CN115856682B - 一种基于临界点转变的锂电池容量跳水点个性化预警方法 - Google Patents

一种基于临界点转变的锂电池容量跳水点个性化预警方法 Download PDF

Info

Publication number
CN115856682B
CN115856682B CN202211674573.3A CN202211674573A CN115856682B CN 115856682 B CN115856682 B CN 115856682B CN 202211674573 A CN202211674573 A CN 202211674573A CN 115856682 B CN115856682 B CN 115856682B
Authority
CN
China
Prior art keywords
early warning
capacity
curve
lithium battery
point
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
CN202211674573.3A
Other languages
English (en)
Other versions
CN115856682A (zh
Inventor
袁烨
杨晓然
马贵君
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202211674573.3A priority Critical patent/CN115856682B/zh
Publication of CN115856682A publication Critical patent/CN115856682A/zh
Application granted granted Critical
Publication of CN115856682B publication Critical patent/CN115856682B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Secondary Cells (AREA)

Abstract

本发明公开了一种基于临界点转变的锂电池容量跳水点个性化预警方法，属于电池存储技术领域，包括：采集锂电池在不同充放电循环中的电压及容量数据，以计算得到容量退化曲线和IC峰值曲线；将所述容量退化曲线和所述IC峰值曲线输入预先建立的跳水点预警模型，以使其基于临界点预警方法提取多个预警信号；基于多个所述预警信号获取对应的预警信号曲线；针对不同类型及工况的锂电池，根据所述预警信号曲线个性化设置不同的判别阈值，利用所述判别阈值对所述锂电池的容量跳水点进行预警。本发明解决了现有人工判断与经验预估方法难以***跳水点的问题，并实现了个性化预警，有着良好的准确性与鲁棒性。

Description

一种基于临界点转变的锂电池容量跳水点个性化预警方法
技术领域
本发明属于电池存储技术领域，更具体地，涉及一种基于临界点转变的锂电池容量跳水点个性化预警方法。
背景技术
锂电池在使用过程中不仅会发生容量退化，由于负极表面析锂、正极活性材料失效、电解液消耗等原因，往往会发生突然的容量跳水现象，即锂电池容量衰退到一定程度后，突然加速衰退，在很短的时间内容量衰退至寿命终止。锂电池容量跳水会导致锂电池的使用性能大幅下降，更容易发生锂电池故障甚至热失控问题，成为影响锂电池使用安全的重大隐患，对锂电池***运行的安全性和可靠性构成挑战。因此，在锂电池容量跳水发生前进行提前预警，及时对即将发生容量跳水的锂电池进行更换，是目前迫切需要解决的问题。
然而，目前尚缺乏对锂电池容量跳水的预测方法，现有方法主要为人工判断与经验预估。人工判断方法通过离线的肉眼识别来对跳水点进行预测，耗时耗力的同时，准确性低；经验预估方法通过经验判断跳水点发生的大致位置，如大部分锂电池的容量跳水拐点约为健康状态(SOH)等于0.8，此时对应的循环数可作为跳水点，但该方法与实际结果偏差较大。同时，以上两种方法都难以实现跳水点的***，因此，亟待开发一种新方法实现锂电池容量跳水点稳定准确的提前预警。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于临界点转变的锂电池容量跳水点个性化预警方法，其目的在于，将获取的容量退化曲线和IC峰值曲线输入预先建立的跳水点预警模型，以使其基于临界点预警方法提取多个预警信号，根据所述预警信号曲线个性化设置不同的判别阈值，由此解决现有跳水点提前预警技术中的准确性低、提前性差的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种基于临界点转变的锂电池容量跳水点个性化预警方法，包括：
S1：利用锂电池在不同充放电循环中的电压及容量数据计算得到容量退化曲线和IC峰值曲线；
S2：将所述容量退化曲线和所述IC峰值曲线输入预先建立的跳水点预警模型，以使其基于临界点预警方法提取多个预警信号；基于多个所述预警信号获取对应的预警信号曲线；
S3：针对不同类型及工况的锂电池，根据所述预警信号曲线个性化设置不同的判别阈值，利用所述判别阈值对所述锂电池的容量跳水点进行预警。
在其中一个实施例中，所述S1包括：
S11：实验采集锂电池不同充放电循环中的电压及容量数据，所述电压及容量数据包括：恒流充电电压曲线、恒流充电容量曲线和总放电容量数据；
S12：根据所述总放电容量数据，绘制所述容量退化曲线；
S13：根据所述恒流充电电压曲线和所述恒流充电容量曲线提取所述IC峰值曲线。
在其中一个实施例中，所述S13包括：采用增量容量分析方法对所述恒流充电电压曲线和恒流充电容量曲线进行拟合和微分，从而得到不同充放电循环下锂电池的IC曲线；对所述不同充放电循环下锂电池的IC曲线进行峰值提取，以确定所述IC峰值曲线。
在其中一个实施例中，所述跳水点预警模型包括：曲线平滑部分、残差计算部分和滑窗提取部分；所述S2包括：
所述曲线平滑部分采用局部加权回归对输入的所述容量退化曲线和所述IC峰值曲线进行平滑；
所述残差计算部分用于计算所述容量退化曲线和所述IC峰值曲线与平滑后各自对应的曲线相减计算残差，得到残差序列，所述残差序列对应信号在不同时刻偏离平衡态的程度；
所述滑窗信号提取部分利用窗口在所述残差序列上进行滑窗并计算多个所述预警信号，以获取不同充放电循环下的所述预警信号曲线。
在其中一个实施例中，所述预警信号包括：方差信号Var、自相关系数AC、峰度Kurt与偏度Skew；
其中，xi表示输入数据，为所述输入数据的均值，n为所述输入数据的长度。
在其中一个实施例中，随着所述容量跳水点的接近，所述方差信号Var与所述自相关系数AC增大，所述偏度Skew和所述峰度Kurt将相应地发生变化。
在其中一个实施例中，所述方法还包括：对于运行中的锂电池，所述跳水点预警模型计算历史数据对应的预警信号并不断滚动监测；当所述预警信号满足所述判别阈值时作出预警，实现跳水点的提前预警。
按照本发明的另一方面，提供了一种基于临界点转变的锂电池容量跳水点个性化预警装置，包括：
计算模块，用于利用锂电池在不同充放电循环中的电压及容量数据计算得到容量退化曲线和IC峰值曲线；
输入模块，用于将所述容量退化曲线和所述IC峰值曲线输入预先建立的跳水点预警模型，以使其基于临界点预警方法提取多个预警信号；基于多个所述预警信号获取对应的预警信号曲线；
判别模块，用于针对不同类型及工况的锂电池，根据所述预警信号曲线个性化设置不同的判别阈值，利用所述判别阈值对所述锂电池的容量跳水点进行预警。
按照本发明的另一方面，提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
按照本发明的另一方面，提供了一种计算机可读存储介质，其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上述方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明提出了一种锂电池容量跳水点提前预警方法，将获取的容量退化曲线和IC峰值曲线输入预先建立的跳水点预警模型，以使其基于临界点预警方法提取多个预警信号；针对不同类型、不同工况锂电池所提取的预警信号，个性化地设置与优化对应的判别阈值，实现个性化的锂电池跳水点预警。解决了现有人工判断与经验预估方法难以***跳水点的问题，并实现了个性化预警，有着良好的准确性与鲁棒性。
(2)本发明基于复杂***临界点预警方法，以一种可解释的机理模型提取锂电池容量跳水预警信号；由于临界减速现象，所提取的预警信号可反映出跳水点的接近程度，具有较高的可解释性。
(3)采用滑窗方式从历史电压、容量等数据中提取预警信号，并不断滚动预测，从而保证了实时的锂电池容量跳水点的监控与预警。
附图说明
图1是本发明一实施例提供的一种基于临界点现象的锂电容量跳水点个性化预警方法的示意图；
图2是本发明另一实施例提供的一种基于临界点现象的锂电容量跳水点个性化预警方法的示意图；
图3是本发明实施例提供的锂电池特征曲线及计算得到的预警信号曲线图；
图4是本发明实施例提供的锂电池跳水点预警效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
为实现上述目的，本发明基于临界点现象的锂电池容量跳水点个性化预警方法，包括以下步骤：
S1：利用锂电池在不同充放电循环中的电压及容量数据计算得到容量退化曲线和IC峰值曲线；
S2：将容量退化曲线和IC峰值曲线输入预先建立的跳水点预警模型，以使其基于临界点预警方法提取多个预警信号；基于多个预警信号获取对应的预警信号曲线；
S3：针对不同类型及工况的锂电池，根据预警信号曲线个性化设置不同的判别阈值，利用判别阈值对锂电池的容量跳水点进行预警。
具体的，首先对采集的锂电池数据进行处理，由充电容量数据(Q)与充电电压数据(V)计算IC曲线；采用5阶多项式对Q-V曲线进行拟合(对应的IC曲线包含两个峰值)，对拟合曲线微分，得到IC曲线。提取不同充放电循环下的IC曲线峰值，得到IC峰值曲线，结合容量退化曲线用于预警信号的提取。提取容量退化曲线与IC峰值曲线后，输入跳水点预警模型计算预警信号。针对不同类型及工况的锂电池，根据预警信号曲线个性化设置不同的判别阈值，利用判别阈值对锂电池的容量跳水点进行预警。
在一个实施例中，跳水点预警模型主要由三部分组成，分别为曲线平滑、计算残差、滑窗提取信号
曲线平滑部分采用局部加权回归对输入曲线进行平滑。局部加权回归的平滑数据点长度为0.6倍历史数据长度。对每块锂电池的容量退化曲线与IC峰值曲线进行平滑，用于残差计算。
残差计算部分由原始曲线与平滑后的曲线相减计算残差，得到对应信号在不同时刻偏离平衡态的程度，用于预警信号的提取。
滑窗提取部分通过以0.5倍序列长度大小的窗口在残差序列上进行滑窗并计算四个预警信号，最终得到不同充放电循环下的预警信号曲线。由临界减速现象，随着锂电池跳水点的接近，输入信号从偏离平衡态到恢复平衡态的能力逐渐减弱，对应的方差信号与一阶自相关信号逐渐增大。最终输入信号偏向平衡态的一侧，对应曲线的峰度与偏度也会发生规律性的变化。因此，所提取的预警信号与锂电池的容量跳水现象密切相关。
在一个实施例中，预警信号主要包括：方差信号(Var)、一阶自相关信号(AC)、峰度信号(Kurt)与偏度信号(Skew)，其公式如下：
其中xi表示输入数据，为输入数据的均值，n为输入数据的长度。
进一步地，针对不同类型、不同工况的锂电池所提取的预警信号，个性化地优化判别阈值，以实现稳定准确的跳水点预警。对于实际跳水发生点，首先以0.5分位数回归得到基线，计算四分位距并以距基线1.5倍四分位距处作为上界与下界。由于上下界之间包含了大约99.3％的数据，因此连续几个点位于上下界外的可能性接近于0。设置当连续5个循环对应的容量处于上下界外时，该循环的容量为异常值，作为实际跳水发生点。
进一步地，针对运行中的锂电池，提取历史充电电压、充电容量以及总放电容量，计算得到锂电池容量退化曲线与IC峰值曲线，输入跳水点预警模型进行实时滚动地计算预警信号，当预警信号满足判别阈值时作出预警。
如图1和图2所示，一种基于临界点现象的锂电池容量跳水点个性化预警方法，包括数据采集，特征曲线计算，预警信号提取和个性化阈值判别。
数据采集部分，用于采集锂电池的放电总容量、充电容量与充电电压等曲线；
特征曲线计算部分，计算锂电池容量退化曲线和IC曲线，并计算IC峰值曲线，用于预警信号的提取；
预警信号提取部分，通过计算输入信号与平滑曲线的残差，并由此计算得到方差曲线、自相关曲线、峰度与偏度曲线，作为预警信号；
阈值判别部分，针对不同类型、不同工况的锂电池，个性化地设置与优化不同的判别阈值，实现稳定准确的预警效果。
为了验证本发明的跳水点预警效果，选定了由发明人采集的具有3种类型、2种工况的锂电池数据集作为实验数据。由实验数据的充电容量、充电电压以及总放电容量提取特征曲线，由此计算预警信号，如图3所示。
进一步地，针对不同类型、不同工况的锂电池个性化地设置和优化不同的判别阈值，如对于图3的COF-SA-NCM811-0.2C锂电池，设定容量退化曲线阈值为Var>5×10-6，AC>0.5，Kurt>4，Skew<-1.5，IC峰值曲线阈值为Var>2×10-3，AC>0.4，Kurt>4，Skew>0.8，跳水点预警效果如图4。
进一步地，采用本框架对不同类型、不同工况锂电池跳水点预警结果如下表所示。
表1跳水点预警效果
由上表可知，本方法对锂电池跳水点的提前预警方面具有较高的准确性、及时性与鲁棒性，能够在容量跳水实际发生循环之前及时作出预警。
综上所述，本发明实施例构建的模型可以实时个性化的对锂电池容量跳水点进行预警，且具有良好的准确性、及时性与鲁棒性，能广泛应用于锂电池的健康管理***。
本领域的技术人员容易理解，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作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于临界点转变的锂电池容量跳水点个性化预警方法，其特征在于，包括：
S1：采集锂电池在不同充放电循环中的电压及容量数据，以计算得到容量退化曲线和IC峰值曲线；
S2：将所述容量退化曲线和所述IC峰值曲线输入预先建立的跳水点预警模型，以使其基于临界点预警方法提取多个预警信号；基于多个所述预警信号获取对应的预警信号曲线；
S3：针对不同类型及工况的锂电池，根据所述预警信号曲线个性化设置不同的判别阈值，利用所述判别阈值对所述锂电池的容量跳水点进行预警；
所述S1包括：S11：实验采集锂电池不同充放电循环中的电压及容量数据，所述电压及容量数据包括：恒流充电电压曲线、恒流充电容量曲线和总放电容量曲线；S12：根据总放电容量数据，绘制所述容量退化曲线；S13：根据所述恒流充电电压曲线和所述恒流充电容量曲线提取所述IC峰值曲线；
所述S13包括：采用增量容量分析方法对所述恒流充电电压曲线和恒流充电容量曲线进行拟合和微分，从而得到不同充放电循环下锂电池的IC曲线；对所述不同充放电循环下锂电池的IC曲线进行峰值提取，以确定所述IC峰值曲线。
2.如权利要求1所述的基于临界点转变的锂电池容量跳水点个性化预警方法，其特征在于，所述跳水点预警模型包括：曲线平滑部分、残差计算部分和滑窗提取部分；所述S2包括：
所述曲线平滑部分采用局部加权回归对输入的所述容量退化曲线和所述IC峰值曲线进行平滑；
所述残差计算部分用于计算所述容量退化曲线和所述IC峰值曲线与平滑后各自对应的曲线相减计算残差，得到残差序列，所述残差序列对应信号在不同时刻偏离平衡态的程度；
所述滑窗提取部分利用窗口在所述残差序列上进行滑窗并计算多个所述预警信号，以获取不同充放电循环下的所述预警信号曲线。
3.如权利要求2所述的基于临界点转变的锂电池容量跳水点个性化预警方法，其特征在于，所述预警信号包括：方差信号Var、自相关系数AC、峰度Kurt与偏度Skew；
其中，xi表示输入数据，为所述输入数据的均值，n为所述输入数据的长度。
4.如权利要求3所述的基于临界点转变的锂电池容量跳水点个性化预警方法，其特征在于，随着所述容量跳水点的接近，所述方差信号Var与所述自相关系数AC增大，所述偏度Skew和所述峰度Kurt将相应地发生变化。
5.如权利要求1所述的基于临界点转变的锂电池容量跳水点个性化预警方法，其特征在于，所述方法还包括：对于运行中的锂电池，所述跳水点预警模型计算历史数据对应的预警信号并不断滚动监测；当所述预警信号满足所述判别阈值时作出预警，实现跳水点的提前预警。
6.一种基于临界点转变的锂电池容量跳水点个性化预警装置，其特征在于，用于执行权利要求1-5任一项所述的基于临界点转变的锂电池容量跳水点个性化预警方法，包括：
数据采集模块，用于采集锂电池在不同充放电循环中的电压及容量数据，以计算得到容量退化曲线和IC峰值曲线；
信号提取模块，用于将所述容量退化曲线和所述IC峰值曲线输入预先建立的跳水点预警模型，以使其基于临界点预警方法提取多个预警信号；基于多个所述预警信号获取对应的预警信号曲线；
阈值判别模块，用于针对不同类型及工况的锂电池，根据所述预警信号曲线个性化设置不同的判别阈值，利用所述判别阈值对所述锂电池的容量跳水点进行预警。
7.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN202211674573.3A 2022-12-26 2022-12-26 一种基于临界点转变的锂电池容量跳水点个性化预警方法 Active CN115856682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211674573.3A CN115856682B (zh) 2022-12-26 2022-12-26 一种基于临界点转变的锂电池容量跳水点个性化预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211674573.3A CN115856682B (zh) 2022-12-26 2022-12-26 一种基于临界点转变的锂电池容量跳水点个性化预警方法

Publications (2)

Publication Number Publication Date
CN115856682A CN115856682A (zh) 2023-03-28
CN115856682B true CN115856682B (zh) 2023-09-01

Family

ID=85654777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211674573.3A Active CN115856682B (zh) 2022-12-26 2022-12-26 一种基于临界点转变的锂电池容量跳水点个性化预警方法

Country Status (1)

Country Link
CN (1) CN115856682B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011208966A (ja) * 2010-03-29 2011-10-20 Nec Corp 余命予測装置、そのコンピュータプログラムおよびデータ処理方法
CN109143078A (zh) * 2018-08-28 2019-01-04 中航锂电技术研究院有限公司 一种磷酸铁锂动力电池“跳水”故障的辨识预判方法
CN110927607A (zh) * 2019-11-22 2020-03-27 武汉理工大学 辨识和量化分析锂离子电池衰退机理的方法及***
CN112327191A (zh) * 2020-10-21 2021-02-05 北京航空航天大学 一种基于几何特征融合决策的电池跳水概率评估方法
CN114114049A (zh) * 2021-09-30 2022-03-01 北京交通大学 一种基于样本迁移的锂离子电池寿命预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011208966A (ja) * 2010-03-29 2011-10-20 Nec Corp 余命予測装置、そのコンピュータプログラムおよびデータ処理方法
CN109143078A (zh) * 2018-08-28 2019-01-04 中航锂电技术研究院有限公司 一种磷酸铁锂动力电池“跳水”故障的辨识预判方法
CN110927607A (zh) * 2019-11-22 2020-03-27 武汉理工大学 辨识和量化分析锂离子电池衰退机理的方法及***
CN112327191A (zh) * 2020-10-21 2021-02-05 北京航空航天大学 一种基于几何特征融合决策的电池跳水概率评估方法
CN114114049A (zh) * 2021-09-30 2022-03-01 北京交通大学 一种基于样本迁移的锂离子电池寿命预测方法

Also Published As

Publication number Publication date
CN115856682A (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN110161425B (zh) 一种基于锂电池退化阶段划分的剩余使用寿命的预测方法
Sun et al. Aging estimation method for lead-acid battery
CN115291116B (zh) 储能电池健康状态预测方法、装置及智能终端
CN111766462B (zh) 一种基于v-i轨迹的非侵入式负荷识别方法
CN113030758B (zh) 基于锂离子电池容量跳水点的老化预警方法、***、汽车及计算机存储介质
CN109613324B (zh) 一种谐波放大的检测方法及装置
CN111308377A (zh) 基于温度电压微分的电池健康状态检测方法及***
CN114879054A (zh) 一种电池安全监测方法、装置、电子设备及存储介质
CN116774077A (zh) 储能电站电池的健康检测方法、装置、设备及存储介质
CN113791351B (zh) 基于迁移学习和差值概率分布的锂电池寿命预测方法
CN115144765A (zh) 电池内短路故障检测方法及装置
CN115856682B (zh) 一种基于临界点转变的锂电池容量跳水点个性化预警方法
CN112530049B (zh) 电池状态监测方法和装置、电子设备及存储介质
CN116992311B (zh) 基于机器学习的储能电源状态分析方法
CN116743180B (zh) 一种储能电源数据智能存储方法
CN112600901A (zh) 物联网设备状态检测方法、计算机设备及存储介质
CN116879763A (zh) 一种基于卡尔曼滤波算法的电池故障预警方法
CN117074985A (zh) 一种电动汽车电池健康评估方法及装置
CN116298984A (zh) 一种锂离子电池容量跳水点和电池衰减程度识别方法
CN115469226A (zh) 一种基于运行大数据的电动汽车动力电池实时安全预警方法
CN116990697A (zh) 一种基于概率分布的锂电池组内异常单体检测方法
CN117388732B (zh) 高功率密度直流电源安全监测方法和***
CN211086535U (zh) 一种锂离子动力电池荷电态预测电路
CN118376944A (zh) 电池检测方法、装置、计算机设备及存储介质
CN117420444A (zh) 一种电池状态确定方法、装置、设备及存储介质

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