CN107202960A - 动力电池寿命预测方法 - Google Patents
动力电池寿命预测方法 Download PDFInfo
- Publication number
- CN107202960A CN107202960A CN201710381912.1A CN201710381912A CN107202960A CN 107202960 A CN107202960 A CN 107202960A CN 201710381912 A CN201710381912 A CN 201710381912A CN 107202960 A CN107202960 A CN 107202960A
- Authority
- CN
- China
- Prior art keywords
- life
- battery
- curve
- attenuation model
- calendar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种动力电池寿命预测方法,包括:根据电池单体寿命衰减速率,确定电池容量衰减阶段;建立容量保持率与化学反应速率及时间的容量衰减模型;结合电池容量衰减阶段,得到循环寿命衰减模型和日历寿命衰减模型;利用电池单体测试数据,训练循环寿命衰减模型和日历寿命衰减模型,确定模型中的参数;依据循环寿命衰减模型和日历寿命衰减模型,生成循环寿命衰减曲线和日历寿命衰减曲线;将上述两个曲线按照预定的比例叠加,得到电池寿命预测曲线。本发明基于Arrhenius方程及内阻增大原理,提供多变量进行综合考量,获得更加符合电池实际使用工况的电池寿命预测曲线,从而有效避免出现较大预测误差,大幅提升预测模型的准确性。
Description
技术领域
本发明涉及动力电池开发领域,尤其涉及一种动力电池寿命预测方法。
背景技术
近年来,各国都在积极开展研究新能源汽车,而锂离子电池以能量密度大、工作电压高、循环寿命长和自放电率低等特点,在动力电池领域的应用越来越多。
锂离子动力电池的开发过程包括电性能、核心功能、寿命、安全等方面,其中,寿命开发是重中之重,通常而言,动力电池寿命测试包括循环寿命测试和日历寿命测试,但目前已有的寿命预测模型都是单纯针对循环寿命和日历寿命提出的,不符合电池实际使用过程中是循环和日历寿命复合的工况,预测误差大;再有,已有的寿命预测模型都是根据经验模型简化而来,考虑变量少,误差大,同样导致预测模型准确性低的问题;另外,动力电池使用寿命能达到5-10年,导致验证试验周期长,占用资源多,不能满足锂离子动力电池寿命开发的需求,而常规的电池寿命加速试验都是单独存在,与寿命预测模型没有关联,无法验证模型的准确性。
发明内容
本发明的目的是提供一种动力电池寿命预测方法,用于解决现有的寿命预测模型不符合电池实际使用工况,导致预测误差偏大的问题。
本发明采用的技术方案如下:
一种动力电池寿命预测方法,包括:
根据电池单体寿命衰减速率,确定电池容量衰减阶段;
基于内阻增大原理,确定容量保持率与化学反应速率及时间的关系;根据所述关系及所述电池容量衰减阶段确定循环寿命衰减模型结构和日历寿命衰减模型结构;
获取电池单体的测试数据,并将所述测试数据作为训练数据,训练得到所述循环寿命衰减模型的参数和所述日历寿命衰减模型的参数;
依据所述循环寿命衰减模型和所述日历寿命衰减模型,生成循环寿命衰减曲线和日历寿命衰减曲线;
将所述循环寿命衰减曲线与所述日历寿命衰减曲线按照预定的比例关系叠加,得到电池寿命预测曲线。
优选地,所述化学反应速率基于Arrhenius公式获得。
优选地,所述电池容量衰减阶段包括:至少一个快速衰减阶段,以及多个缓慢衰减阶段。
优选地,所述电池单体的测试数据包括:电池单体在不同充放电流、温度、放电深度下循环充放电N次后的循环工况测试得到的测试数据,其中,1000≤N≤2000;电池单体在不同温度、SOC下静置M个月后的日历寿命测试得到的测试数据,其中,12≤M≤24。
优选地,
所述循环寿命衰减模型结构为:
快速衰减阶段:
缓慢衰减阶段:
所述日历寿命衰减模型结构为:
快速衰减阶段:
缓慢衰减阶段:
其中,Q为容量保持率,Q’为在所述快速衰减阶段中t时刻的容量保持率,Tcell为电池单体热平衡温度,i为阶段序号,Qi为阶段i的初始容量保持率,Ea表示反应活化能,R表示气体常数,ti为阶段i与阶段i+1的临界时刻,Ai和Bi分别表示循环寿命和日历寿命在阶段i的指前因子。
优选地,所述循环寿命衰减模型的参数包括Ea、Ai;所述日历寿命衰减模型的参数包括Ea、Bi。
优选地,所述预定的比例关系包括:基于三元锂电池,预定的比例关系为1∶1。
优选地,还包括:根据高温和常温下的所述化学反应速率,计算加速倍率;其中,所述高温为45℃~60℃,所述常温为9℃~35℃。
优选地,还包括:模拟所述常温下的电池寿命预测曲线,并根据所述加速倍率获得所述高温下电池寿命预测曲线。
本发明摒弃了现有的由经验模型简化而来的寿命预测方式,而是以Arrhenius方程及内阻增大原理为基础,提供多变量进行综合考量,并将循环寿命测试和日历寿命测试相结合,获得更加符合电池实际使用工况的电池寿命预测曲线,从而有效避免出现较大预测误差,大幅提升预测模型的准确性。
附图说明
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步描述,其中:
图1为本发明提供的动力电池寿命预测方法的实施例的流程图;
图2为本发明提供的电池容量衰减阶段的示意图;
图3为本发明提供的循环寿命衰减曲线与日历寿命衰减曲线叠加出电池寿命预测曲线的示意图;
图4为本发明提供的不同温度点寿命预测曲线的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本发明提供了一种动力电池寿命预测方法的实施例,如图1所示,其步骤包括有:
步骤S1、根据电池单体寿命衰减速率,确定电池容量衰减阶段;
首先需要说明本发明是以锂电池为例,因此,下文描述的角度均基于锂电池而言,当然,本领域技术人员可以通过本发明获得启发,将本发明应用于其他材料电池;接续上文,不同体系的锂电池其寿命衰减均呈现出先快后慢的趋势,为了更准确地建立动力电池寿命衰减模型,因而可以归纳大量电池单体寿命衰减速率的数据,将电池容量衰减过程按时间段划分为几个不同阶段,按照一般规律,其中可以包括至少一个快速衰减阶段,以及多个缓慢衰减阶段。具体如图2所示的某型动力电池寿命衰减曲线示意图,其中,第一阶段的衰减速度较快,第二到第四阶段衰减速度依次放缓。
步骤S2、基于内阻增大原理,确定容量保持率与化学反应速率及时间的关系;
电池的内阻是指电池在工作时,电流流过电池内部所受到的阻力,它包括欧姆内阻和极化内阻,极化内阻又包括电化学极化内阻和浓差极化内阻;锂离子电池的充放电过程是一个化学反应过程,电池的内阻在充放电过程中随时间不断变化,电解液的浓度和温度都在不断的改变,在电池使用过程中,电池内部物质会发生化学变化,产生内阻较大的物质,这样,随着使用时间递增,电池内部这种内阻较大的物质越来越多,进而使得电池内阻越来越大,而温度对动力电池的使用寿命也即是上化学变化有重要影响,考虑到化学反应速率、内阻和温度对电池寿命衰减的影响,在本发明的另一个实施例中可以基于Arrhenius公式建立容量保持率与化学反应速率及时间的关系式。
步骤S3、根据所述关系及所述电池容量衰减阶段确定循环寿命衰减模型结构和日历寿命衰减模型结构;
结合步骤S1中确定的电池容量衰减阶段,可以将上述容量保持率与化学反应速率及时间的关系式分为下面两种形式具体表达:
(一)循环寿命衰减模型结构
快速衰减阶段:
缓慢衰减阶段:
(二)日历寿命衰减模型结构
快速衰减阶段:
缓慢衰减阶段:
其中,Q为容量保持率,Q’为在所述快速衰减阶段中t时刻的容量保持率,Tcell为电池单体热平衡温度,i为阶段序号,Qi为阶段i的初始容量保持率(例如图2中所示的Q1~Q4),Ea表示反应活化能,R表示气体常数,ti为阶段i与阶段i+1的临界时刻,Ai和Bi分别表示循环寿命和日历寿命在阶段i的指前因子。
这里需要指出的是,其一,关于两种模型结构中的快速衰减阶段,可以采用如缓慢衰减阶段的完整表达,但考虑到模型的精简和优化,本实施例中采用的是简易表达;其二,针对循环寿命和日历寿命,采用了相同的表达方式,其目的是为两种寿命测试提供统一的联系基础,而借以区别现有的各自独立的形式。
步骤S4、获取电池单体的测试数据,并将所述测试数据作为训练数据,训练得到所述循环寿命衰减模型的参数和所述日历寿命衰减模型的参数;
为了对模型中的参数进行辨识,以得到优化的更适应电池寿命预测的模型,可以考虑采用Arrhenius方程的对数表达式作为线性参考,结合电池单体在不同充放电流、温度、放电深度下循环充放电N次后的循环工况测试得到的测试数据,以及电池单体在不同温度、SOC下静置M个月后的日历寿命测试得到的测试数据,训练上述循环寿命衰减模型结构和日历寿命衰减模型结构,从而确定出上述模型中的Ea、Ai及Bi等参数,其中,1000≤N≤2000,12≤M≤24;在本发明的一个优选实施例中,测试时采用循环充放电2000次,以及静置12个月的数据,分别对上述两种模型结构进行训练。
步骤S5、依据循环寿命衰减模型和日历寿命衰减模型,生成循环寿命衰减曲线和日历寿命衰减曲线;
具体地,依据循环寿命衰减模型和日历寿命衰减模型,利用软件仿真出两种寿命预测曲线示意图,所提及的软件例如MATLAB等。
步骤S6、将循环寿命衰减曲线与日历寿命衰减曲线按照预定的比例关系叠加后,得到电池寿命预测曲线;
这里提及的预定的比例关系以三元锂电池为例,该比例关系为1∶1,再结合图3所示,其中曲线a是根据某型动力电池循环寿命衰减模型利用MATLAB软件仿真出的循环寿命衰减曲线示意图;曲线b是根据日历寿命衰减模型利用MATLAB软件拟合出的日历寿命衰减曲线示意图;曲线c是以1∶1的比例关系,将曲线a和曲线b相叠加的耦合出的某型动力电池的使用电池寿命预测曲线示意图;此处还需指出,如采用其他体系的锂电池或其他材料电池,该比例关系可以针对实际应用做适应性调整。
相比于现有技术,通过上述方法及其优选方案最终获得的电池寿命预测曲线,更加符合电池实际使用过程中循环寿命和日历寿命复合的工况,再者,本发明摒弃了由经验模型简化而来的寿命预测方式,而是以Arrhenius方程及内阻增大原理为基础,提供多变量进行综合考量,并将循环寿命测试和日历寿命测试相结合,从而有效避免出现较大预测误差,大幅提升预测模型的准确性。
此外,在本发明的另一个实施例中,为了缩短验证电池寿命预测曲线的周期,提出了以加速倍率进行验证的方式,具体而言,根据高温和常温下的化学反应速率,计算出加速倍率,也即是将不同温度下的Arrhenius方程中的速率系数相比,得到一个比值,该比值即为加速倍率;其中,对于锂电池来说,高温一般为45℃~60℃,而常温则为9℃~35℃;接续上文,按照前文中的步骤在仿真软件中模拟出常温下的电池寿命预测曲线,再根据加速倍率获得高温下电池寿命预测曲线。举例而言,如图4所示,常温及高温分别选取35℃和45℃,得到加速倍率为8.5;趋势线A是根据预测模型仿真的在35℃下某型动力电池使用寿命预测曲线,趋势线B是根据8.5倍的加速倍率生成的在45℃下某型动力电池使用寿命预测曲线,据此,可以说明某型动力电池在加速试验条件(45℃)下仅需要1.25年即可完成正常使用条件下动力电池10年(1.25×8.5)的使用寿命预测的验证。
考虑到整车企业寿命开发时间1-2年左右,不能满足锂离子动力电池寿命开发的需求,而本发明将常规的电池寿命加速试验与本发明得到的电池寿命预测曲线建立关联,大大地缩短了试验周期,节省了客观的资源消耗。
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果,但以上所述仅为本发明的较佳实施例,但需要言明的是,上述实施例及其优选方式所涉及的技术特征,本领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下,合理地组合搭配成多种等效方案;因此,本发明不以图面所示限定实施范围,凡是依照本发明的构想所作的改变,或修改为等同变化的等效实施例,仍未超出说明书与图示所涵盖的精神时,均应在本发明的保护范围内。
Claims (9)
1.一种动力电池寿命预测方法,其特征在于,包括:
根据电池单体寿命衰减速率,确定电池容量衰减阶段;
基于内阻增大原理,确定容量保持率与化学反应速率及时间的关系;根据所述关系及所述电池容量衰减阶段确定循环寿命衰减模型结构和日历寿命衰减模型结构;
获取电池单体的测试数据,并将所述测试数据作为训练数据,训练得到所述循环寿命衰减模型的参数和所述日历寿命衰减模型的参数;
依据所述循环寿命衰减模型和所述日历寿命衰减模型,生成循环寿命衰减曲线和日历寿命衰减曲线;
将所述循环寿命衰减曲线与所述日历寿命衰减曲线按照预定的比例关系叠加,得到电池寿命预测曲线。
2.根据权利要求1所述的方法,其特征在于,所述化学反应速率基于Arrhenius公式获得。
3.根据权利要求2所述的方法,其特征在于,所述电池容量衰减阶段包括:至少一个快速衰减阶段,以及多个缓慢衰减阶段。
4.根据权利要求3所述的方法,其特征在于,所述电池单体的测试数据包括:
电池单体在不同充放电流、温度、放电深度下循环充放电N次后的循环工况测试得到的测试数据,其中,1000≤N≤2000;
电池单体在不同温度、SOC下静置M个月后的日历寿命测试得到的测试数据,其中,12≤M≤24。
5.根据权利要求4所述的方法,其特征在于,
所述循环寿命衰减模型结构为:
快速衰减阶段:
缓慢衰减阶段:
所述日历寿命衰减模型结构为:
快速衰减阶段:
缓慢衰减阶段:
其中,Q为容量保持率,Q’为在所述快速衰减阶段中t时刻的容量保持率,Tcell为电池单体热平衡温度,i为阶段序号,Qi为阶段i的初始容量保持率,Ea表示反应活化能,R表示气体常数,ti为阶段i与阶段i+1的临界时刻,Ai和Bi分别表示循环寿命和日历寿命在阶段i的指前因子。
6.根据权利要求5所述的方法,其特征在于,所述循环寿命衰减模型的参数包括Ea、Ai;所述日历寿命衰减模型的参数包括Ea、Bi。
7.根据权利要求6所述的方法,其特征在于,所述预定的比例关系包括:基于三元锂电池,预定的比例关系为1∶1。
8.根据权利要求1~7任一项所述的方法,其特征在于,还包括:根据高温和常温下的所述化学反应速率,计算加速倍率;其中,所述高温为45℃~60℃,所述常温为9℃~35℃。
9.根据权利要求8所述的方法,其特征在于,还包括:模拟所述常温下的电池寿命预测曲线,并根据所述加速倍率获得所述高温下电池寿命预测曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710381912.1A CN107202960A (zh) | 2017-05-25 | 2017-05-25 | 动力电池寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710381912.1A CN107202960A (zh) | 2017-05-25 | 2017-05-25 | 动力电池寿命预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107202960A true CN107202960A (zh) | 2017-09-26 |
Family
ID=59905498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710381912.1A Pending CN107202960A (zh) | 2017-05-25 | 2017-05-25 | 动力电池寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107202960A (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107623386A (zh) * | 2017-10-23 | 2018-01-23 | 广东电网有限责任公司电力科学研究院 | 一种考虑循环寿命的电池储能多市场投标优化方法及装置 |
CN108021735A (zh) * | 2017-11-07 | 2018-05-11 | 上海科梁信息工程股份有限公司 | 电池的模拟方法、上位机、实时仿真机及电池模拟*** |
CN109146115A (zh) * | 2018-06-11 | 2019-01-04 | 广州市香港科大***研究院 | 基于模型迁移的电池寿命预测方法、***及装置 |
CN109616710A (zh) * | 2018-12-12 | 2019-04-12 | 云南电网有限责任公司带电作业分公司 | 基于全生命周期模型的多旋翼无人机电池充放电管控方法 |
CN109946610A (zh) * | 2017-12-18 | 2019-06-28 | 北京长城华冠汽车科技股份有限公司 | 一种车用电池循环寿命的预测方法 |
CN110095721A (zh) * | 2018-01-30 | 2019-08-06 | 中国电力科学研究院有限公司 | 一种退运电动汽车电池日历寿命的测评方法及模型 |
CN110221210A (zh) * | 2019-05-28 | 2019-09-10 | 中国电子技术标准化研究院 | 一种锂离子电池循环寿命快速预测方法 |
CN110261790A (zh) * | 2019-04-10 | 2019-09-20 | 北京海博思创科技有限公司 | 电池健康状态的预估方法、装置及*** |
CN110320474A (zh) * | 2019-05-28 | 2019-10-11 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池老化模型的寿命预测方法 |
CN110763942A (zh) * | 2019-11-18 | 2020-02-07 | 许继变压器有限公司 | 一种干式变压器剩余寿命的检测方法及装置 |
CN110901470A (zh) * | 2019-11-29 | 2020-03-24 | 安徽江淮汽车集团股份有限公司 | 电动汽车电池寿命预测方法、装置、设备及存储介质 |
CN111025155A (zh) * | 2019-12-18 | 2020-04-17 | 华南理工大学 | 基于电池动态老化模型快速模拟动力电池老化过程的方法 |
CN111175665A (zh) * | 2020-01-17 | 2020-05-19 | 上海派能能源科技股份有限公司 | 一种锂电池的测试方法、装置、设备及存储介质 |
CN111239630A (zh) * | 2020-03-09 | 2020-06-05 | 江苏中兴派能电池有限公司 | 一种储能电池寿命预测方法及管理*** |
CN111426952A (zh) * | 2019-01-10 | 2020-07-17 | 郑州宇通客车股份有限公司 | 一种锂离子电池的寿命预测方法 |
CN111562509A (zh) * | 2020-04-03 | 2020-08-21 | 中国电力科学研究院有限公司 | 一种用于确定退役动力电池剩余寿命的方法及*** |
CN111650527A (zh) * | 2020-06-03 | 2020-09-11 | 东莞新能源科技有限公司 | 电池寿命预测方法、电子装置以及存储介质 |
CN111722114A (zh) * | 2019-03-18 | 2020-09-29 | 上海汽车集团股份有限公司 | 一种动力电池寿命预测方法及*** |
CN111896879A (zh) * | 2020-07-31 | 2020-11-06 | 北京石墨烯研究院 | 柔性锂离子电池弯折寿命的快速检测方法 |
CN112034353A (zh) * | 2020-08-28 | 2020-12-04 | 湖北亿纬动力有限公司 | 一种电池寿命预测方法以及*** |
CN112034352A (zh) * | 2020-08-28 | 2020-12-04 | 湖北亿纬动力有限公司 | 一种电池寿命预测方法以及*** |
CN112255558A (zh) * | 2019-12-31 | 2021-01-22 | 蜂巢能源科技有限公司 | 电池日历寿命衰减量计算方法及装置 |
CN112363075A (zh) * | 2019-11-21 | 2021-02-12 | 万向一二三股份公司 | 一种锂离子电池老化的评估方法 |
CN112379297A (zh) * | 2020-10-22 | 2021-02-19 | 欣旺达电动汽车电池有限公司 | 电池***寿命预测方法、装置、设备及存储介质 |
CN112595980A (zh) * | 2020-12-17 | 2021-04-02 | 北京海博思创科技股份有限公司 | 电池储能***寿命的预测方法、装置及设备 |
CN112731164A (zh) * | 2020-12-21 | 2021-04-30 | 惠州亿纬锂能股份有限公司 | 一种电池寿命评估方法 |
CN112782585A (zh) * | 2020-11-12 | 2021-05-11 | 上海空间电源研究所 | 一种基于电池衰减机制的寿命评估方法及*** |
CN113075557A (zh) * | 2021-05-20 | 2021-07-06 | 张家港清研检测技术有限公司 | 一种车主自适应的动力电池剩余寿命预测方法 |
CN113687235A (zh) * | 2021-08-03 | 2021-11-23 | 天津市捷威动力工业有限公司 | 一种动力电池半经验日历寿命预测评估方法 |
CN113805084A (zh) * | 2021-09-13 | 2021-12-17 | 湖北亿纬动力有限公司 | 电池容量衰减的计算方法、装置、计算机设备及存储介质 |
CN113820614A (zh) * | 2021-08-18 | 2021-12-21 | 浙江南都电源动力股份有限公司 | 锂离子电池循环寿命的预测方法 |
CN114325446A (zh) * | 2021-12-21 | 2022-04-12 | 南方电网调峰调频发电有限公司 | 电池组循环寿命的测试方法、装置、电子设备和存储介质 |
CN115267546A (zh) * | 2022-06-24 | 2022-11-01 | 重庆长安汽车股份有限公司 | 一种电池寿命模型参数拟合方法 |
CN115792642A (zh) * | 2023-02-02 | 2023-03-14 | 中创新航科技股份有限公司 | 一种动力电池寿命的估算方法及装置 |
-
2017
- 2017-05-25 CN CN201710381912.1A patent/CN107202960A/zh active Pending
Non-Patent Citations (1)
Title |
---|
夏顺礼 等: "《EV用三元动力电池使用寿命预测方法研究》", 《合肥工业大学学报》 * |
Cited By (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107623386A (zh) * | 2017-10-23 | 2018-01-23 | 广东电网有限责任公司电力科学研究院 | 一种考虑循环寿命的电池储能多市场投标优化方法及装置 |
CN107623386B (zh) * | 2017-10-23 | 2020-11-03 | 广东电网有限责任公司电力科学研究院 | 一种考虑循环寿命的电池储能多市场投标优化方法及装置 |
CN108021735A (zh) * | 2017-11-07 | 2018-05-11 | 上海科梁信息工程股份有限公司 | 电池的模拟方法、上位机、实时仿真机及电池模拟*** |
CN108021735B (zh) * | 2017-11-07 | 2021-06-11 | 上海科梁信息工程股份有限公司 | 电池的模拟方法、上位机、实时仿真机及电池模拟*** |
CN109946610A (zh) * | 2017-12-18 | 2019-06-28 | 北京长城华冠汽车科技股份有限公司 | 一种车用电池循环寿命的预测方法 |
CN110095721A (zh) * | 2018-01-30 | 2019-08-06 | 中国电力科学研究院有限公司 | 一种退运电动汽车电池日历寿命的测评方法及模型 |
CN109146115A (zh) * | 2018-06-11 | 2019-01-04 | 广州市香港科大***研究院 | 基于模型迁移的电池寿命预测方法、***及装置 |
CN109616710A (zh) * | 2018-12-12 | 2019-04-12 | 云南电网有限责任公司带电作业分公司 | 基于全生命周期模型的多旋翼无人机电池充放电管控方法 |
CN111426952A (zh) * | 2019-01-10 | 2020-07-17 | 郑州宇通客车股份有限公司 | 一种锂离子电池的寿命预测方法 |
CN111722114B (zh) * | 2019-03-18 | 2023-01-20 | 上海汽车集团股份有限公司 | 一种动力电池寿命预测方法及*** |
CN111722114A (zh) * | 2019-03-18 | 2020-09-29 | 上海汽车集团股份有限公司 | 一种动力电池寿命预测方法及*** |
CN110261790A (zh) * | 2019-04-10 | 2019-09-20 | 北京海博思创科技有限公司 | 电池健康状态的预估方法、装置及*** |
CN110221210A (zh) * | 2019-05-28 | 2019-09-10 | 中国电子技术标准化研究院 | 一种锂离子电池循环寿命快速预测方法 |
CN110320474A (zh) * | 2019-05-28 | 2019-10-11 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池老化模型的寿命预测方法 |
CN110221210B (zh) * | 2019-05-28 | 2021-12-31 | 中国电子技术标准化研究院 | 一种锂离子电池循环寿命快速预测方法 |
CN110763942B (zh) * | 2019-11-18 | 2021-12-31 | 许继变压器有限公司 | 一种干式变压器剩余寿命的检测方法及装置 |
CN110763942A (zh) * | 2019-11-18 | 2020-02-07 | 许继变压器有限公司 | 一种干式变压器剩余寿命的检测方法及装置 |
CN112363075A (zh) * | 2019-11-21 | 2021-02-12 | 万向一二三股份公司 | 一种锂离子电池老化的评估方法 |
CN112363075B (zh) * | 2019-11-21 | 2023-07-07 | 万向一二三股份公司 | 一种锂离子电池老化的评估方法 |
CN110901470A (zh) * | 2019-11-29 | 2020-03-24 | 安徽江淮汽车集团股份有限公司 | 电动汽车电池寿命预测方法、装置、设备及存储介质 |
CN111025155B (zh) * | 2019-12-18 | 2021-09-21 | 华南理工大学 | 基于电池动态老化模型快速模拟动力电池老化过程的方法 |
CN111025155A (zh) * | 2019-12-18 | 2020-04-17 | 华南理工大学 | 基于电池动态老化模型快速模拟动力电池老化过程的方法 |
CN112255558B (zh) * | 2019-12-31 | 2023-05-12 | 蜂巢能源科技有限公司 | 电池日历寿命衰减量计算方法及装置 |
CN112255558A (zh) * | 2019-12-31 | 2021-01-22 | 蜂巢能源科技有限公司 | 电池日历寿命衰减量计算方法及装置 |
CN111175665A (zh) * | 2020-01-17 | 2020-05-19 | 上海派能能源科技股份有限公司 | 一种锂电池的测试方法、装置、设备及存储介质 |
CN111239630A (zh) * | 2020-03-09 | 2020-06-05 | 江苏中兴派能电池有限公司 | 一种储能电池寿命预测方法及管理*** |
CN111562509B (zh) * | 2020-04-03 | 2022-09-09 | 中国电力科学研究院有限公司 | 一种用于确定退役动力电池剩余寿命的方法及*** |
CN111562509A (zh) * | 2020-04-03 | 2020-08-21 | 中国电力科学研究院有限公司 | 一种用于确定退役动力电池剩余寿命的方法及*** |
CN111650527A (zh) * | 2020-06-03 | 2020-09-11 | 东莞新能源科技有限公司 | 电池寿命预测方法、电子装置以及存储介质 |
CN111650527B (zh) * | 2020-06-03 | 2023-08-01 | 东莞新能源科技有限公司 | 电池寿命预测方法、电子装置以及存储介质 |
CN111896879A (zh) * | 2020-07-31 | 2020-11-06 | 北京石墨烯研究院 | 柔性锂离子电池弯折寿命的快速检测方法 |
CN112034353A (zh) * | 2020-08-28 | 2020-12-04 | 湖北亿纬动力有限公司 | 一种电池寿命预测方法以及*** |
CN112034352A (zh) * | 2020-08-28 | 2020-12-04 | 湖北亿纬动力有限公司 | 一种电池寿命预测方法以及*** |
CN112379297B (zh) * | 2020-10-22 | 2024-06-11 | 欣旺达动力科技股份有限公司 | 电池***寿命预测方法、装置、设备及存储介质 |
CN112379297A (zh) * | 2020-10-22 | 2021-02-19 | 欣旺达电动汽车电池有限公司 | 电池***寿命预测方法、装置、设备及存储介质 |
CN112782585A (zh) * | 2020-11-12 | 2021-05-11 | 上海空间电源研究所 | 一种基于电池衰减机制的寿命评估方法及*** |
CN112782585B (zh) * | 2020-11-12 | 2022-09-27 | 上海空间电源研究所 | 一种基于电池衰减机制的寿命评估方法及*** |
CN112595980B (zh) * | 2020-12-17 | 2023-08-15 | 北京海博思创科技股份有限公司 | 电池储能***寿命的预测方法、装置及设备 |
CN112595980A (zh) * | 2020-12-17 | 2021-04-02 | 北京海博思创科技股份有限公司 | 电池储能***寿命的预测方法、装置及设备 |
CN112731164B (zh) * | 2020-12-21 | 2024-03-15 | 惠州亿纬锂能股份有限公司 | 一种电池寿命评估方法 |
CN112731164A (zh) * | 2020-12-21 | 2021-04-30 | 惠州亿纬锂能股份有限公司 | 一种电池寿命评估方法 |
CN113075557A (zh) * | 2021-05-20 | 2021-07-06 | 张家港清研检测技术有限公司 | 一种车主自适应的动力电池剩余寿命预测方法 |
CN113687235A (zh) * | 2021-08-03 | 2021-11-23 | 天津市捷威动力工业有限公司 | 一种动力电池半经验日历寿命预测评估方法 |
CN113820614A (zh) * | 2021-08-18 | 2021-12-21 | 浙江南都电源动力股份有限公司 | 锂离子电池循环寿命的预测方法 |
CN113820614B (zh) * | 2021-08-18 | 2023-10-24 | 浙江南都电源动力股份有限公司 | 锂离子电池循环寿命的预测方法 |
CN113805084B (zh) * | 2021-09-13 | 2023-09-01 | 湖北亿纬动力有限公司 | 电池容量衰减的计算方法、装置、计算机设备及存储介质 |
CN113805084A (zh) * | 2021-09-13 | 2021-12-17 | 湖北亿纬动力有限公司 | 电池容量衰减的计算方法、装置、计算机设备及存储介质 |
CN114325446A (zh) * | 2021-12-21 | 2022-04-12 | 南方电网调峰调频发电有限公司 | 电池组循环寿命的测试方法、装置、电子设备和存储介质 |
CN114325446B (zh) * | 2021-12-21 | 2024-07-12 | 南方电网调峰调频发电有限公司 | 电池组循环寿命的测试方法、装置、电子设备和存储介质 |
CN115267546A (zh) * | 2022-06-24 | 2022-11-01 | 重庆长安汽车股份有限公司 | 一种电池寿命模型参数拟合方法 |
CN115792642A (zh) * | 2023-02-02 | 2023-03-14 | 中创新航科技股份有限公司 | 一种动力电池寿命的估算方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107202960A (zh) | 动力电池寿命预测方法 | |
De et al. | Model-based simultaneous optimization of multiple design parameters for lithium-ion batteries for maximization of energy density | |
Xiong et al. | A double-scale, particle-filtering, energy state prediction algorithm for lithium-ion batteries | |
Xu et al. | Computational model of 18650 lithium-ion battery with coupled strain rate and SOC dependencies | |
CN100465658C (zh) | 锂离子电池热安全性能预测方法 | |
CN105116337B (zh) | 一种锂离子电池满电荷存储寿命评价方法 | |
CN103942418B (zh) | 一种多轴载荷条件下细节疲劳强度额定值的确定方法 | |
CN104965179B (zh) | 一种锂离子蓄电池的温度组合电路模型及其参数识别方法 | |
CN104965180B (zh) | 动力电池寿命的检测方法及装置 | |
US11526639B2 (en) | Fractional-order KiBaM battery model considering nonlinear capacity characteristics and parameter identification method | |
CN106443459A (zh) | 一种车用锂离子动力电池荷电状态估算方法 | |
CN106908737B (zh) | 一种基于电化学反应机理仿真的锂离子电池寿命预测方法 | |
CN102169167B (zh) | 一种电池组soc计算精度的检测装置及其方法 | |
CN105319507A (zh) | 用于估计电池模型参数的方法和*** | |
CN105866700B (zh) | 一种锂离子电池快速筛选的方法 | |
CN108509762A (zh) | 一种电池的物理化学变化性能参数模拟方法及装置 | |
CN111025155B (zh) | 基于电池动态老化模型快速模拟动力电池老化过程的方法 | |
CN106125004A (zh) | 基于神经网络核函数gpr的锂电池健康状态预测方法 | |
CN105510845A (zh) | 一种锂离子电池老化路径依赖性分析方法 | |
Xie et al. | An enhanced electro-thermal model for EV battery packs considering current distribution in parallel branches | |
Lin et al. | Lithium-ion battery state of charge/state of health estimation using SMO for EVs | |
CN105116338A (zh) | 一种基于soc补偿器的并联型电池***建模方法 | |
Liang et al. | Evaluation of battery modules state for electric vehicle using artificial neural network and experimental validation | |
Qiao et al. | A novel intelligent weight decreasing firefly–particle filtering method for accurate state‐of‐charge estimation of lithium‐ion batteries | |
Plett | Algebraic solution for modeling SEI Layer growth |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170926 |