CN110221210A - 一种锂离子电池循环寿命快速预测方法 - Google Patents
一种锂离子电池循环寿命快速预测方法 Download PDFInfo
- Publication number
- CN110221210A CN110221210A CN201910451421.9A CN201910451421A CN110221210A CN 110221210 A CN110221210 A CN 110221210A CN 201910451421 A CN201910451421 A CN 201910451421A CN 110221210 A CN110221210 A CN 110221210A
- Authority
- CN
- China
- Prior art keywords
- battery
- quick
- cycle life
- lithium ion
- conditions
- 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.)
- Granted
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/333—Design for testability [DFT], e.g. scan chain or built-in self-test [BIST]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
本发明提出了一种锂离子电池循环寿命快速预测方法,包括以下步骤:将待评价的电池置于要评价的循环中进行常规倍率(0.2C)和加速倍率(≥0.5C)条件下500次循环测试;拟合方程,计算补偿因子;对电池进行加速倍率(≥0.5C)条件下前100次循环测试,拟合方程后乘以补偿因子k得到快速预测方程;将短期循环次数100代入快速预测方程求解。该方法简单准确,与实际测试结果偏差小(<1%),无需精密的测试设备和复杂的理论计算,经过短期的循环测试即可快速预测电池循环寿命,极大降低了测试成本和测试时间。
Description
技术领域
本发明涉及锂离子电池循环寿命测试技术领域,尤其涉及一种锂离子电池循环寿命快速预测方法。
背景技术
锂离子电池以其质量轻、能量密度达和循环寿命长等优越的性能,广泛应用于手机、笔记本电脑、数码音视频产品等普通消费类电子产品领域和电动汽车、储能、无人机、航空航天等新技术领域。
评价锂离子电池性能指标的重要指标是循环寿命。各类标准中要求按照常规倍率(0.2C,C为电流容量)循环500次后,电池容量不得低于额定容量的80%,但是要完成500次测试,以1000mAh电池为例,至少需要7个月时间,耗时长、测试成本高,严重阻碍了锂离子电池的进一步开发和应用。
现有的加速测试方法通过测试不同循环次数的短期循环性能,记录循环次数及其相应的容量保持率,利用质量差减法计算电池在循环后的电解液保有率,根据循环次数、容量保持率和电解液保有率拟合计算,对电池寿命进行预测,与常规循环寿命测试进行相比,缩短了循环测试周期,但是测试结果偏差较大(>5%),其他类似也存在类似问题。
发明内容
本发明要解决的技术问题是,提供一种锂离子电池循环寿命快速预测方法,经过短期的循环测试即可快速预测电池循环寿命,极大降低了测试成本和测试时间。
本发明采用的技术方案是,所述锂离子电池循环寿命快速预测方法,包括:
步骤1,对待测锂电池进行加速倍率条件下第一设定次数的循环测试,每次测试后记录以下数据:电池循环测试次数及对应的电池实际容量;
步骤2,基于步骤1记录的数据进行拟合,得出加速条件下电池循环测试次数与电池实际容量的第一拟合关系式,将所述第一拟合关系式乘以快速补偿因子得到快速预测方程;
步骤3,将所述第一设定次数代入所述快速预测方程即可预测出所述待测锂电池经过所述第一设定次数的循环测试后的电池实际容量。
进一步的,所述快速补偿因子的获取过程,包括:
步骤A1,对与所述待测锂电池同型号的合格锂电池进行常规倍率和加速倍率条件下分别进行第二设定次数的循环测试,每次测试后记录以下数据:电池循环测试次数及对应的电池实际容量;
步骤A2,基于步骤A1记录的数据进行拟合,得出常规倍率条件下电池循环测试次数与电池实际容量的第二拟合关系式、以及加速倍率条件下电池循环测试次数与电池实际容量的第三拟合关系式,并基于所述第二拟合关系式和所述第三拟合关系式得到快速补偿因子;所述第二设定次数大于所述第一设定次数。
进一步的,在步骤A2中,所述基于所述第二拟合关系式和所述第三拟合关系式得到快速补偿因子,包括:
将所述第一设定次数到达时在加速倍率条件下的所述第二拟合关系式中对应的电池实际容量与常规倍率条件下的所述第三拟合关系式中对应的电池实际容量之比作为补偿因子。
进一步的,所述常规倍率条件指的充放电电流为0.2C;
所述加速倍率条件指的充放电电流≥0.5C,其中,C是电池容量,单位为毫安时。
进一步的,所述第一设定次数的取值范围为50~100,所述第二设定次数的取值范围为450~550。
进一步的,所述第一设定次数的取值为100,所述第二设定次数的取值为500。
进一步的,所述合格锂电池的筛选标准,包括:
经过常规倍率条件下所述第一设定次数的循环测试后,电池实际容量比率不低于80%的锂电池。
本发明还提供一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的锂离子电池循环寿命快速预测方法的步骤。
采用上述技术方案,本发明至少具有下列优点:
本发明所述锂离子电池循环寿命快速预测方法,不需要精密的测试设备和复杂的理论计算,经过短期的循环测试、数据拟合进而简单计算,即可快速预测电池循环寿命,与常规倍率(0.2C)循环测试相比,极大降低了测试成本和测试时间。本发明的预测方法是在短期实测数据基础上进行的数据拟合,与纯理论计算或经验模型相比,与实际测试结果的偏差<1%,故测试结果的一致性更好,更具有普适性。
附图说明
图1为本发明第一实施例的锂离子电池循环寿命快速预测方法流程图;
图2为本发明第二实施例的锂离子电池循环寿命快速预测方法流程图;
图3(a)、(b)分别为本发明第二实施例的常规倍率(0.2C)和加速倍率(1.0C)条件下的500次循环测试的循环次数及其对应的循环容量拟合关系图;
图4为本发明第二实施例的加速倍率(0.5C)条件下的100次循环测试及其对应的循环容量拟合关系图。
具体实施方式
为更进一步阐述本发明为达成预定目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明进行详细说明如后。
本发明第一实施例,一种锂离子电池循环寿命快速预测方法,如图1所示,包括以下具体步骤:
步骤1,对待测锂电池进行加速倍率条件下第一设定次数的循环测试,每次测试后记录以下数据:电池循环测试次数及对应的电池实际容量;
步骤2,基于步骤1记录的数据进行拟合,得出加速条件下电池循环测试次数与电池实际容量的第一拟合关系式,将所述第一拟合关系式乘以快速补偿因子得到快速预测方程;
可选的,所述快速补偿因子的获取过程,包括:
步骤A1,对与所述待测锂电池同型号的合格锂电池进行常规倍率和加速倍率条件下分别进行第二设定次数的循环测试,每次测试后记录以下数据:电池循环测试次数及对应的电池实际容量;
步骤A2,基于步骤A1记录的数据进行拟合,得出常规倍率条件下电池循环测试次数与电池实际容量的第二拟合关系式、以及加速倍率条件下电池循环测试次数与电池实际容量的第三拟合关系式,并基于所述第二拟合关系式和所述第三拟合关系式得到快速补偿因子;所述第二设定次数大于所述第一设定次数。
进一步的,在步骤A2中,所述基于所述第二拟合关系式和所述第三拟合关系式得到快速补偿因子,包括:
将所述第一设定次数到达时在加速倍率条件下的所述第二拟合关系式中对应的电池实际容量与常规倍率条件下的所述第三拟合关系式中对应的电池实际容量之比作为补偿因子。
可选的,所述常规倍率条件指的充放电电流为0.2C;
所述加速倍率条件指的充放电电流≥0.5C,其中,C是电池容量,单位为毫安时。
步骤3,将所述第一设定次数代入所述快速预测方程即可预测出所述待测锂电池经过所述第一设定次数的循环测试后的电池实际容量。
可选的,所述第一设定次数的取值范围为50~100,所述第二设定次数的取值范围为450~550。优选的,所述第一设定次数的取值为100,所述第二设定次数的取值为500。
在本发明实施例中,可选的,所述合格锂电池的筛选标准,包括:
经过常规倍率条件下所述第一设定次数的循环测试后,电池实际容量比率不低于80%的锂电池。
本发明第二实施例,本实施例是在上述实施例的基础上,结合附图2~4介绍一个本发明的应用实例。
如图2所示,本发明实施例的一种锂离子电池循环寿命快速预测方法,具体包括以下步骤:
S1:将与待评价的电池同型号的合格锂电池进行常规倍率(0.2C)和加速倍率(≥0.5C)条件下500次循环测试,记录电池循环次数及其对应的循环容量。本实施例中的循环次数就是前面实施例中的循环测试次数,循环容量就是前面实施例中的电池实际容量。
S2:对500次循环测试的循环次数及其对应的循环容量进行拟合得出拟合关系式(记为y常规、y加速),根据得到的两个拟合关系式计算得出补偿因子k(k=y加速/y常规),此补偿因子只需一次测试和计算获得,适用于材料、结构相似的锂电池,具体步骤如下:
如图3(a)所示,本实施例以2.4Ah、18650型锂离子电池为例,常规倍率(0.2C)条件下500次循环后,根据循环次数及其对应的循环容量进行拟合得到线性函数关系式:y常规=-0.4511x+2527.4,R2=0.9966,呈现良好的线性特点,其中x为循环次数,y为循环容量;R2是拟合工具软件提供的拟合准确率,其值越接近于1,说明拟合的准确度越高,该值仅作为参考。
如图3(b)所示,加速倍率(0.5C)条件下500次循环,根据循环次数及其对应的循环容量进行拟合得到线性函数关系式:y加速=-0.3914x+2418.9,R2=0.9975,呈现良好的线性特点,其中x为循环次数,y为循环容量;根据补偿因子公式k=y加速/y常规,计算得到k=0.9658。
S3:将待评价电池置于要评价的循环中进行加速倍率(≥0.5C)条件下前100次循环测试,对循环次数及其对应的循环容量进行拟合得出拟合关系式,将此关系式乘以补偿因子k,即可获得快速预测方程,具体步骤如下:
如图4所示,2.4Ah、18650型锂离子电池进行加速倍率(0.5C)条件下前100次循环,对循环次数及其对应的循环容量进行拟合得到线性函数关系式:y0.5C/100=-0.6731x+2430.2,R2=0.9968,呈现良好的线性特点,其中x为循环次数,y为循环容量;关系式乘以补偿因子k,即可获得快速预测方程:y快速预测=(-0.6731x+2430.2)×0.9658,其中x为短期循环次数,y为循环容量。
步骤4:将短期循环次数100次代入方程,即可计算得出电池500次循环容量近似值。
为了更直观说明此快速预测方法的科学性与可行性,将常规倍率(0.2C)条件下的500次循环与快速预测方法进行对比,具体结果见表1。
表1
常规倍率500次循环实测容量 | 快速预测方法计算获得容量(x=100) |
2301.85 | 2282.08,误差为0.85% |
因本实施例的所述方法只进行加速倍率(0.5C)条件前100次循环,相比较标准中要求按照常规倍率(0.2C,电流/容量)循环500次,测试时间由6个月天减少为约20天,极大降低了测试成本和测试时间。本发明的预测方法是在短期实测数据基础上进行的数据拟合,与纯理论计算或经验模型相比,与实际测试结果的偏差<1%,故测试结果的一致性更好,更具有普适性。
本发明第三实施例,本实施例的锂离子电池循环寿命快速预测方法的流程与第一、二实施例相同,区别在于,在工程实现上,本实施例可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的所述方法可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台设备执行本发明实施例所述的方法。
通过具体实施方式的说明,应当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图示仅是提供参考与说明之用,并非用来对本发明加以限制。
Claims (8)
1.一种锂离子电池循环寿命快速预测方法,其特征在于,包括:
步骤1,对待测锂电池进行加速倍率条件下第一设定次数的循环测试,每次测试后记录以下数据:电池循环测试次数及对应的电池实际容量;
步骤2,基于步骤1记录的数据进行拟合,得出加速条件下电池循环测试次数与电池实际容量的第一拟合关系式,将所述第一拟合关系式乘以快速补偿因子得到快速预测方程;
步骤3,将所述第一设定次数代入所述快速预测方程即可预测出所述待测锂电池经过所述第一设定次数的循环测试后的电池实际容量。
2.根据权利要求1所述的锂离子电池循环寿命快速预测方法,其特征在于,所述快速补偿因子的获取过程,包括:
步骤A1,对与所述待测锂电池同型号的合格锂电池进行常规倍率和加速倍率条件下分别进行第二设定次数的循环测试,每次测试后记录以下数据:电池循环测试次数及对应的电池实际容量;
步骤A2,基于步骤A1记录的数据进行拟合,得出常规倍率条件下电池循环测试次数与电池实际容量的第二拟合关系式、以及加速倍率条件下电池循环测试次数与电池实际容量的第三拟合关系式,并基于所述第二拟合关系式和所述第三拟合关系式得到快速补偿因子;所述第二设定次数大于所述第一设定次数。
3.根据权利要求2所述的锂离子电池循环寿命快速预测方法,其特征在于,在步骤A2中,所述基于所述第二拟合关系式和所述第三拟合关系式得到快速补偿因子,包括:
将所述第一设定次数到达时在加速倍率条件下的所述第二拟合关系式中对应的电池实际容量与常规倍率条件下的所述第三拟合关系式中对应的电池实际容量之比作为补偿因子。
4.根据权利要求2所述的锂离子电池循环寿命快速预测方法,其特征在于,所述常规倍率条件指的充放电电流为0.2C;
所述加速倍率条件指的充放电电流≥0.5C,其中,C是电池容量,单位为毫安时。
5.根据权利要求2所述的锂离子电池循环寿命快速预测方法,其特征在于,所述第一设定次数的取值范围为50~100,所述第二设定次数的取值范围为450~550。
6.根据权利要求5所述的锂离子电池循环寿命快速预测方法,其特征在于,所述第一设定次数的取值为100,所述第二设定次数的取值为500。
7.根据权利要求2所述的锂离子电池循环寿命快速预测方法,其特征在于,所述合格锂电池的筛选标准,包括:
经过常规倍率条件下所述第一设定次数的循环测试后,电池实际容量比率不低于80%的锂电池。
8.一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的锂离子电池循环寿命快速预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910451421.9A CN110221210B (zh) | 2019-05-28 | 2019-05-28 | 一种锂离子电池循环寿命快速预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910451421.9A CN110221210B (zh) | 2019-05-28 | 2019-05-28 | 一种锂离子电池循环寿命快速预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110221210A true CN110221210A (zh) | 2019-09-10 |
CN110221210B CN110221210B (zh) | 2021-12-31 |
Family
ID=67818239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910451421.9A Expired - Fee Related CN110221210B (zh) | 2019-05-28 | 2019-05-28 | 一种锂离子电池循环寿命快速预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110221210B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562504A (zh) * | 2020-05-21 | 2020-08-21 | 惠州亿纬锂能股份有限公司 | 一种电池老化测试方法以及电池 |
CN112147166A (zh) * | 2020-08-04 | 2020-12-29 | 中汽研汽车检验中心(天津)有限公司 | 一种锂电池快速充电内部结构稳定性的测试和评价方法 |
CN113761716A (zh) * | 2021-08-12 | 2021-12-07 | 惠州市豪鹏科技有限公司 | 一种锂离子电池循环寿命预测方法及其应用 |
CN114252795A (zh) * | 2021-11-30 | 2022-03-29 | 上海电气国轩新能源科技有限公司 | 一种预测锂离子电池循环寿命的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103439666A (zh) * | 2013-09-02 | 2013-12-11 | 北京航空航天大学 | 一种锂离子电池容量衰退评估的几何方法 |
CN105068009A (zh) * | 2015-07-14 | 2015-11-18 | 盐城工学院 | 电池循环寿命预测方法 |
US20160209472A1 (en) * | 2015-01-21 | 2016-07-21 | North Carolina State University | Method and apparatus for estimating battery life |
CN107202960A (zh) * | 2017-05-25 | 2017-09-26 | 安徽江淮汽车集团股份有限公司 | 动力电池寿命预测方法 |
CN107884715A (zh) * | 2016-09-30 | 2018-04-06 | 中国电力科学研究院 | 一种电池循环寿命检测方法 |
CN108732499A (zh) * | 2017-04-13 | 2018-11-02 | 中国电力科学研究院 | 一种检测锂离子电池循环寿命的方法和*** |
CN109782192A (zh) * | 2019-03-08 | 2019-05-21 | 安徽理工大学 | 不同放电倍率下锂离子电池剩余寿命预测方法 |
-
2019
- 2019-05-28 CN CN201910451421.9A patent/CN110221210B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103439666A (zh) * | 2013-09-02 | 2013-12-11 | 北京航空航天大学 | 一种锂离子电池容量衰退评估的几何方法 |
US20160209472A1 (en) * | 2015-01-21 | 2016-07-21 | North Carolina State University | Method and apparatus for estimating battery life |
CN105068009A (zh) * | 2015-07-14 | 2015-11-18 | 盐城工学院 | 电池循环寿命预测方法 |
CN107884715A (zh) * | 2016-09-30 | 2018-04-06 | 中国电力科学研究院 | 一种电池循环寿命检测方法 |
CN108732499A (zh) * | 2017-04-13 | 2018-11-02 | 中国电力科学研究院 | 一种检测锂离子电池循环寿命的方法和*** |
CN107202960A (zh) * | 2017-05-25 | 2017-09-26 | 安徽江淮汽车集团股份有限公司 | 动力电池寿命预测方法 |
CN109782192A (zh) * | 2019-03-08 | 2019-05-21 | 安徽理工大学 | 不同放电倍率下锂离子电池剩余寿命预测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562504A (zh) * | 2020-05-21 | 2020-08-21 | 惠州亿纬锂能股份有限公司 | 一种电池老化测试方法以及电池 |
CN112147166A (zh) * | 2020-08-04 | 2020-12-29 | 中汽研汽车检验中心(天津)有限公司 | 一种锂电池快速充电内部结构稳定性的测试和评价方法 |
CN113761716A (zh) * | 2021-08-12 | 2021-12-07 | 惠州市豪鹏科技有限公司 | 一种锂离子电池循环寿命预测方法及其应用 |
CN113761716B (zh) * | 2021-08-12 | 2024-02-02 | 惠州市豪鹏科技有限公司 | 一种锂离子电池循环寿命预测方法及其应用 |
CN114252795A (zh) * | 2021-11-30 | 2022-03-29 | 上海电气国轩新能源科技有限公司 | 一种预测锂离子电池循环寿命的方法 |
CN114252795B (zh) * | 2021-11-30 | 2023-11-10 | 上海电气国轩新能源科技有限公司 | 一种预测锂离子电池循环寿命的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110221210B (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | A novel capacity estimation method for lithium-ion batteries using fusion estimation of charging curve sections and discrete Arrhenius aging model | |
Jafari et al. | Deterministic models of Li-ion battery aging: It is a matter of scale | |
CN110221210A (zh) | 一种锂离子电池循环寿命快速预测方法 | |
CN104584376B (zh) | 针对预定义充电持续时间在积分退化全局最小化下对电池进行充电的方法和装置 | |
CN107728072A (zh) | 一种锂离子电池循环寿命的快速预测方法 | |
CN109586373A (zh) | 一种电池充电方法和装置 | |
CN106532187A (zh) | 一种基于电池健康状态的电池加热方法 | |
JP2020109367A (ja) | 内部状態推定装置および方法、ならびに電池制御装置 | |
CN106324524A (zh) | 一种锂离子电池循环寿命的快速预测方法 | |
CN109782190A (zh) | 用于估计单颗电池或单批电池的剩余使用寿命的方法 | |
CN112198444A (zh) | 一种基于极片膨胀度预测锂离子电池循环寿命的方法 | |
CN109061478A (zh) | 一种利用eis测试进行锂离子电池寿命定性预测的方法 | |
Zhou et al. | Practical State of Health Estimation for LiFePO 4 Batteries Based on Gaussian Mixture Regression and Incremental Capacity Analysis | |
CN114460474A (zh) | 电池分容方法及其装置、电子设备 | |
Long et al. | Multi-parameter optimization method for remaining useful life prediction of lithium-ion batteries | |
JP2021139788A (ja) | 電池特性決定装置及び二次電池システム | |
CN113447817B (zh) | 一种基于两点寿命特征的锂电池在线寿命预测方法 | |
CN113447816B (zh) | 一种基于两点老化特征的锂电池在线老化诊断方法 | |
CN110687460A (zh) | 一种soc预估方法 | |
CN112108400B (zh) | 一种预测软包电池循环性能的测试方法 | |
CN116908705B (zh) | 容量衰减模型建立方法、电池循环寿命测试方法及装置 | |
CN109635446A (zh) | 拟合复合电极的开路电势曲线的方法及其应用 | |
CN104849670A (zh) | 锂离子电池寿命预测的测试方法 | |
CN116449244A (zh) | 基于单次放电曲线的锂电池老化轨迹早期预测方法及*** | |
R-Smith et al. | Advanced self-discharge measurements of lithium-ion cells and comparison to modeling |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211231 |
|
CF01 | Termination of patent right due to non-payment of annual fee |