指令，以使热管理部件根据控制指令对电池进行温度控制。通过这种实施方式，通过差分进化算法的迭代寻优的方式，对电池的控制参数的参数值进行求解，并根据该参数值对电池进行温度控制，从而可较为准确地对电池温度进行控制，从而提高电池性能。
109.相应地，本技术实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序被处理器执行时，致使处理器实现电池温度控制方法中的步骤。
110.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
111.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
112.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
113.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
114.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
115.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
116.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
117.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
118.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求界限之内。

技术特征：
1.一种电池温度控制方法，其特征在于，包括：获取电池实时状态信息；根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值；所述控制参数用于控制所述电池达到目标状态；根据所述参数值，向所述电池的热管理部件发送控制指令，以使所述热管理部件根据所述控制指令对所述电池进行温度控制。2.根据权利要求1所述的方法，其特征在于，根据所述参数值，向所述电池的热管理部件发送控制指令，包括：获取当前预测周期内多个时刻各自对应的参数值；根据所述多个时刻各自对应的参数值，生成控制指令对应的时间序列；将所述时间序列向所述热管理部件发送。3.根据权利要求1所述的方法，其特征在于，根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值，包括：确定所述电池实时状态信息中的荷电状态；若所述荷电状态的值小于预设的荷电状态阈值，则根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值。4.根据权利要求1所述的方法，其特征在于，根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值，包括：在当前预测周期内，将所述当前控制周期的温度期待值以及所述电池实时状态信息输入所述电池充电模型；采用所述差分进化算法，在所述电池充电模型中，计算使得所述电池的温度达到所述温度期待值的控制参数，作为所述电池的控制参数的优化值。5.根据权利要求4所述的方法，其特征在于，采用所述差分进化算法，在所述电池充电模型中，计算使得所述电池的温度达到所述温度期待值的控制参数，包括：根据所述电池实时状态信息，查询预先生成的系数对照关系，得到所述电池充电模型的模型参数；计算所述电池充电模型中的所述控制参数的初始预测值；通过所述电池充电模型，根据所述模型参数、所述电池实时状态信息以及所述初始预测值，计算所述初始预测值对应的温度预测结果；根据所述温度预测结果与所述温度期待值的误差，计算所述初始预测值的适应度；采用所述差分进化算法，根据所述初始预测值的适应度，对所述初始预测值进行迭代优化，得到所述控制参数的参数值。6.根据权利要求5所述的方法，其特征在于，计算所述电池充电模型中的所述控制参数的初始预测值，包括：确定所述控制参数对应的寻优向量；根据设定的边界条件以及预设的公差，生成所述寻优向量对应的解种群；其中，所述边界条件包括：所述控制参数的由经验确定的上下边界。7.根据权利要求5所述的方法，其特征在于，采用所述差分进化算法，根据所述初始预测值的适应度，对所述初始预测值进行迭代优化，得到所述控制参数的参数值，包括：
将所述初始预测值作为原预测值；判断所述原预测值的适应度是否满足预设的适应度条件；若为是，则将所述原预测值作为所述参数值；若为否，则迭代执行以下操作以更新所述原预测值：通过预设的差分算子，对所述原预测值进行差分变异操作，得到所述原预测值的差分向量；采用所述原预测值的差分向量对所述原预测值进行交叉变异操作，得到所述原预测值的变异预测值；通过所述电池充电模型，计算所述变异预测值的适应度；若所述变异预测值的适应度优于所述原预测值的适应度，则将所述变异预测值作为更新后的原预测值，并重复执行所述判断的步骤。8.一种电池温度控制装置，其特征在于，包括：信息获取模块，用于：获取电池实时状态信息；参数计算模块，用于：根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值；所述控制参数用于控制所述电池达到目标状态；指令发送模块，用于：根据所述参数值，向所述电池的热管理部件发送控制指令，以使所述热管理部件根据所述控制指令对所述电池进行温度控制。9.根据权利要求8所述的装置，其特征在于，所述指令发送模块在向所述电池的热管理部件发送控制指令时，具体用于：获取当前预测周期内多个时刻各自对应的优化参数值；根据所述多个时刻各自对应的优化参数值，生成控制指令对应的时间序列；将所述时间序列向所述热管理部件发送。10.根据权利要求8所述的装置，其特征在于，所述参数计算模块在计算所述电池的控制参数的参数值时，具体用于：确定所述电池实时状态信息中的荷电状态；若所述荷电状态的值小于预设的荷电状态阈值，则根据差分进化算法以及所述电池实时状态信息，采用所述电池的电池充电模型，计算所述电池的控制参数的参数值。11.根据权利要求8所述的装置，其特征在于，所述参数计算模块在计算所述电池的控制参数的参数值时，具体用于：在当前预测周期内，将所述当前控制周期的温度期待值以及所述电池实时状态信息输入所述电池充电模型；采用所述差分进化算法，在所述电池充电模型中，计算使得所述电池的温度达到所述温度期待值的控制参数，作为所述电池的控制参数的优化值。12.一种电子设备，其特征在于，包括：存储器以及处理器；其中，所述存储器用于：存储一条或多条计算机指令；所述处理器用于执行所述一条或多条计算机指令，以用于：执行权利要求1-7任一项所述的方法中的步骤。13.一种存储有计算机程序的计算机可读存储介质，其特征在于，当计算机程序被处理
器执行时，致使处理器实现权利要求1-7任一项所述方法中的步骤。

技术总结
本申请实施例提供一种电池温度控制方法、装置、设备及存储介质。在该电池温度控制方法中，可根据差分进化算法以及获取的电池实时状态信息，采用电池的电池充电模型计算电池的控制参数的参数值，并根据参数值向电池的热管理部件发送控制指令，以使热管理部件根据控制指令对电池进行温度控制。通过这种实施方式，通过差分进化算法的迭代寻优的方式，对电池的控制参数的参数值进行求解，并根据该参数值对电池进行温度控制，从而可较为准确地对电池温度进行控制，从而提高电池性能。从而提高电池性能。从而提高电池性能。


技术研发人员：马春山 薛剑 纪铮 刘凯峰 蒙越 宁昀鹏
受保护的技术使用者：北京罗克维尔斯科技有限公司
技术研发日：2021.12.28
技术公布日：2023/7/4