CN113702845A - 退役锂电池核心参数评估方法和设备 - Google Patents
退役锂电池核心参数评估方法和设备 Download PDFInfo
- Publication number
- CN113702845A CN113702845A CN202111028132.1A CN202111028132A CN113702845A CN 113702845 A CN113702845 A CN 113702845A CN 202111028132 A CN202111028132 A CN 202111028132A CN 113702845 A CN113702845 A CN 113702845A
- Authority
- CN
- China
- Prior art keywords
- current discharge
- parameters
- lithium battery
- model
- discharge voltage
- 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
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 107
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004088 simulation Methods 0.000 claims abstract description 35
- 238000012360 testing method Methods 0.000 claims abstract description 25
- 239000000463 material Substances 0.000 claims abstract description 19
- 239000003792 electrolyte Substances 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 32
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 21
- 229910001416 lithium ion Inorganic materials 0.000 claims description 21
- 239000007790 solid phase Substances 0.000 claims description 20
- 238000009792 diffusion process Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 239000002245 particle Substances 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 15
- 239000012528 membrane Substances 0.000 claims description 13
- 239000007774 positive electrode material Substances 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 10
- 239000007773 negative electrode material Substances 0.000 claims description 10
- 239000000843 powder Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000003411 electrode reaction Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 5
- 230000036647 reaction Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000006183 anode active material Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 239000002001 electrolyte material Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 150000002641 lithium Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及锂电池领域,尤其涉及一种退役锂电池核心参数评估方法和设备。其中,上述方法包括:获取参照电池的初始模型参数,所述参照电池与退役锂电池具有相同材料体系;基于所述初始模型参数,建立初始电化学模型;获取所述退役锂电池进行恒流放电测试的恒定电流放电电压曲线数据,以及进行变流放电测试的变化电流放电电压曲线数据;基于所述恒定电流放电电压曲线数据和所述变化电流放电电压曲线数据,对所述初始电化学模型的模型参数进行调整,得到目标电化学模型,所述目标电化学模型用于对所述退役锂电池核心参数进行评估。本发明实施例提供的退役锂电池核心参数评估方法具有兼容性高、所需实测数据少和仿真精确度高的优点。
Description
【技术领域】
本发明涉及锂电池领域,尤其涉及一种退役锂电池核心参数评估方法和设备。
【背景技术】
我国退役锂电池数量逐年增长,据估计,到2025年我国将产生80万吨的退役锂电池。在这种情况下,根据退役锂电池的核心参数,对退役锂电池进行梯次利用,能够避免资源浪费和环境污染问题。其中,核心参数包括但不限于荷电状态(State of Charge,SOC)和功率状态(State of Power,SOP)等。
随着电池服役时间的增加,其核心参数会不断发生变化。传统的函数模型、等效电路模型和神经网络模型很难精准评估电池老化后的核心参数,并且需要基于大量的实测数据进行模型参数校准。同时,上述模型兼容性差,无法对相同材料体系下不同厂家生产的电池进行核心参数评估。
【发明内容】
有鉴于此,本发明实施例提供了一种退役锂电池核心参数评估方法和设备,能够对相同材料体系下不同厂家生产的电池进行核心参数评估,具有兼容性强、所需实测数据少和仿真精确度高的优点。
第一方面,本发明实施例提供了一种退役锂电池核心参数评估方法,包括:
获取参照电池的初始模型参数,所述参照电池与退役锂电池具有相同材料体系;
基于所述初始模型参数,建立初始电化学模型;
获取所述退役锂电池进行恒流放电测试的恒定电流放电电压曲线数据,以及进行变流放电测试的变化电流放电电压曲线数据;
基于所述恒定电流放电电压曲线数据和所述变化电流放电电压曲线数据,对所述初始电化学模型的模型参数进行调整,得到目标电化学模型,所述目标电化学模型用于对所述退役锂电池核心参数进行评估。
其中一种可能的实现方式中,所述初始模型参数包括:正极参数、负极参数、电池反应参数、电解液参数和隔膜参数;所述建立初始电化学模型,包括:
根据所述正极参数和所述电池反应参数,确定正极固相荷电状态传递函数;
根据所述负极参数和所述电池反应参数,确定负极固相荷电状态传递函数;
根据所述正极参数、所述负极参数、所述电解液参数、所述隔膜参数和所述电池反应参数,确定电池端电压传递函数。
其中一种可能的实现方式中,
所述正极参数,包括:正极活性材料粒径相关性系数、正极活性材料体积分数、正极固相锂离子扩散系数、正极最大锂浓度、正极粉体厚度、正极孔隙率、正极调节系数正极平衡电动势微分函数和正极反应速率动力学系数中的一项或多项;
所述负极参数,包括:负极活性材料粒径相关性系数、负极活性材料体积分数、负极固相锂离子扩散系数、负极最大锂浓度、负极粉体厚度、负极孔隙率、负极调节系数、负极平衡电动势微分函数和负极反应速率动力学系数中的一项或多项;
所述电解液参数包括:电解液离子电导率、电解液浓度、电解液锂离子扩散系数和电解液离子粒子迁移数中的一项或多项;
所述隔膜参数,包括:隔膜孔隙率、隔膜调节系数和隔膜厚度中的一项或多项;
所述电池反应参数,包括:膜阻、电极反应面积、气体常数和法拉第常数中的一项或多项。
其中一种可能的实现方式中,获取所述退役锂电池进行恒流放电测试的恒定电流放电电压曲线,包括:
采用至少三组电流值不同的恒定电流,对充电完全状态的所述退役锂电池进行恒流放电至放电完全状态,根据恒流放电过程中放电电压随时间变化的曲线确定所述恒定电流放电电压曲线数据
其中一种可能的实现方式中,获取所述退役锂电池进行变流放电测试的变化电流放电电压曲线数据,包括:
对充电完全状态的所述退役锂电池进行变流放电至放电完全状态,根据变流放电过程中放电电压随时间变化的曲线确定所述变化电流放电电压曲线数据。
其中一种可能的实现方式中,基于所述变化电流放电电压曲线数据,对所述初始电化学模型的模型参数进行调整,包括:
对所述初始电化学模型进行变流放电仿真,得到第一仿真数据;
使用最小二乘法获得所述第一仿真数据与所述变化电流放电电压曲线数据的差值最小时的第一模型参数值;
根据所述第一模型参数值对所述初始电化学模型的模型参数进行校正。
其中一种可能的实现方式中,在基于所述变化电流放电电压曲线数据,对所述初始电化学模型的模型参数进行调整之后,还包括:
对所述初始电化学模型进行恒流放电仿真,得到第二仿真数据;
获得所述第二仿真数据与所述恒定电流放电电压曲线数据的差值最小时的第二模型参数值;
根据所述第二模型参数值对所述初始电化学模型的模型参数进行校正。
第二方面,本发明实施例一种退役锂电池核心参数评估装置,包括:
获取模块,获取参照电池的初始模型参数,所述参照电池与退役锂电池具有相同材料体系;
建模模块,用于基于所述初始模型参数,建立初始电化学模型
所述获取模块,还用于获取所述退役锂电池进行恒流放电测试的恒定电流放电电压曲线数据,以及进行变流放电测试的变化电流放电电压曲线数据;
校正模块,用于基于所述恒定电流放电电压曲线数据和所述变化电流放电电压曲线数据,对所述初始电化学模型的模型参数进行调整,得到目标电化学模型,所述目标电化学模型用于对所述退役锂电池核心参数进行评估。
第三方面,本发明实施例提供一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面提供的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行第一方面所述的方法。
应当理解的是,本发明实施例的第二~第四方面与本发明实施例的第一方面的技术方案一致,各方面及对应的可行实施方式所取得的有益效果相似,不再赘述。
发明实施例提供的退役锂电池核心参数评估方法和设备,能够对相同材料体系下不同厂家生产的电池进行核心参数评估,具有兼容性强、所需实测数据少和仿真精确度高的优点。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种退役锂电池核心参数评估方法的流程图;
图2为本发明实施例提供的一种锂电池单体结构的效果示意图;
图3为本发明实施例提供的一种恒定电流放电电压曲线数据的效果示意图;
图4为本发明实施例提供的一种变化电流放电电压曲线数据的效果示意图;
图5为本发明实施例提供的一种退役锂电池核心参数评估装置的示意图;
图6为本发明实施提供的一种电子设备的结构示意图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
传统的函数模型、等效电路模型和神经网络模型很难精准评估电池老化后的核心参数,并且需要基于大量的实测数据进行模型参数校准。同时,上述模型兼容性差,无法对相同材料体系下不同厂家生产的电池进行核心参数评估。发明实施例提供的退役锂电池核心参数评估方法和设备,能够对相同材料体系下不同厂家生产的电池进行核心参数评估,具有兼容性强、所需实测数据少和仿真精确度高的优点。
图1为本发明实施例提供的一种退役锂电池核心参数评估方法的流程图。如图1所示,上述退役锂电池核心参数评估方法可以包括:
步骤101,获取参照电池的初始模型参数,参照电池与退役锂电池具有相同材料体系。
其中,退役锂电池为本发明实施例需要进行核心参数评估的对象。选取与退役锂电池具有相同的材料体系的参照电池,通过线下计算或查找文献的方式获取参照电池的正极参数、负极参数、电池反应参数、电解液参数和隔膜参数,将获取到的参数作为初始模型参数。
需要说明的是,锂电池主要由正极、负极、电解液和隔膜构成。其中,参照电池与退役锂电池具有相同材料体系,可以理解为参照电池与退役锂电池的正极材料、负极材料、电解液材料和隔膜材料均相同。
图2为一个经简化的锂电池单体结构示意图,图中示出了锂电池的阳极、阴极和隔膜。其中,电池负极为阳极,由多个阳极颗粒组成;电池正极为阴极,由多个阴极颗粒组成。图中Cn代表负极锂浓度,Cp代表正极锂浓度,Ce代表电解液浓度;Ln代表负极粉体厚度,Lp代表正极粉体厚度,Ls代表隔膜厚度。在锂电池充电过程中,锂离子Li+会从正极脱出,经过电解液和隔膜到达负极。
本步骤中,待获取的初始模型参数包括:正极参数、负极参数、电池反应参数、电解液参数和隔膜参数。
其中,正极参数,包括:正极活性材料粒径相关性系数、正极活性材料体积分数、正极固相锂离子扩散系数、正极最大锂浓度、正极粉体厚度、正极孔隙率、正极调节系数正极平衡电动势微分函数和正极反应速率动力学系数;
负极参数,包括:负极活性材料粒径相关性系数、负极活性材料体积分数、负极固相锂离子扩散系数、负极最大锂浓度、负极粉体厚度、负极孔隙率、负极调节系数、负极平衡电动势微分函数和负极反应速率动力学系数;
电解液参数包括:电解液离子电导率、电解液浓度、电解液锂离子扩散系数和电解液离子粒子迁移数;
隔膜参数,包括:隔膜孔隙率、隔膜调节系数和隔膜厚度中的一项或多项;
电池反应参数,包括:膜阻、电极反应面积、气体常数和法拉第常数。
获取上述初始模型参数后,继续执行步骤102。
步骤102,基于初始模型参数,建立初始电化学模型。
将步骤101中获取的初始模型参数作为输入参数,建立初始电化学模型。
需要说明的是,电化学模型采用一系列偏微分方程和代数方程组精确描述了电池内部锂离子的扩散与迁移、活性粒子表面电化学反应等物理、化学现象。该模型不仅可以准确仿真电池外部特性,还可以对电池内部特性变化(如电极与电解液中锂离子浓度、反应过电势等难以实测的电池内部物理量)进行仿真。与包括等效电路模型在内的其他电池模型相比,电化学模型能深入描述动力电池内部的微观反应,具有更明确的物理含义。
本发明实施例建立的电化学模型主要依靠正极固相荷电状态传递函数、负极固相荷电状态传递函数和电池端电压传递函数,对锂电池的内部特性和外部特性进行仿真。
具体地,正极固相荷电状态传递函数为:
其中,θp代表正极固相荷电状态,βp代表正极活性材料粒径相关性系数,S代表传递函数的复变量,Dsp代表正极固相锂离子扩散系数,εp代表正极活性材料体积分数,F代表法拉第常数,Cp max代表正极最大锂浓度。
负极固相荷电状态传递函数为:
其中,θn代表负极固相荷电状态,βn代表负极活性材料粒径相关性系数,S代表传递函数的复变量,Dsn代表负极固相锂离子扩散系数,εn代表负极活性材料体积分数,F代表法拉第常数,Cn max代表负极最大锂浓度。
电池端电压传递函数为:
其中,U(t)代表电池端电压随时间变化的函数,I(t)代表电池端电流随时间变化的函数,fp(θp)代表正极平衡电动势微分函数,Lp代表正极粉体厚度,A代表电极反应面积,fn(θn)代表负极平衡电动势微分函数,Ln代表负极粉体厚度,Ls代表隔膜厚度,κe代表电解液离子电导率,εes代表隔膜孔隙率,bgls代表隔膜调节系数,Rf代表膜阻,R代表气体常数,tran +代表电解液离子粒子迁移数,Ce代表电解液浓度,F代表法拉第常数,εep代表正极孔隙率,T代表温度,S代表传递函数的复变量,De代表电解液锂离子扩散系数,bglp代表正极调节系数,εn代表负极活性材料体积分数,bgln代表负极调节系数,βp代表正极活性材料粒径相关性系数,εp代表正极活性材料体积分数,kp代表正极反应速率动力学系数,Cn代表负极锂浓度,Cp代表正极锂浓度,Cn max代表负极最大锂浓度,Cp max代表正极最大锂浓度。
建立初始电化学模型之后,继续执行步骤103。
步骤103,获取退役锂电池进行恒流放电测试的恒定电流放电电压曲线数据,以及进行变流放电测试的变化电流放电电压曲线数据。
具体地,采用至少三组倍率不同的恒定电流,对充电完全状态的退役锂电池进行恒流放电至放电完全状态,根据恒流放电过程中放电电压随时间变化的曲线确定恒定电流放电电压曲线数据。
其中,倍率是可以表示放电快慢的一种量度,倍率=放电电流/额定容量。例如,额定容量为100A·h的电池用20A放电时,其放电倍率为0.2C。本发明实施例中,采用至少三组倍率不同的恒定电流,可以理解为以至少三组电流值不同的恒定电流作为放电电流,对退役锂电池进行至少3次恒流放电测试,使其从100%SOC放电至0%SOC,记录每次恒流放电测试中放电电压随时间变化的曲线,并将该曲线作为恒定电流放电电压曲线数据。
图3为一种恒定电流放电电压曲线数据的示意图。如图3所示,该恒定电流放电电压曲线数据包含在4组不同倍率的恒定电流下,退役锂电池放电电压随时间变化的曲线。
另外,本步骤中,还需要对退役锂电池进行变流放电测试,使其从100%SOC放电至0%SOC,记录变流放电测试中放电电压随时间变化的曲线,并将该曲线作为变化电流放电电压曲线数据。图4为本发明实施例提供的一种变化电流放电电压曲线数据的示意图。
步骤104,基于恒定电流放电电压曲线数据和变化电流放电电压曲线数据,对初始电化学模型的模型参数进行调整,得到目标电化学模型,所述目标电化学模型用于对退役锂电池核心参数进行评估。
本步骤中,对模型参数的调整可以分为两次,每次分别对不同的模型参数进行调整。第一次对第一模型参数进行调整,第二次对第二模型参数进行调整。其中,第一模型参数包括:正极固相锂离子扩散系数、正极孔隙率、负极固相锂离子扩散系数、负极孔隙率和电解液锂离子扩散系数;第二模型参数包括:正极固相锂离子扩散系数、正极孔隙率、负极固相锂离子扩散系数、负极孔隙率和电解液锂离子扩散系数。
具体地,第一次调整时,可以使用初始电化学模型进行变流放电仿真,得到第一仿真数据。其中,第一仿真数据为变流放电仿真过程中,初始电化学模型在变化电流下从100%SOC放电至0%SOC,放电电压随时间变化的曲线。之后,使用最小二乘法计算第一仿真数据与变化电流放电电压曲线数据差值最小时的第一模型参数,进而实现对第一模型参数的校正。
保留第一次调整后的第一模型参数值,在第二次调整时,使用初始电化学模型进行恒流放电仿真,得到第二仿真数据。具体地,采用与步骤103退役锂电池进行恒流放电测试时,相同组数和相同倍率的恒定电流对初始电化学模型进行恒流放电仿真,分别记录其在每组恒定电流下从100%SOC放电至0%SOC,放电电压随时间变化的曲线,将该曲线作为第二仿真数据。之后,根据人工经验,调整第二模型参数的大小,使第二仿真数据与恒定电流放电电压曲线数据的差值尽量达到最小值,进而实现对第二模型参数的校正。
对初始电化学模型的模型参数进行两次校正后,可以得到目标电化学模型。相较于初始电化学模型,目标电化学模型可以对退役锂电池的内部特性和外部特性进行精确度更高的仿真,进而实现对退役锂电池核心参数进行评估。本步骤中,可以根据实际需要,对初始电化学模型的模型参数进行多次调整,以提高目标电化学模型的仿真精确度。
本发明实施例提供的退役锂电池核心参数评估方法,可以对相同材料体系下不同厂家生产的电池进行核心参数评估。具体地,在对相同材料体系下不同厂家生产的电池进行核心参数评估时,只需要在步骤103中分别对不同的退役锂电池进行恒流放电测试和变流放电测试,并分别获取每个退役锂电池对应的恒定电流放电电压曲线数据和变化电流放电电压曲线数据。之后分别根据每个退役锂电池的恒定电流放电电压曲线数据和变化电流放电电压曲线数据,对每个退役锂电池对应的初始电化学模型的模型参数进行调整,得到每个退役锂电池对应的目标电化学模型。本发明实施例提供的退役锂电池核心参数评估方法,需要输入的实测数据数量少,仿真精确度高。
图5为本发明实施例提供的一种退役锂电池核心参数评估装置的示意图。如图5所示,上退役锂电池核心参数评估装置可以包括:
获取模块51,获取参照电池的初始模型参数,所述参照电池与退役锂电池具有相同材料体系。
建模模块52,用于基于所述初始模型参数,建立初始电化学模型。
所述获取模块51,还用于获取所述退役锂电池进行恒流放电测试的恒定电流放电电压曲线数据,以及进行变流放电测试的变化电流放电电压曲线数据。
校正模块53,用于基于所述恒定电流放电电压曲线数据和所述变化电流放电电压曲线数据,对所述初始电化学模型的模型参数进行调整,得到目标电化学模型,所述目标电化学模型用于对所述退役锂电池核心参数进行评估。
校正模块53,具体用于对所述初始电化学模型进行变流放电仿真,得到第一仿真数据;使用最小二乘法获得所述第一仿真数据与所述变化电流放电电压曲线数据的差值最小时的第一模型参数值;根据所述第一模型参数值对所述初始电化学模型的模型参数进行校正;以及,对所述初始电化学模型进行恒流放电仿真,得到第二仿真数据;获得所述第二仿真数据与所述恒定电流放电电压曲线数据的差值最小时的第二模型参数值;根据所述第二模型参数值对所述初始电化学模型的模型参数进行校正。
图5所示实施例提供的退役锂电池核心参数评估装置可用于执行本发明图1所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图6为本发明实施提供的一种电子设备的结构示意图。图6显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,上述电子设备可以包括至少一个处理器;以及与上述处理器通信连接的至少一个存储器,其中:存储器存储有可被处理器执行的程序指令,上述处理器调用上述程序指令能够执行本发明图1所示实施例提供的退役锂电池核心参数评估方法。电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:一个或者多个处理器410,通信接口420,存储器430,以及连接不同***组件(包括存储器430和处理单元410)的通信总线440。
通信总线440表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及***组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
电子设备典型地包括多种计算机***可读介质。这些介质可以是任何能够被电子设备访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器430可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)和/或高速缓存存储器。电子设备可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。存储器430可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块的程序/实用工具,可以存储在存储器430中,这样的程序模块包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本发明所描述的实施例中的功能和/或方法。
处理器410通过运行存储在存储器430中的程序,从而执行各种功能应用以及数据处理,例如实现本发明图1所示实施例提供的退役锂电池核心参数评估方法。
本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行本发明图1所示实施例提供的退役锂电池核心参数评估方法。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network;以下简称:LAN)或广域网(Wide Area Network;以下简称:WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上述对本发明特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在本发明的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本发明中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本发明中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
在本发明所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种退役锂电池核心参数评估方法,其特征在于,包括:
获取参照电池的初始模型参数,所述参照电池与退役锂电池具有相同材料体系;
基于所述初始模型参数,建立初始电化学模型;
获取所述退役锂电池进行恒流放电测试的恒定电流放电电压曲线数据,以及进行变流放电测试的变化电流放电电压曲线数据;
基于所述恒定电流放电电压曲线数据和所述变化电流放电电压曲线数据,对所述初始电化学模型的模型参数进行调整,得到目标电化学模型,所述目标电化学模型用于对所述退役锂电池核心参数进行评估。
2.根据权利要求1所述的方法,其特征在于,所述初始模型参数包括:正极参数、负极参数、电池反应参数、电解液参数和隔膜参数;所述建立初始电化学模型,包括:
根据所述正极参数和所述电池反应参数,确定正极固相荷电状态传递函数;
根据所述负极参数和所述电池反应参数,确定负极固相荷电状态传递函数;
根据所述正极参数、所述负极参数、所述电解液参数、所述隔膜参数和所述电池反应参数,确定电池端电压传递函数。
3.根据权利要求2所述的方法,其特征在于,
所述正极参数,包括:正极活性材料粒径相关性系数、正极活性材料体积分数、正极固相锂离子扩散系数、正极最大锂浓度、正极粉体厚度、正极孔隙率、正极调节系数正极平衡电动势微分函数和正极反应速率动力学系数中的一项或多项;
所述负极参数,包括:负极活性材料粒径相关性系数、负极活性材料体积分数、负极固相锂离子扩散系数、负极最大锂浓度、负极粉体厚度、负极孔隙率、负极调节系数、负极平衡电动势微分函数和负极反应速率动力学系数中的一项或多项;
所述电解液参数包括:电解液离子电导率、电解液浓度、电解液锂离子扩散系数和电解液离子粒子迁移数中的一项或多项;
所述隔膜参数,包括:隔膜孔隙率、隔膜调节系数和隔膜厚度中的一项或多项;
所述电池反应参数,包括:膜阻、电极反应面积、气体常数和法拉第常数中的一项或多项。
4.根据权利要求1所述的方法,其特征在于,获取所述退役锂电池进行恒流放电测试的恒定电流放电电压曲线,包括:
采用至少三组电流值不同的恒定电流,对充电完全状态的所述退役锂电池进行恒流放电至放电完全状态,根据恒流放电过程中放电电压随时间变化的曲线确定所述恒定电流放电电压曲线数据。
5.根据权利要求1所述的方法,其特征在于,获取所述退役锂电池进行变流放电测试的变化电流放电电压曲线数据,包括:
对充电完全状态的所述退役锂电池进行变流放电至放电完全状态,根据变流放电过程中放电电压随时间变化的曲线确定所述变化电流放电电压曲线数据。
6.根据权利要求3所述的方法,其特征在于,基于所述变化电流放电电压曲线数据,对所述初始电化学模型的模型参数进行调整,包括:
对所述初始电化学模型进行变流放电仿真,得到第一仿真数据;
使用最小二乘法获得所述第一仿真数据与所述变化电流放电电压曲线数据的差值最小时的第一模型参数值;
根据所述第一模型参数值对所述初始电化学模型的模型参数进行校正。
7.根据权利要求6所述的方法,其特征在于,在基于所述变化电流放电电压曲线数据,对所述初始电化学模型的模型参数进行调整之后,还包括:
对所述初始电化学模型进行恒流放电仿真,得到第二仿真数据;
获得所述第二仿真数据与所述恒定电流放电电压曲线数据的差值最小时的第二模型参数值;
根据所述第二模型参数值对所述初始电化学模型的模型参数进行校正。
8.一种退役锂电池核心参数评估装置,其特征在于,包括:
获取模块,获取参照电池的初始模型参数,所述参照电池与退役锂电池具有相同材料体系;
建模模块,用于基于所述初始模型参数,建立初始电化学模型
所述获取模块,还用于获取所述退役锂电池进行恒流放电测试的恒定电流放电电压曲线数据,以及进行变流放电测试的变化电流放电电压曲线数据;
校正模块,用于基于所述恒定电流放电电压曲线数据和所述变化电流放电电压曲线数据,对所述初始电化学模型的模型参数进行调整,得到目标电化学模型,所述目标电化学模型用于对所述退役锂电池核心参数进行评估。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111028132.1A CN113702845B (zh) | 2021-09-02 | 2021-09-02 | 退役锂电池核心参数评估方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111028132.1A CN113702845B (zh) | 2021-09-02 | 2021-09-02 | 退役锂电池核心参数评估方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113702845A true CN113702845A (zh) | 2021-11-26 |
CN113702845B CN113702845B (zh) | 2024-05-14 |
Family
ID=78657652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111028132.1A Active CN113702845B (zh) | 2021-09-02 | 2021-09-02 | 退役锂电池核心参数评估方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113702845B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114184964A (zh) * | 2021-12-08 | 2022-03-15 | 蜂巢能源科技(无锡)有限公司 | 一种电芯内部温度分布的评估方法及装置 |
CN114371409A (zh) * | 2022-03-07 | 2022-04-19 | 上海玫克生储能科技有限公司 | 电池状态预测模型的训练方法、电池状态预测方法及装置 |
CN115081332A (zh) * | 2022-06-30 | 2022-09-20 | 上海玫克生储能科技有限公司 | 用于参数识别的工况敏感度分析和数据处理方法、装置 |
CN115995628A (zh) * | 2023-03-23 | 2023-04-21 | 深圳市杰成镍钴新能源科技有限公司 | 一种退役锂离子电池的回收处理方法及装置 |
CN116184230A (zh) * | 2023-02-28 | 2023-05-30 | 东莞市冠达自动化设备有限公司 | 一种锂电池测试方法、装置、设备和存储介质 |
CN116716622A (zh) * | 2023-08-07 | 2023-09-08 | 福建德尔科技股份有限公司 | 一种基于电解条件的氟气制备方法和*** |
WO2024130552A1 (zh) * | 2022-12-20 | 2024-06-27 | 宁德时代新能源科技股份有限公司 | 电池模型构建方法、仿真方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901072A (zh) * | 2019-03-19 | 2019-06-18 | 上海毅信环保科技有限公司 | 基于历史数据与实验室测试数据的退役电池参数检测方法 |
CN110501652A (zh) * | 2019-09-05 | 2019-11-26 | 上海毅信环保科技有限公司 | 一种退役锂电池可用容量快速评估方法及评估装置 |
CN112098846A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 一种退役动力锂电池的混合建模方法 |
CN112526353A (zh) * | 2020-12-17 | 2021-03-19 | 合肥工业大学 | 一种退役锂离子动力电池soc快速检测方法及装置 |
CN112526352A (zh) * | 2020-12-17 | 2021-03-19 | 合肥工业大学 | 一种退役锂离子电池的soh估计方法 |
CN112883531A (zh) * | 2019-11-29 | 2021-06-01 | 比亚迪股份有限公司 | 锂离子电池数据处理方法、计算机设备和存储介质 |
-
2021
- 2021-09-02 CN CN202111028132.1A patent/CN113702845B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901072A (zh) * | 2019-03-19 | 2019-06-18 | 上海毅信环保科技有限公司 | 基于历史数据与实验室测试数据的退役电池参数检测方法 |
CN110501652A (zh) * | 2019-09-05 | 2019-11-26 | 上海毅信环保科技有限公司 | 一种退役锂电池可用容量快速评估方法及评估装置 |
CN112883531A (zh) * | 2019-11-29 | 2021-06-01 | 比亚迪股份有限公司 | 锂离子电池数据处理方法、计算机设备和存储介质 |
CN112098846A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 一种退役动力锂电池的混合建模方法 |
CN112526353A (zh) * | 2020-12-17 | 2021-03-19 | 合肥工业大学 | 一种退役锂离子动力电池soc快速检测方法及装置 |
CN112526352A (zh) * | 2020-12-17 | 2021-03-19 | 合肥工业大学 | 一种退役锂离子电池的soh估计方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114184964A (zh) * | 2021-12-08 | 2022-03-15 | 蜂巢能源科技(无锡)有限公司 | 一种电芯内部温度分布的评估方法及装置 |
CN114184964B (zh) * | 2021-12-08 | 2023-08-29 | 蜂巢能源科技(无锡)有限公司 | 一种电芯内部温度分布的评估方法及装置 |
CN114371409A (zh) * | 2022-03-07 | 2022-04-19 | 上海玫克生储能科技有限公司 | 电池状态预测模型的训练方法、电池状态预测方法及装置 |
CN115081332A (zh) * | 2022-06-30 | 2022-09-20 | 上海玫克生储能科技有限公司 | 用于参数识别的工况敏感度分析和数据处理方法、装置 |
WO2024130552A1 (zh) * | 2022-12-20 | 2024-06-27 | 宁德时代新能源科技股份有限公司 | 电池模型构建方法、仿真方法、装置、设备及存储介质 |
CN116184230A (zh) * | 2023-02-28 | 2023-05-30 | 东莞市冠达自动化设备有限公司 | 一种锂电池测试方法、装置、设备和存储介质 |
CN115995628A (zh) * | 2023-03-23 | 2023-04-21 | 深圳市杰成镍钴新能源科技有限公司 | 一种退役锂离子电池的回收处理方法及装置 |
CN115995628B (zh) * | 2023-03-23 | 2023-06-30 | 深圳市杰成镍钴新能源科技有限公司 | 一种退役锂离子电池的回收处理方法及装置 |
CN116716622A (zh) * | 2023-08-07 | 2023-09-08 | 福建德尔科技股份有限公司 | 一种基于电解条件的氟气制备方法和*** |
CN116716622B (zh) * | 2023-08-07 | 2023-12-15 | 福建德尔科技股份有限公司 | 一种基于电解条件的氟气制备方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN113702845B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113702845B (zh) | 退役锂电池核心参数评估方法和设备 | |
CN109143083B (zh) | 一种数据驱动的电动车辆锂离子电池析锂诊断方法 | |
CN110457742A (zh) | 一种锂离子电池电化学-热-机械耦合模型及建模方法 | |
CN108761341A (zh) | 一种锂离子电池电化学模型参数获取方法 | |
CN105866700B (zh) | 一种锂离子电池快速筛选的方法 | |
CN110442901B (zh) | 一种锂离子电池电化学简化模型及其参数的获取方法 | |
CN109738806B (zh) | 模拟电池产热率的方法、装置、介质 | |
CN109033619B (zh) | 一种18650型锂电池放电循环的瞬态温度模型建模方法 | |
CN109946622B (zh) | 一种锂离子电池的锂沉积预测方法和装置 | |
CN109148978A (zh) | 一种电池组的容量均衡方法及*** | |
CN113868934A (zh) | 一种并联锂离子电池电化学参数辨识方法 | |
CN112083336A (zh) | 一种锂离子电池组电化学模型参数获取方法 | |
CN113933714A (zh) | 基于简化电化学模型和灰色预测联合的电池容量预测方法 | |
CN114624604A (zh) | 一种电池寿命预测模型生成、预测方法、装置和电子设备 | |
CN114460474A (zh) | 电池分容方法及其装置、电子设备 | |
Wang et al. | Parameter sensitivity analysis and parameter identifiability analysis of electrochemical model under wide discharge rate | |
CN115598539A (zh) | 一种电池参数辨识方法、***、电子设备及存储介质 | |
CN114865117A (zh) | 锂离子电池电极嵌锂量检测方法、装置及电池管理*** | |
CN113125974B (zh) | 一种电池析锂检测方法及装置 | |
CN114076899B (zh) | 电池寿命的分档预估方法、装置、设备、***及介质 | |
CN113642153A (zh) | 参比电极的测量误差标定方法及计算机设备 | |
Quantmeyer et al. | Modeling the Electrical Behavior of Lithium-Ion Batteries for Electric Vehicles | |
CN113075552B (zh) | 一种电池的作业方法 | |
CN116111219B (zh) | 电池无析锂快充方法 | |
Li et al. | Control-oriented implementation and model order reduction of a lithium-ion battery electrochemical model |
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 |