CN115792642B - 一种动力电池寿命的估算方法及装置 - Google Patents

一种动力电池寿命的估算方法及装置 Download PDF

Info

Publication number
CN115792642B
CN115792642B CN202310051029.1A CN202310051029A CN115792642B CN 115792642 B CN115792642 B CN 115792642B CN 202310051029 A CN202310051029 A CN 202310051029A CN 115792642 B CN115792642 B CN 115792642B
Authority
CN
China
Prior art keywords
reaction
power battery
electrode material
loss
equation
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.)
Active
Application number
CN202310051029.1A
Other languages
English (en)
Other versions
CN115792642A (zh
Inventor
马瑞军
高坡
皮婷
张士荟
李奎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Innovation Aviation Technology Group Co ltd
Original Assignee
China Lithium Battery Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Lithium Battery Technology Co Ltd filed Critical China Lithium Battery Technology Co Ltd
Priority to CN202310051029.1A priority Critical patent/CN115792642B/zh
Publication of CN115792642A publication Critical patent/CN115792642A/zh
Application granted granted Critical
Publication of CN115792642B publication Critical patent/CN115792642B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/60Other road transportation technologies with climate change mitigation effect
    • Y02T10/70Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Secondary Cells (AREA)

Abstract

本发明公开了一种动力电池寿命的估算方法及装置,将确定出的用于描述当前运行工况的当前工况参数输入至训练好的容量损失模型中,通过该容量损失模型,可以计算出当前运行工况对应的容量损失量,从而可以基于该容量损失量估算出动力电池的寿命;并且,因容量损失模型用于描述工况参数、容量损失量、动力电池的反应活化能和反应电位之间的关系,在将工况参数称之为环境应力因素时,所以本发明实施例中考虑了环境应力因素对动力电池寿命的影响,从影响动力电池衰减的本质原因出发,从而可以更加准确地估算出动力电池的寿命。

Description

一种动力电池寿命的估算方法及装置
技术领域
本发明涉及动力电池技术领域,尤指一种动力电池寿命的估算方法及装置。
背景技术
电动车辆一般包括车体和位于车体内的动力电池,动力电池可以为电动车辆提供动力以驱动电动车辆行驶,其中动力电池的性能决定着电动车辆的能耗里程,动力电池的性能越优异,可以为电动车辆提供更多的电能,进而使得电动车辆的能耗里程更高。但是动力电池的寿命同样也影响着电动车辆的性能,所以动力电池寿命的预测就变得尤为重要。
发明内容
本发明实施例提供了一种动力电池寿命的估算方法及装置,用于对动力电池的寿命进行预测和估算。
第一方面,本发明实施例提供了一种动力电池寿命的估算方法,包括:
确定用于描述所述动力电池在当前运行工况下的工况参数;所述工况参数包括:所述动力电池的状态、所述动力电池所处的环境温度、所述动力电池的充电倍率和放电倍率、放电深度、以及荷电状态;所述动力电池的状态包括:存储状态和循环使用状态;
将所述当前运行工况下的工况参数转换为对应的特征数据;所述特征数据至少包括可用锂损失数据;
将转换后的特征数据输入至已训练好的容量损失模型中,得到所述动力电池的容量损失量;所述容量损失模型用于描述所述特征数据、所述容量损失量、所述动力电池的反应活化能和所述动力电池的反应电位之间的关系;所述反应活化能至少包括:可用锂损失时对应的化学反应的第一反应活化能;所述反应电位至少包括:所述可用锂损失时对应的化学反应的第一反应电位;
根据得到的所述容量损失量,确定所述动力电池的寿命;
其中,所述容量损失模型为至少基于可用锂损失方程构建,所述可用锂损失方程符合以下关系式:
其中,Q1表示所述可用锂损失数据, E a1表示所述第一反应活化能, η 1表示所述第一反应电位, R表示气体反应常数, T表示所述环境温度, F表示法拉第常数, t表示时间, a 1α 1n 1 b 1均为常数。
第二方面,本发明实施例提供了一种动力电池寿命的估算装置,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的所述程序指令,按照获得的程序执行如本发明实施例提供的上述估算方法。
第三方面,本发明实施例提供了一种用电设备,包括:动力电池及如本发明实施例提供的上述估算装置;
所述估算装置用于对所述动力电池的寿命进行估算。
本发明有益效果如下:
本发明实施例提供的一种动力电池寿命的估算方法及装置,将用于描述当前运行工况下的工况参数转换为对应的特征数据,并将特征数据输入至训练好的容量损失模型中,通过该容量损失模型,可以计算出当前运行工况对应的容量损失量,从而可以基于该容量损失量估算出动力电池的寿命;并且,因容量损失模型用于描述特征数据、容量损失量、动力电池的反应活化能和反应电位之间的关系,且特征数据由工况参数转换而来,所以在将工况参数称之为环境应力因素时,本发明实施例中考虑了环境应力因素对动力电池寿命的影响,从影响动力电池衰减的本质原因出发,从而可以更加准确地估算出动力电池的寿命。
附图说明
图1为本发明实施例中提供的一种动力电池寿命的估算方法的流程图;
图2为本发明实施例中提供的一种动力电池寿命的估算装置的结构示意图;
图3为本发明实施例中提供的动力电池的结构示意图。
具体实施方式
下面将结合附图,对本发明实施例提供的一种动力电池寿命的估算方法及装置的具体实施方式进行详细地说明。需要说明的是,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,都属于本发明保护的范围。
本发明实施例提供了一种动力电池寿命的估算方法,如图1所示,包括:
S101、确定用于描述动力电池在当前运行工况下的工况参数;工况参数包括:动力电池的状态、动力电池所处的环境温度、动力电池的充电倍率和放电倍率、放电深度、以及荷电状态;动力电池的状态包括:存储状态和循环使用状态;
其中,动力电池的状态可以理解为动力电池的使用状态,而荷电状态指的是动力电池在使用一段时间或搁置一段时间后的剩余容量与其完全充电状态的容量的比值,常用百分数表示,所以使用状态与荷电状态属于完全不同的概念,所表达的含义完全不同。
并且,不管是当前运行工况还是后续内容提及的老化运行工况,其中用于描述运行工况的工况参数除了上面列举的6种参数之外,还可以包括其他可以影响动力电池衰减的参数,在此不做限定。
此外,后续内容提及的老化运行工况与当前运行工况包括的工况参数的种类相同,但工况参数的具体数值可能会存在不同。
S102、将当前运行工况下的工况参数转换为对应的特征数据;特征数据至少包括可用锂损失数据;
其中,当前运行工况下的工况参数对应的特征数据,以及后续内容提及的老化运行工况下的工况参数对应的特征数据的种类相同,但具体的数据可能会存在不同。
S103、将转换后的特征数据输入至已训练好的容量损失模型中,得到动力电池的容量损失量;容量损失模型用于描述特征数据、容量损失量、动力电池的反应活化能和动力电池的反应电位之间的关系;反应活化能至少包括:可用锂损失时对应的化学反应的第一反应活化能;反应电位至少包括:可用锂损失时对应的化学反应的第一反应电位;
一、下面对容量损失模型的训练过程进行介绍。
在一些实施例中,容量损失模型采用以下方式训练:
多个样本动力电池在多种老化运行工况下运行后,确定各老化运行工况下的工况参数;
确定各老化运行工况下的工况参数对应的特征数据;
采用确定出的特征数据对容量损失模型进行训练,响应于基于训练后的容量损失模型计算出的容量损失量与实际测量到的容量损失量之间的拟合偏差在预设范围内,完成对容量损失模型的训练。
其中,在进行训练时,可以采用最小二乘法或最大似然法等方式进行训练,以实现对反应活化能和反应电位等其他参数的优化。
并且,各样本动力电池在不同的老化运行工况下运行时,对样本动力电池的影响是不同的,使得样本动力电池的衰减速度也是不同的,通过对运行了不同老化运行工况的样本动力电池进行分析和解析,可以确定出不同老化运行工况对应的特征数据,也即一个老化运行工况对应一组特征数据,再采用得到的特征数据对容量损失模型进行训练,且在训练的过程中主要用于确定反应活化能和反应电位等参数。另外,每种老化运行工况可以对应至少一个样本动力电池,也就是说,一个样本动力电池运行在一个老化运行工况下,部分样本动力电池对应的老化运行工况可以是相同的,或者各样本动力电池对应的老化运行工况可以是不同的。
每采用特征数据训练一次或n(n为大于1的整数,可以根据实际需要进行设置)次,即可利用训练后的容量损失模型计算出容量损失量,然后再与实际测量到的容量损失量进行比对;直至二者的拟合偏差在预设范围内,表示二者的偏差较小,二者的结果较接近,说明基于训练后的容量损失模型计算出的容量损失量与实际较接近,此时可以认为训练结束,从而确定出最后一次训练过程中采用的反应活化能和反应电位等参数,并将其锁定至训练好的容量损失模型中。
待利用该容量损失模型进行实际估算时,由于反应活化能和反应电位等参数已经确定出,所以将特征数据输入至训练好的容量损失模型中,即可计算出容量损失量,从而估算出动力电池的寿命。
由于在训练时,是基于各种老化运行工况下得到的特征数据,在将用于描述运行工况的工况参数称之为环境应力因素时,本发明实施例中考虑了环境应力因素对动力电池寿命的影响,从动力电池发生衰减的本质原因出发,构建并训练了容量损失模型,在基于这样的容量损失模型进行寿命估算时,可以更加准确地估算出动力电池的寿命。
在一些实施例中,反应活化能和反应电位均与动力电池中的化学反应相关,在动力电池包括多个化学反应时,每个化学反应对应一个反应活化能和一个反应电位,并且在动力电池处于不同的工况之下时,反应活化能和反应电位是固定的,因此基于大量的老化运行工况对容量损失模型进行训练,即可确定出反应活化能和反应电位。
并且,在每次利用训练完容量损失模型估算出容量损失量时,可以绘制出容量损失量与时间的对应关系曲线,比较各对应关系曲线,将其中异于大部分对应关系曲线的异常曲线对应的训练结果剔除掉,在大部分对应关系曲线的训练结果中找出最优的反应活化能和反应电位等参数。
在一些实施例中,预设范围可以为0.8至1。也就是说,拟合偏差越接近1,表示计算出的容量损失量与实际测量到的容量损失量越接近,进而表示训练好的容量损失模型更加准确有效,从而估算出的动力电池的寿命就更加准确可靠。
二、下面对容量损失模型的构建过程进行介绍。
在一些实施例中,容量损失模型可以为至少基于可用锂损失方程构建,可用锂损失方程符合以下关系式(即关系式1):
其中,Q1表示可用锂损失数据, E a1表示第一反应活化能, η 1表示第一反应电位, R表示气体反应常数, T表示环境温度, F表示法拉第常数, t表示时间, a 1α 1n 1 b 1均为常数。
也就是说,在特征数据仅包括可用锂损失数据时,对应地,反应活化能可以仅包括可用锂损失时对应的化学反应的第一反应活化能,反应电位可以仅包括可用锂损失时对应的化学反应的第一反应电位,进而容量损失模型可以基于可用锂损失方程构建,这时可用锂损失程度可以反映容量损失量,从而通过可用锂损失程度估算动力电池的寿命,以减少估算时的运算量,提高估算效率。
可用锂损失方程并不限于关系式1中的形式,还可以为其他可以用于描述可用锂损失数据、环境温度、第一反应活化能和第一反应电位之间关系的关系式,在此不作限定。
在一些实施例中,容量损失模型为基于可用锂损失方程构建的方法包括:
采用以下关系式,构建容量损失模型:
f=Q1;
其中,f表示容量损失量。
也即,在基于可用锂损失方程计算出可用锂损失数据时,可以将可用锂损失数据作为容量损失量,从而实现基于可用锂损失方程构建容量损失模型。
在一些实施例中,特征数据除了可以包括可用锂损失数据之外,还可以包括正极材料损失数据和负极材料损失数据,对应地,反应活化能还可以包括正极对应的化学反应的第二反应活化能、负极对应的化学反应的第三反应活化能,反应电位还可以包括:正极对应的化学反应的第二反应电位,负极对应的化学反应的第三反应电位;基于此,容量损失模型的构建方法可以包括:
确定正极材料损失方程和负极材料损失方程;
基于可用锂损失方程、正极材料损失方程、负极材料损失方程之和,构建容量损失模型;
其中,正极材料损失方程用于描述环境温度、第二反应活化能、正极材料损失数据和第二反应电位之间的关系,负极材料损失方程用于描述环境温度、第三反应活化能、负极材料损失数据和第三反应电位之间的关系。
如此,可以基于可用锂损失方程、正极材料损失方程、负极材料损失方程构建容量损失模型,进而可以基于可用锂损失程度、正极材料损失程度和负极材料损失程度计算出容量损失量,从而可以基于可用锂损失程度、正极材料损失程度和负极材料损失程度估算出动力电池的寿命,使得估算出的寿命准确可靠。
进一步地,在一些实施例中,特征数据除了可以包括可用锂损失数据、正极材料损失数据和负极材料损失数据之外,还可以包括阻抗增长数据,对应地,反应活化能还可以包括阻抗增长时对应的化学反应的第四反应活化能,反应电位还可以包括:阻抗增长时对应的化学反应的第四反应电位;基于此,容量损失模型的构建方法还可以包括:
确定阻抗增长方程;
基于阻抗增长方程与已构建的容量损失模型之和,重新构建容量损失模型;
其中,阻抗增长方程用于描述环境温度、第四反应活化能、第四反应电位和阻抗增长数据之间的关系。
如此,可以基于阻抗增长方程和已构建的容量损失模型,再次构建容量损失模型,进而将阻抗增长程度考虑在内计算容量损失量,从而可以基于可用锂损失程度、正极材料损失程度、负极材料损失程度和阻抗增长程度估算出动力电池的寿命,从更多角度、更多方面估算动力电池的寿命,使得估算出的寿命更加准确可靠。
在一些实施例中,基于阻抗增长方程与已构建的容量损失模型之和,重新构建容量损失模型,包括:
采用如下公1和公式2,重新构建容量损失模型:
公式1:f2=f1+Q4;
公式2:f1=Q1+k1*Q2+k2*Q3;
其中,f2表示重新构建的容量损失模型中的容量损失量,f1表示已构建的容量损失模型中的容量损失量,Q2表示正极材料损失方程中对应的正极材料损失数据,Q3表示负极材料损失方程中对应的负极材料损失数据,Q4表示阻抗增长方程中对应的阻抗增长数据,k1和k2为常数,k1和k2的取值为0至1。
当然,在基于多个方程构建容量损失模型时,除了可以采用上述公式1和公式2之外,还可以采用以下方式构建:
以基于四个方程(即可用锂损失方程、正极材料损失方程、负极材料损失方程和阻抗增长方程)构建容量损失模型为例。
简单地将多个方程加和,得到容量损失模型;比如,可用锂损失方程中等号左侧为可用锂损失数据,等号右侧为环境温度、第一反应活化能和第一反应电位的关系,正极材料损失方程中等号左侧为正极材料损失数据,等号右侧为环境温度、第二反应活化能和第二反应电位的关系,负极材料损失方程中等号左侧为负极材料损失数据,等号右侧为环境温度、第三反应活化能和第三反应电位的关系,阻抗增长方程中等号左侧为阻抗增长数据,等号右侧为环境温度、第四反应活化能和第四反应电位的关系;将可用锂损失数据、正极材料损失数据、负极材料损失数据和阻抗增长数据加和,得到容量损失模型;
或者,为每个方程设置一个权重,将可用锂损失方程与权重的乘积、正极材料损失方程与权重的乘积、负极材料损失方程与权重的乘积和阻抗增长方程与权重的乘积加和,得到容量损失模型;比如,分别计算可用锂损失数据、正极材料损失数据、负极材料损失数据和阻抗增长数据与对应权重的乘积再求和,得到容量损失模型;
又或者,为部分方程设置权重,先将权重与对应方程乘积再与其他方程加和,得到容量损失模型。
因此,在基于多个方程构建容量损失模型时,可以采用上述几种方式,以满足不同应用场景的需要,提高设计的灵活性。
在一些实施例中,正极材料损失方程可以符合以下关系式(记为关系式2):
其中,Q2表示正极材料损失数据, E a2表示第二反应活化能, η 2表示第二反应电位, R表示气体反应常数, T表示环境温度, F表示法拉第常数, t表示时间,△ V 1表示正极材料的体积变化量, a 2α 2n 2 b 2均为常数。
正极材料损失方程并不限于关系式2中的形式,还可以为其他可以用于描述环境温度、第二反应活化能、正极材料损失数据和第二反应电位之间关系的关系式,在此不作限定。
在一些实施例中,负极材料损失方程可以符合以下关系式(记为关系式3):
其中,Q3表示负极材料损失数据, E a3表示第三反应活化能, η 3表示第三反应电位, R表示气体反应常数, T表示环境温度, F表示法拉第常数, t表示时间,△ V 2表示负极材料的体积变化量, a 3α 3n 3 b 3均为常数。
负极材料损失方程并不限于关系式3中的形式,还可以为其他可以用于描述环境温度、第三反应活化能、负极材料损失数据和第三反应电位之间关系的关系式,在此不作限定。
在一些实施例中,阻抗增长方程可以符合以下关系式(记为关系式4):
其中,Q4表示阻抗增长数据, E a4表示第四反应活化能, η 4表示第四反应电位, R表示气体反应常数, T表示环境温度, F表示法拉第常数, t表示时间, a 4α 4n 4 b 4均为常数。
阻抗增长方程并不限于关系式4中的形式,还可以为其他可以用于描述环境温度、第四反应活化能、第四反应电位和阻抗增长数据之间关系的关系式,在此不作限定。
三、下面对特征数据的确定过程进行介绍。
在一些实施例中,在确定样本动力电池在各老化运行工况下的工况参数对应的特征数据时,可以采用以下过程:
准备大量的具有相同性能和相同参数的样本动力电池,将这些样本动力电池分别在不同的老化运行工况下运行,分别对运行后的样本动力电池进行测试,得到不同老化运行工况下的特征数据;其中:
1、对于可用锂损失数据:对于任一样本动力电池,采用容量标定法测量该电池的容量,记为C1;在特定的环境温度(例如但不限于25℃)下,采用较小的倍率(例如但不限于0.50C等)对该样本动力电池进行充放电,再计算出容量,记为C2,C2与C1的差即为可用锂损失数据;
2、正极材料损失数据:将任一样本动力电池进行拆解,取出正极材料并组装成半电池进行容量测试,得到正极材料容量;采用该样本动力电池在运行老化运行工况前的初始正极材料容量减去得到的正极材料容量,即为正极材料损失数据;
3、负极材料损失数据:将任一样本动力电池进行拆解,取出负极材料并组装成半电池进行容量测试,得到负极材料容量;采用该样本动力电池在运行老化运行工况前的初始负极材料容量减去得到的负极材料容量,即为负极材料损失数据;
4、阻抗增长数据:测试任一样本动力电池的总容量,计算可用锂损失数据、正极材料损失数据和负极材料损失数据之和并记为第一数值,再将总容量减去第一数值,即为阻抗增长数据。
其中,老化运行工况对应的工况参数包括:动力电池的状态、环境温度、充电倍率和放电倍率、放电深度、以及荷电状态,不同的老化运行工况中至少一个参数是不同的。
并且,在上述S102中,在将当前运行工况下的工况参数转换为对应的特征数据时,采用的方式可以与上述确定老化运行工况下的工况参数对应的特征数据时采用的方式类似,在此不再详述。
S104、根据得到的容量损失量,确定动力电池的寿命。
在一些实施例中,根据得到的容量损失量,确定动力电池的寿命,包括:
根据得到的容量损失量,确定动力电池的剩余容量;
根据剩余容量,确定动力电池的寿命。
其中,在根据剩余容量,确定动力电池的寿命时,可以包括:
将剩余容量作为动力电池的寿命;这时剩余容量就是寿命;
或者,基于剩余容量与寿命之间的换算关系,换算出剩余容量对应的寿命。
因此,基于得到的容量损失量即可确定出动力电池的寿命,实现动力电池的寿命的预测和估算。
基于此,将用于描述当前运行工况下的工况参数转换为对应的特征数据,并将特征数据输入至训练好的容量损失模型中,通过该容量损失模型,可以计算出当前运行工况对应的容量损失量,从而可以基于该容量损失量估算出动力电池的寿命;并且,因容量损失模型用于描述特征数据、容量损失量、动力电池的反应活化能和反应电位之间的关系,且特征数据由工况参数转换而来,所以在将工况参数称之为环境应力因素时,本发明实施例中考虑了环境应力因素对动力电池寿命的影响,从影响动力电池衰减的本质原因出发,从而可以更加准确地估算出动力电池的寿命。
在一些实施例中,上述估算方法可以但不限于应用至以下场景中:
场景1:动力电池在使用过程中估算寿命。
在一些实施例中,以动力电池应用至电动车辆中为例,电动车辆在出厂后被车主使用的过程中,随着车主对电动车辆使用时间的延长,动力电池会发生衰减,为了避免动力电池衰减的程度较大而导致无法正常驱动电动车辆而降低车主使用的安全性,可以按照车主需求或设置寿命估算周期,在需要估算动力电池的寿命时,执行上述步骤S101至S104,以完成动力电池的寿命的估算和预测。
例如,车主每过两年就估算一下动力电池的寿命,以预测一下动力电池是否还可以正常驱动电动车辆,为无法正常驱动电动车辆做出准备和计划。
场景2:出厂前的估算,便于计算质保期。
在一些实施例中,同样以动力电池应用至电动车辆中为例,在电动车辆出厂前,可以根据电动车辆的使用方式模拟运行工况,然后基于模拟的运行工况执行上述步骤S101至S104以估算出动力电池的寿命,再基于估算出的动力电池的寿命确定动力电池的质保期。
其中,电动车辆的使用方式包括但不限于:日常生活使用、短途运营、长途运营等。
例如,如果电动车辆用于出租车时,由于使用频率较高,所以可以基于模拟的运行工况估算出动力电池的寿命,再确定该种使用方式下动力电池的质保期,为车主的使用提供参考。
场景3:动力电池回收再利用的指导意见。
在一些实施例中,在动力电池从电动车辆中拆卸出来并回收时,可以基于电动车辆的使用情况采用上述步骤S101至S104以估算出动力电池的寿命,再基于估算出的寿命,确定回收的该动力电池可以再次驱动的设备。
例如,老年电动车对容量的需求比电动车辆小一点,所以回收的动力电池的寿命还有很多年且容量损失较少时,可以应用至老年电动车;三轮电动车或两轮电动车对容量的需求稍小一些,所以回收的动力电池的寿命稍少一些且容量损失稍大一些时,可以应用至三轮电动车或两轮电动车。
基于同一发明构思,本发明实施例提供了一种动力电池寿命的估算装置,如图2所示,包括:
存储器201,用于存储程序指令;
处理器202,用于调用存储器201中存储的程序指令,按照获得的程序执行如本发明实施例提供的上述估算方法。
基于同一发明构思,本发明实施例提供了一种用电设备,如图3所示,包括:动力电池301及如本发明实施例提供的上述估算装置302;
估算装置302用于对动力电池301的寿命进行估算。
在一些实施例中,动力电池可以包括:箱体、电池和电池管理***等其他结构;电池和电池管理***均位于箱体内,估算装置可以位于电池管理***内。这样,通过电池管理***即可完成寿命的估算,避免在动力电池增加新的结构,在避免对动力电池的结构造成改动的情况下,增加了动力电动的功能。
当然,估算装置还可以位于动力电池之外,可以根据实际需要设置估算装置的位置,以满足不同应用场景的需要,提高设计的灵活性。
在一些实施例中,用电设备可以但不限于为电动车辆,且电动车辆可以但不限于为纯电驱动车辆或油电混动车辆。
综上,本发明实施例中的动力电池寿命的估算方法和装置,不仅从动力电池的衰减机理角度出发,还考虑了工况中的因素对动力电池衰减的影响,即外界因素对动力电池的衰减的影响,从而可以更加全面、准确地估算出动力电池的寿命。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种动力电池寿命的估算方法,其特征在于,包括:
确定用于描述所述动力电池在当前运行工况下的工况参数;所述工况参数包括:所述动力电池的状态、所述动力电池所处的环境温度、所述动力电池的充电倍率和放电倍率、放电深度、以及荷电状态;所述动力电池的状态包括:存储状态和循环使用状态;
将所述当前运行工况下的工况参数转换为对应的特征数据;所述特征数据至少包括可用锂损失数据;
将转换后的特征数据输入至已训练好的容量损失模型中,得到所述动力电池的容量损失量;所述容量损失模型用于描述所述特征数据、所述容量损失量、所述动力电池的反应活化能和所述动力电池的反应电位之间的关系;所述反应活化能至少包括:可用锂损失时对应的化学反应的第一反应活化能;所述反应电位至少包括:所述可用锂损失时对应的化学反应的第一反应电位;
根据得到的所述容量损失量,确定所述动力电池的寿命;
其中,所述容量损失模型为至少基于可用锂损失方程构建,所述可用锂损失方程符合以下关系式:
其中,Q1表示所述可用锂损失数据,E a1表示所述第一反应活化能,η 1表示所述第一反应电位,R表示气体反应常数,T表示所述环境温度,F表示法拉第常数,t表示时间,a 1α 1n 1 b 1均为常数;
所述容量损失模型采用以下方式训练:
多个样本动力电池在多种老化运行工况下运行后,确定各所述老化运行工况下的工况参数;所述老化运行工况与所述当前运行工况对应的工况参数的种类相同;
确定各所述老化运行工况下的工况参数对应的特征数据;
采用确定出的特征数据对所述容量损失模型进行训练,响应于基于训练后的所述容量损失模型计算出的容量损失量与实际测量到的容量损失量之间的拟合偏差在预设范围内,完成对所述容量损失模型的训练。
2.如权利要求1所述的估算方法,其特征在于,所述特征数据还包括正极材料损失数据和负极材料损失数据时,所述容量损失模型的构建方法包括:
确定正极材料损失方程和负极材料损失方程;
基于所述可用锂损失方程、所述正极材料损失方程、所述负极材料损失方程之和,构建所述容量损失模型;
其中,所述反应活化能还包括:正极对应的化学反应的第二反应活化能、负极对应的化学反应的第三反应活化能;所述反应电位还包括:正极对应的化学反应的第二反应电位,负极对应的化学反应的第三反应电位;所述正极材料损失方程用于描述所述环境温度、所述第二反应活化能、所述正极材料损失数据和所述第二反应电位之间的关系,所述负极材料损失方程用于描述所述环境温度、所述第三反应活化能、所述负极材料损失数据和所述第三反应电位之间的关系。
3.如权利要求2所述的估算方法,其特征在于,确定正极材料损失方程,包括:
采用以下关系式,确定所述正极材料损失方程:
其中,Q2表示所述正极材料损失数据,E a2表示所述第二反应活化能,η 2表示所述第二反应电位,R表示气体反应常数,T表示所述环境温度,F表示法拉第常数,t表示时间,△V 1表示正极材料的体积变化量,a 2α 2n 2 b 2均为常数。
4.如权利要求2所述的估算方法,其特征在于,确定负极材料损失方程,包括:
采用以下关系式,确定所述负极材料损失方程:
其中,Q3表示所述负极材料损失数据,E a3表示所述第三反应活化能,η 3表示所述第三反应电位,R表示气体反应常数,T表示所述环境温度,F表示法拉第常数,t表示时间,△V 2表示负极材料的体积变化量,a 3α 3n 3 b 3均为常数。
5.如权利要求2所述的估算方法,其特征在于,所述特征数据还包括阻抗增长数据时,所述容量损失模型的构建方法还包括:
确定阻抗增长方程;
基于所述阻抗增长方程与已构建的容量损失模型之和,重新构建所述容量损失模型;
其中,所述反应活化能还包括:阻抗增长时对应的化学反应的第四反应活化能,所述反应电位还包括:阻抗增长时对应的化学反应的第四反应电位,所述阻抗增长方程用于描述所述环境温度、所述第四反应活化能、所述第四反应电位和所述阻抗增长数据之间的关系。
6.如权利要求5所述的估算方法,其特征在于,基于所述阻抗增长方程与已构建的容量损失模型之和,重新构建所述容量损失模型,包括:
采用如下公式,重新构建所述容量损失模型:
f2=f1+Q4;
f1=Q1+k1*Q2+k2*Q3;
其中,f2表示重新构建的所述容量损失模型中的所述容量损失量,f1表示所述已构建的容量损失模型中的所述容量损失量,Q2表示所述正极材料损失方程中对应的所述正极材料损失数据,Q3表示所述负极材料损失方程中对应的所述负极材料损失数据,Q4表示所述阻抗增长方程中对应的所述阻抗增长数据,k1和k2为常数。
7.如权利要求5所述的估算方法,其特征在于,确定阻抗增长方程,包括:
采用以下关系式,确定所述阻抗增长方程:
其中,Q4表示所述阻抗增长数据,E a4表示所述第四反应活化能,η 4表示所述第四反应电位,R表示气体反应常数,T表示所述环境温度,F表示法拉第常数,t表示时间,a 4α 4n 4 b 4均为常数。
8.一种动力电池寿命的估算装置,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的所述程序指令,按照获得的程序执行如权利要求1-7任一项所述的估算方法。
9.一种用电设备,其特征在于,包括:动力电池及如权利要求8所述的估算装置;
所述估算装置用于对所述动力电池的寿命进行估算。
CN202310051029.1A 2023-02-02 2023-02-02 一种动力电池寿命的估算方法及装置 Active CN115792642B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310051029.1A CN115792642B (zh) 2023-02-02 2023-02-02 一种动力电池寿命的估算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310051029.1A CN115792642B (zh) 2023-02-02 2023-02-02 一种动力电池寿命的估算方法及装置

Publications (2)

Publication Number Publication Date
CN115792642A CN115792642A (zh) 2023-03-14
CN115792642B true CN115792642B (zh) 2023-04-28

Family

ID=85429466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310051029.1A Active CN115792642B (zh) 2023-02-02 2023-02-02 一种动力电池寿命的估算方法及装置

Country Status (1)

Country Link
CN (1) CN115792642B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709126B (zh) * 2024-02-01 2024-05-07 苏州易来科得科技有限公司 预测电池性能的方法、装置、电子设备和存储介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107317057B (zh) * 2016-04-27 2019-09-20 宝沃汽车(中国)有限公司 一种动力电池运行寿命预测和预测装置
CN106383324B (zh) * 2016-12-07 2019-07-09 上海动力储能电池***工程技术有限公司 一种基于容量衰减机理分解分析的锂离子电池寿命预测方法
CN107066722B (zh) * 2017-04-06 2020-07-07 北京理工大学 一种基于电化学模型的动力电池***荷电状态和健康状态的联合估计方法
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
CN112014735B (zh) * 2019-05-30 2023-09-22 上海汽车集团股份有限公司 一种基于全寿命周期的电芯老化寿命预测方法及装置
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***
CN113872258A (zh) * 2020-06-30 2021-12-31 比亚迪股份有限公司 电池均流控制方法及电池均流控制***
CN111707955B (zh) * 2020-08-11 2021-01-12 江苏时代新能源科技有限公司 电池剩余寿命的估算方法、装置和介质
CN113381056A (zh) * 2021-05-28 2021-09-10 万向一二三股份公司 一种长循环寿命锂离子电池及提高锂离子电池循环寿命的方法
EP4123320B1 (de) * 2021-07-23 2024-03-13 Siemens Aktiengesellschaft Verfahren zum bestimmen eines kapazitätsverlusts eines batteriespeichers, vorrichtung und computerprogrammprodukt
CN114089204B (zh) * 2021-11-30 2023-11-21 蜂巢能源科技(无锡)有限公司 一种电池容量跳水拐点预测方法及装置
CN115267543A (zh) * 2022-05-11 2022-11-01 国电南瑞科技股份有限公司 变温工况下锂电池容量损失推算方法、***及存储介质
CN114859233A (zh) * 2022-05-12 2022-08-05 江苏大学 一种面向全生命利用的锂离子电池容量损失预测方法
CN115639480B (zh) * 2022-12-21 2023-03-21 中创新航科技股份有限公司 一种电池健康状态的检测方法及装置

Also Published As

Publication number Publication date
CN115792642A (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
Jafari et al. Deterministic models of Li-ion battery aging: It is a matter of scale
Chu et al. Non-destructive fast charging algorithm of lithium-ion batteries based on the control-oriented electrochemical model
Bian et al. A model for state-of-health estimation of lithium ion batteries based on charging profiles
Ouyang et al. A dynamic capacity degradation model and its applications considering varying load for a large format Li-ion battery
Swierczynski et al. Lifetime Estimation of the Nanophosphate $\hbox {LiFePO} _ {4}\hbox {/C} $ Battery Chemistry Used in Fully Electric Vehicles
Guha et al. Remaining useful life estimation of lithium-ion batteries based on the internal resistance growth model
Hussein Adaptive artificial neural network-based models for instantaneous power estimation enhancement in electric vehicles’ Li-ion batteries
CN104698382A (zh) 一种电池组的soc与soh的预测方法
Li et al. State‐of‐health prediction for lithium‐ion batteries via electrochemical impedance spectroscopy and artificial neural networks
CN112083345B (zh) 电池状态检测方法、装置及存储介质
US11835589B2 (en) Method and apparatus for machine-individual improvement of the lifetime of a battery in a battery-operated machine
CN115792642B (zh) 一种动力电池寿命的估算方法及装置
CN111426960A (zh) 储能锂电池荷电状态监控方法与装置
CN114325440A (zh) 借助于机器学习方法运行用于为设备提供电能量存储器的预测老化状态的***的方法和装置
EP4044322A1 (en) Estimation device, estimation method, and computer program
Urquizo et al. A review of health estimation methods for Lithium-ion batteries in Electric Vehicles and their relevance for Battery Energy Storage Systems
Long et al. Multi-parameter optimization method for remaining useful life prediction of lithium-ion batteries
CN115219904A (zh) 用于运行用来提供电化学电池组模型的***的方法和装置
Nájera et al. Semi-empirical ageing model for LFP and NMC Li-ion battery chemistries
Eleftheriadis et al. Comparative study of machine learning techniques for the state of health estimation of li-ion batteries
CN116609686B (zh) 一种基于云平台大数据的电芯一致性评估方法
CN110687460B (zh) 一种soc预估方法
US20230324463A1 (en) Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods
CN111308352A (zh) 一种锂离子的电池衰减估算方法
CN116774045A (zh) 一种基于hho-svr的锂电池健康状态预测方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 213000 No. 1, Jiangdong Avenue, Jintan District, Changzhou City, Jiangsu Province

Patentee after: China Innovation Aviation Technology Group Co.,Ltd.

Address before: 213000 No. 1, Jiangdong Avenue, Jintan District, Changzhou City, Jiangsu Province

Patentee before: Zhongchuangxin Aviation Technology Co.,Ltd.