美国先进电池联盟（USABC）将快速充电定义为在15分钟内充满电池80%的容量
[4]。要实现这一目标，充电速率需接近4C
[5],[6]。然而，电池系统产生的热量会随着充电速率的增加而呈非线性增长。电池产生的欧姆热与电流成平方关系，在1C充电速率下占比超过70%
[7]。因此，将充电速率从1C提高到4C会在短时间内产生巨大的热量负荷，给电池热管理（BTM）系统带来巨大压力
[8],[9]。
BTM系统的主要功能是在安全操作范围内维持电池温度及其均匀性，从而减缓电池老化并防止热失控[10],[11],[12]。目前，大多数电动汽车BTM系统依赖于放置在电池组底部或侧面的液冷板[13],[14]。然而，这种方法存在较大的热滞后现象，限制了其在高电流快速充电过程中的散热能力[15],[16],[17]。在高温环境下，电池往往在热量被充分排出之前就达到临界温度，迫使系统出于安全考虑降低充电电流，或在充电完成后继续进行主动冷却[18],[19],[20]。
为了提高快速充电时的热管理性能，研究人员探索了先进的冷却技术和优化了液冷板设计
[21],[22]。虽然这些方法有效，但往往需要对现有的汽车热管理系统进行重大改造，从而导致系统复杂性、重量和制造成本的增加
[23],[24]。考虑到快速充电条件下的电池发热量远高于正常驾驶状态，单纯扩大热管理系统的规模既不节能也不经济
[25],[26]。
另一种越来越受到关注的解决方案是在快速充电前对电池进行预调整。通过在车辆接近充电站时降低电池温度，可以减轻高电流充电过程中的温度上升，从而允许更高的充电电流而不超出热安全限制[27]。早期的研究主要依赖于固定阈值策略或模糊控制策略，即一旦达到预设的温度或时间条件就启动冷却[28]。尽管实现简单，但这些策略对环境温度、剩余行驶时间以及电池初始状态等变量非常敏感。因此，过早预冷却会导致不必要的能源消耗，而过晚预冷却则无法提供足够的冷却时间。
为了提高适应性，一些研究应用了基于优化的方法来确定行驶过程中的BTM操作
[29],[30]。例如，基于少量离散BTM操作模式的模式切换优化可以计算出能量最优的控制序列
[31]。郭等人设计了一种模型预测控制器来控制电池加热器的功率
[32]。马等人提出了一种多层非线性模型预测控制方法，将高级决策与低级执行器操作分离
[33]。吴等人开发了一种多时域模型预测控制方法，用于优化电池冷却和能量管理
[34]。
然而，目前大多数研究都是基于特定的长期驾驶循环（如世界轻型车辆测试循环（WLTC）和中国轻型车辆测试循环（CLTC）来进一步优化BTM策略。不确定的未来交通信息对电池温度预测有很大影响。在实际应用中，很难获得准确的未来真实世界驾驶条件，尤其是在车辆间通信（V2V）技术尚未广泛普及的情况下。预测未来真实世界驾驶条件是优化电池预处理热管理策略的关键。
此外，现有的预冷却研究主要基于简化的或解耦的电池模型进行优化，这些模型忽略了电池的热滞后现象。作为车辆的关键组成部分，电池系统与动力总成系统和热管理系统之间存在紧密的电热耦合。推进负载、电池电热行为以及电池预冷却动作之间的能量动态相互作用在多变的实际驾驶条件下具有显著且长期的影响。
为了解决上述研究空白，本文提出了一种适用于行驶过程中的车辆快速充电的分层预测式电池热管理策略架构。该策略的有效性在多种条件下得到了验证，并与其他现有策略进行了比较。测试结果表明，该策略在汽车热管理的小型化以及极端快速充电条件下的热管理方面也具有优势。主要创新点如下：
- (1)
建立了一个集成电池系统、热管理系统和动力总成系统的电热模型，能够模拟推进负载、电池电热行为和电池冷却动作之间的能量动态相互作用。
- (2)
利用收集的真实世界驾驶导航数据和历史驾驶数据，提出了一种基于统计分析的未来信息预测方法，用于估计未来的电池系统功率需求。
- (3)
提出了一种适用于行驶过程中的快速充电的分层预测式电池热管理策略架构，能够在快速充电前实现能量最优的电池预冷却。
本文的其余部分安排如下：第2节介绍驾驶场景、系统模型和验证实验；第3节描述分层预测控制架构及其三层设计；第4节展示并讨论了所提策略的结果，强调了其相对于传统方法的优势；第5节对本文进行总结。
