CN116359753A - 一种锂离子电池自放电筛选方法、装置及电子设备 - Google Patents
一种锂离子电池自放电筛选方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116359753A CN116359753A CN202310436085.7A CN202310436085A CN116359753A CN 116359753 A CN116359753 A CN 116359753A CN 202310436085 A CN202310436085 A CN 202310436085A CN 116359753 A CN116359753 A CN 116359753A
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage drop
- tray
- screening
- 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.)
- Pending
Links
- 238000012216 screening Methods 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 71
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 68
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 68
- 238000012360 testing method Methods 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 21
- 239000000463 material Substances 0.000 claims description 15
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 claims description 14
- 230000002950 deficient Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000007873 sieving Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 18
- 238000002474 experimental method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000007599 discharging Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000011149 active material Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 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
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供一种锂离子电池自放电筛选方法、装置及电子设备。该方法的单批筛选对象包括设置于多个托盘中的待选电池,每个托盘中设置有多个待选电池。在筛选过程中,测试各个待选电池在单位时间内的电压降,根据托盘中待选电池在单位时间内的电压降,确定各个托盘的电压降筛选阈值。根据托盘的电压降筛选阈值和托盘中的各个待选电池在单位时间内的电压降的相对关系,分别筛选出各个托盘中的不合格电池,实现了对批量锂离子电池的自放电筛选,托盘的筛选阈值根据托盘内的各个待选电池的在单位时间内的电压降来确定,避免了静置过程中待选电池之间距离远造成的温度影响,既降低了厂家温度控制上的花费,又提高了锂离子电池自放电筛选的准确性。
Description
技术领域
本发明实施例涉及电池检验技术,尤其涉及一种锂离子电池自放电筛选方法、装置及电子设备。
背景技术
在开路状态下,锂离子电池的电量会随时间产生消耗的现象称为锂离子电池的自放电现象,是锂离子电池的固有属性。在锂离子电池***中,当某个电池自放电现象严重时,会使整个电池***的性能下降。因此,当锂离子电池流入到终端消费者使用之前,生产企业利用自放电筛选技术将自放电过大的电池挑选出来,显得尤为重要。
目前,大多数电池生产厂家采用的自放电筛选方法为固定K值(也称作单位时间内的电压降)筛选法,这种筛选方式实施方便且成本低,大大提高了电池的出厂良率。
然而,在大规模生产中,固定K值筛选法表现出的测试准确性较差,影响了电池的出厂质量。
发明内容
本发明提供一种锂离子电池自放电筛选方法、装置及电子设备,以提高锂离子电池自放电筛选的准确性。
第一方面,本发明实施例提供了一种锂离子电池自放电筛选方法,所述锂离子电池自放电筛选方法的单批筛选对象包括设置于多个托盘中的待选电池,每个托盘中设置有多个所述待选电池;
所述锂离子电池自放电筛选方法包括:
测试各个所述待选电池在单位时间内的电压降;
根据所述托盘中所述待选电池在单位时间内的电压降,确定各个所述托盘的电压降筛选阈值;
根据所述托盘的所述电压降筛选阈值和所述托盘中的各个所述待选电池在单位时间内的电压降的相对关系,分别筛选出各个所述托盘中的不合格电池。
可选地,测试各个所述待选电池在单位时间内的电压降之前,还包括:
根据实验电池的充放电数据,确定出所述实验电池的荷电状态与容量电压微分数据的关系曲线,其中,所述实验电池与所述待选电池的材料体系相同;
根据所述实验电池的所述关系曲线的变化趋势,确定出所述待选电池的预设荷电状态;
将各个待选电池调整至预设荷电状态。
可选地,所述实验电池和所述待选电池的材料体系均为磷酸铁锂;所述容量电压微分数据包括微分电压与微分容量之比dV/dQ;
根据实验电池的充放电数据,确定出所述实验电池的荷电状态与容量电压微分数据的关系曲线,包括:
根据所述实验电池的充放电数据,确定出所述实验电池的电压与dV/dQ之间的相对关系;
在所述实验电池的电压与dV/dQ之间的相对关系的基础上,结合所述实验电池的电压与所述荷电状态之间的相对关系,确定出所述实验电池的荷电状态与dV/dQ的关系曲线。
可选地,根据所述实验电池的所述关系曲线的变化趋势,确定出所述待选电池的预设荷电状态,包括:
确定所述关系曲线的曲线斜率的绝对值大于第一预设值的荷电状态区间;
去除所述荷电状态区间中的低电量区间和高电量区间,则确定出所述待选电池的所述预设荷电状态。
可选地,测试各个所述待选电池在单位时间内的电压降,包括:
对所述待选电池实施第一静置;
在所述第一静置后,测量各个所述待选电池的第一开路电压;
对所述待选电池实施第二静置,其中,所述第二静置与所述第一静置的静置温度一致;
在所述第二静置后,测量各个所述待选电池的第二开路电压;
根据所述第一开路电压、所述第二开路电压和所述第二静置的持续时间,计算所述待选电池在单位时间内的电压降。
可选地,根据所述托盘中所述待选电池在单位时间内的电压降,确定各个所述托盘的电压降筛选阈值,包括:
根据所述托盘内所有所述待选电池在单位时间内的电压降,确定出所述托盘内所述待选电池在单位时间内的电压降的平均值;
将所述平均值和所述待选电池的西格玛水平值之和,确定为所述托盘的电压降筛选阈值;
重复确定单位时间内的电压降的所述平均值和确定所述电压降筛选阈值的两个步骤,以完成对单批筛选对象中所有托盘的电压降筛选阈值的确定。
可选地,所述西格玛水平值等于权重常数与标准差的乘积;
其中,所述权重常数分别与初始设定值和电池拆解实验数据有关,所述标准差是指所述待测电池所在托盘中所有所述待测电池在单位时间内电压降的标准差。
可选地,根据所述托盘的所述电压降筛选阈值和所述托盘中的各个所述待选电池在单位时间内的电压降的相对关系,分别筛选出各个所述托盘中的不合格电池,包括:
将单位时间内的电压降大于所在托盘的所述电压降筛选阈值的所述待选电池,确定为不合格电池;
对所述不合格电池进行标记;
根据标记信息将不合格电池剔除。
第二方面,本发明实施例还提供了一种锂离子电池自放电筛选装置,锂离子电池自放电筛选装置包括电压降测试模块、阈值确定模块和筛选模块;
电压降测试模块用于测试各个待选电池在单位时间内的电压降;
阈值确定模块用于根据托盘中所述待选电池在单位时间内的电压降,确定各个所述托盘的电压降筛选阈值;
筛选模块用于根据所述托盘的所述电压降筛选阈值和所述托盘中的各个所述待选电池在单位时间内的电压降的相对关系,分别筛选出各个所述托盘中的不合格电池。
第三方面,本发明实施例还提供了一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面中任意所述的锂离子电池自放电筛选方法。
本发明提供的锂离子电池自放电筛选方法、装置及电子设备,单批筛选对象包括设置于多个托盘中的待选电池,每个托盘中设置有多个待选电池。在筛选过程中,测试各个待选电池在单位时间内的电压降,根据托盘中待选电池在单位时间内的电压降,确定各个托盘的电压降筛选阈值。根据托盘的电压降筛选阈值和托盘中的各个待选电池在单位时间内的电压降的相对关系,分别筛选出各个托盘中的不合格电池,实现了对批量锂离子电池的自放电筛选,托盘的筛选阈值根据托盘内的各个待选电池的在单位时间内的电压降来确定,避免了静置过程中待选电池之间距离远造成的温度影响,既降低了厂家温度控制上的花费,又提高了锂离子电池自放电筛选的准确性。
附图说明
图1为本发明提供的一种锂离子电池的电压随静置温度的变化曲线;
图2为本发明实施例提供的一种锂离子电池自放电筛选方法的流程示意图;
图3为本发明实施例提供的另一种锂离子电池自放电筛选方法的流程示意图;
图4为本发明实施例提供的又一种锂离子电池自放电筛选方法的流程示意图;
图5为本发明实施例提供的一种磷酸铁锂电池的SOC-V关系曲线和SOC-dV/dQ关系曲线的示意图;
图6为本发明实施例提供的又一种锂离子电池自放电筛选方法的流程示意图;
图7为本发明提供的一种锂离子电池的电压随静置时间的变化曲线的示意图;
图8为本发明实施例提供的一种单批筛选对象中部分托盘的待选电池的K值分布图;
图9为本发明实施例提供的一种锂离子电池自放电筛选装置的组成示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
如背景技术中所述,大多数电池生产厂家采用的自放电筛选方法为固定K值筛选法,其中,K值为锂离子电池在单位时间内的电压降。固定K值筛选法的具体表达式为K=ΔV/Δt其中,K为K值,即锂离子电池在单位时间内的电压降,ΔV为从电池的开路电压为第一开路电压OCV1静置到电池的开路电压为第二开路电压OCV2这期间所产生的电压降,其表达式为ΔV=OCV1-OCV2;Δt为测量第一开路电压OCV1到测量第二开路电压OCV2之间的时间差,其表达式为Δt=tOCV2-tOCV1,其中,tOCV2为测量第二开路电压OCV2的时间,tOCV1为测量第一开路电压OCV1的时间。K值的筛选标准为固定值,若电池的K值大于这一固定值,则确定该电池为自放电率超标准的不合格电池。然而,在大规模生产中,固定K值筛选法表现出的测试准确性较差,影响了电池的出厂质量。
经发明人研究发现,锂离子电池的K值受多种因素影响,可通过阿伦尼乌斯方程式的变形式来确定,阿伦尼乌斯方程式的变形式为Q自=Ae(-Ea/RT)*tZ,其中,Q自为自放电损失的容量;Ea为表观活化能,表示自放电反应的难易程度,与电池的荷电状态有关;T为静置温度,t为静置时间,A为指前系数;R为理想气体常数,取值为8.314J/(mol*K);Z为幂次系数,一般取常数。由阿伦尼乌斯方程式的变形式,可以确定出静置温度为影响锂离子电池K值的重要因素之一。图1为本发明提供的一种锂离子电池的电压随静置温度的变化曲线,结合图1,发明人进一步研究发现,电池电压受静置温度的影响较为明显,即使是同一电池在不同静置温度条件下所确定出来的K值也会不同。所以要想自放电筛选准确,就需要非常严苛的控制电池自放电测试过程中的温度。然而大批量电池的制造过程中,静置库的高度常常高达十米有余,使得静置库中各个电池之间常常会距离较远(无论是水平距离还是竖直距离),加上各个电池在自放电过程中的产热情况也不同,这种情况下的极限控制温度的成本过高,极限控制静置库各个位点的温度对于企业的规模化制造而言是不现实的。而采用背景技术中的筛选方法来对锂离子电池进行自放电筛选,无法考虑各个位置电池之间的温度差异,会导致筛选效果较差。因此,如何兼顾成本和筛选的准确性成了锂离子电池生产企业一直都在不遗余力的攻克的技术难题之一。
基于此,本专利在对批量电池进行自放电筛选时,将托盘作为最小的筛选单元,以保证每一托盘内电池所处的静置温度是相同的,以最大程度排除外部环境的干扰,在此基础上结合其他技术手段提高对批量电池的自放电筛选的有效性。以上就是本发明的主要发明构思。
为了解决前述问题,本发明实施例提供了一种锂离子电池自放电筛选方法,锂离子电池自放电筛选方法的单批筛选对象包括设置于多个托盘中的待选电池,每个托盘中设置有多个待选电池。图2为本发明实施例提供的一种锂离子电池自放电筛选方法的流程示意图,参照图2,锂离子电池自放电筛选方法包括:
S101、测试各个待选电池在单位时间内的电压降。
具体地,单批筛选对象包括设置于多个托盘中的多个待选电池。在测试待选电池在单位时间内的电压降(下文可以简称为K值)时,可以测量待选电池在静置前后的开路电压之差,进而根据静置时长和开路电压之差计算待选电池在单位时间内的电压降。此步骤可以采用现有技术中的任一K值测试方式来实施,此处不再过多介绍。
S102、根据托盘中待选电池在单位时间内的电压降,确定各个托盘的电压降筛选阈值。
具体地,单批筛选对象包括多个待选电池,示例性地,单批筛选对象可以包括千或万数量级别的待选电池。多个待选电池被分装于多个托盘中,示例性地,单个托盘内的待选电池的个数可以为16至40个,例如,各托盘内待选电池的数量可以相等,均为16个。托盘的电压降筛选阈值是指可以用于判断本托盘内各个待选电池的K值是否超出正常范围的判断阈值,该阈值可以为该托盘内各个待选电池的K值的正常范围的上边界。托盘内任一待选电池的K值超出了托盘的电压降筛选阈值,则可以表示该待选电池的自放电率不合格。根据托盘内各个待选电池的K值,可以确定出该托盘内各个待选电池K值的平均水平,示例性地,托盘内各个待选电池K值的平均水平可以用托盘内各个待选电池K值的平均值或去尾平均数来表示。根据托盘内各个待选电池K值的平均水平可以确定出托盘的电压降筛选阈值,示例性地,可以在托盘内各个待选电池K值的平均值的基础上,加上预设误差值,计算得到托盘的电压降筛选阈值,其中,预设误差值可以根据电池出厂需求和待选电池的材料体系来确定。
S103、根据托盘的电压降筛选阈值和托盘中的各个待选电池在单位时间内的电压降的相对关系,分别筛选出各个托盘中的不合格电池。
具体地,根据所在托盘的电压降筛选阈值,判断各个待选电池的K值是否超出正常范围,若超出了正常范围则将该待选电池确定为不合格电池,若没有超出正常范围则将该待选电池确定为合格电池。示例性地,可以将K值大于所在托盘的电压降筛选阈值的待选电池,均确定为不合格电池。
本发明实施例提供的锂离子电池自放电筛选方法,其单批筛选对象包括设置于多个托盘中的待选电池,每个托盘中设置有多个待选电池。在筛选过程中,测试各个待选电池在单位时间内的电压降,根据托盘中待选电池在单位时间内的电压降,确定各个托盘的电压降筛选阈值。根据托盘的电压降筛选阈值和托盘中的各个待选电池在单位时间内的电压降的相对关系,分别筛选出各个托盘中的不合格电池,实现了对批量锂离子电池的自放电筛选,托盘的筛选阈值根据托盘内的各个待选电池的在单位时间内的电压降来确定,避免了静置过程中待选电池之间距离远造成的温度影响,既降低了厂家温度控制上的花费,又提高了锂离子电池自放电筛选的准确性。
结合阿伦尼乌斯方程式的变形式,还可以确定出电池的荷电状态也是影响锂离子电池K值的重要因素之一,所以在前述实施例的基础上,测试各个待选电池在单位时间内的电压降之前,需要将锂离子电池的荷电状态进行调节,将托盘内的待选电池的荷电状态调节为同一值,而荷电状态的调节值的确定需要进一步研究。
图3为本发明实施例提供的另一种锂离子电池自放电筛选方法的流程示意图,结合图3,锂离子电池自放电筛选方法包括:
S201、根据实验电池的充放电数据,确定出实验电池的荷电状态与容量电压微分数据的关系曲线。
其中,实验电池与待选电池的材料体系相同。实验电池是指与待选电池材料体系相同且用于充放电实验的电池。材料体系相同是指锂离子电池使用的活性材料和充放电原理相同,材料体系也可以称作负极体系,示例性地,钴酸锂电池的材料体系为钴酸锂,磷酸铁锂电池的材料体系为磷酸铁锂。容量电压微分数据是指包括容量的微分量和电压的微分量的数据,微分量可以为一阶微分或多阶微分,示例性地,容量电压微分数据可以是微分电压与微分容量之比dV/dQ。
具体地,利用0.05C以下的小电流对实验电池进行充放电实验,并记录充放电参数,示例性地,充放电参数可以包括电量和电压数据。获得充放电数据后,需要对充放电数据进行处理,剔除掉明显的错误数据。根据充放电数据确定出实验电池的容量电压微分数据。以容量电压微分数据做纵坐标,以荷电状态等作为横坐标,就可以得到一个标准的荷电状态与容量电压微分数据的关系曲线。
示例性地,通过0.04C的小电流对实验电池进行充放电,并记录充放电过程中实验电池的电量和电压。在获得这些数据后,首先将这些数据中的明显错误数据点去除,然后以每一数据点对应的电压和电量数据对应减去前一数据点电压和电量数据,就可以就得到了一个数据点的dV和dQ数据,依次对所有数据进行处理,就可以得到一系列的dV和dQ数据,然后我们用dQ除以dV就得到实验电池的一种容量电压微分数据,即微分电压与微分容量之比dV/dQ。然后以dV/dQ做纵坐标,以荷电状态作为横坐标,就可以得到一个标准的荷电状态与dV/dQ的关系曲线。
S202、根据实验电池的关系曲线的变化趋势,确定出待选电池的预设荷电状态。
具体地,预设荷电状态可以为一个确定值,也可以为一个区间。实验电池的荷电状态与容量电压微分数据的关系曲线,可以体现该材料体系的锂离子电池在不同的荷电状态下单位电压范围内材料所含有的容量。关系曲线的变化趋势则能体现在充放电过程中容量电压微分数据随荷电状态变化的波动量。若在某一荷电状态区间内,容量电压微分数据的波动量变化率相对别的荷电状态区间大,则可以表明在此荷电状态区间内自放电引起的电压变化较明显。示例性地,关系曲线斜率可以表示随荷电状态,容量电压微分数据的波动量变化率,那么可以将关系曲线斜率的绝对值大于预设值的荷电状态区间中的低电量区间和高电量区间去除,则确定出待选电池的预设荷电状态。在预设荷电状态下,电池在单位时间内的电压降随着单位荷电状态的变化量较大,可以降低***误差对筛选结果的影响。
S203、将各个待选电池调整至预设荷电状态。
具体地,利用充放电装置,对所有待选电池实施充电或放电操作,使得待选电池的荷电状态均统一至预设荷电状态下。方便后续的进一步筛选。
S204、测试各个待选电池在单位时间内的电压降。
S205、根据托盘中待选电池在单位时间内的电压降,确定各个托盘的电压降筛选阈值。
S206、根据托盘的电压降筛选阈值和托盘中的各个待选电池在单位时间内的电压降的相对关系,分别筛选出各个托盘中的不合格电池。
步骤S204、步骤S205和步骤S206分别与前述步骤S101、步骤S102和步骤S103一一对应内容相同,此处不再赘述。
本实施例提供的锂离子电池自放电筛选方法,在测试各个待选电池在单位时间内的电压降之前,还利用与本批次筛选对象的材料体系相同的实验电池进行预设荷电状态的确定。在此过程中,根据实验电池的充放电数据,确定出实验电池的荷电状态与容量电压微分数据的关系曲线,进而根据实验电池的关系曲线的变化趋势,确定出待选电池的预设荷电状态。将各个待选电池的荷电状态调整到预设荷电状态下,再进行进一步的筛选。由于不同荷电状态下,待选电池的自放电出固定电量引起的电压降不同,而荷电状态的统一调整至预设荷电状态,可以避免荷电状态对各个待选电池K值的差异影响,进一步提高自放电筛选的准确性。
图4为本发明实施例提供的又一种锂离子电池自放电筛选方法的流程示意图,结合图4,实验电池和待选电池的材料体系可以均为磷酸铁锂;容量电压微分数据包括微分电压与微分容量之比dV/dQ。在此基础上,锂离子电池自放电筛选方法可以包括:
S301、根据实验电池的充放电数据,确定出实验电池的电压与dV/dQ之间的相对关系。
具体地,利用小电流对实验电池进行充放电实验,其中,小电流可以为0.04C。测量充放电实验过程中的电量数据和电压数据,从而确定出实验电池的电压与dV/dQ之间的相对关系。
示例性地,通过0.04C的小电流对实验电池进行充放电,并记录充放电过程中实验电池的电量和电压。在获得这些数据后,首先将这些数据中的明显错误数据点去除,然后以每一数据点对应的电压和电量数据对应减去前一数据点电压和电量数据,就可以就得到了该数据点的dV和dQ数据,依次对所有数据进行处理,就可以得到一系列的dV和dQ数据,然后我们用dV除以dQ就得到实验电池的一种容量电压微分数据,即微分电压与微分容量之比dV/dQ。然后以dV/dQ做纵坐标,以dV/dQ对应的电池电压作为横坐标,就可以得到一个标准的电压与dV/dQ的关系曲线。
S302、在实验电池的电压与dV/dQ之间的相对关系的基础上,结合实验电池的电压与荷电状态之间的相对关系,确定出实验电池的荷电状态与dV/dQ的关系曲线。
具体地,实验电池的电压和荷电状态之间还有对应关系。在实验电池的电压与dV/dQ之间的相对关系的基础上,结合实验电池的电压与荷电状态之间的相对关系,则可以确定出实验电池的荷电状态与dV/dQ的关系曲线。
示例性地,图5为本发明实施例提供的一种磷酸铁锂电池的SOC-V关系曲线和SOC-dV/dQ关系曲线的示意图,结合图5,磷酸铁锂电池的容量电压微分数据可以为微分电压与微分电量之比。曲线SOC-V示出了根据小电流充放电实验确定出的磷酸铁锂电池的荷电状态与电压的关系曲线,曲线SOC-dV/dQ示出了根据小电流充放电实验确定出的磷酸铁锂电池的荷电状态和容量电压微分数据的关系曲线。由曲线X和Y的曲线斜率可以得出,荷电状态在4.5%-98%这一区间内的情况下,磷酸铁锂电池的电压和容量电压微分数据随着充放电的变化较慢,相对地,在荷电状态在0%-4.5%或98%-100%这两区间内的情况下,磷酸铁锂电池的电压和容量电压微分数据随着充放电的变化快。
S303、根据关系曲线,确定出曲线斜率的绝对值大于第一预设值的荷电状态区间。
具体地,根据实验电池的荷电状态与容量电压微分数据的关系曲线,可以确定曲线斜率的变化情况。斜率的绝对值可以表示出容量电压微分数据随荷电状态的变化率。斜率的绝对值越大,则容量电压微分数据随荷电状态的变化速度快。随电量变化,电池电压的变化也明显,在静置过程中更方便测量因自放电产生的电压降。所以,在曲线斜率的绝对值大于第一预设值的荷电状态区间内确定预设荷电状态,可以减少***误差。示例性地,第一预设值可以等于0.05。
S304、去除荷电状态区间中的低电量区间和高电量区间,则确定出待选电池的预设荷电状态。
具体地,低电量区间是指荷电状态等于0%附近的荷电状态区间。经发明人研究发现,若将待选电池调整至低电量区间再测试单位时间内的电压降,则静置中的自放电容易导致待选电池在完成静置之前就达到了0电量,从而单位时间内的电压降测试不准确,所以低电量区间内的荷电状态不适合作为预设荷电状态。示例性地,低电量区间可以包括荷电状态0%-0.5%之间。
高电量区间是指荷电状态等于100%附近的荷电状态区间。经发明人研究发现,若将待选电池的调整至高电量区间在测试单位时间内的电压降,考虑到单批待选电池的数量庞大,则静置过程中的自放电的安全风险大,所以高电量区间内的荷电状态也不适合作为预设荷电状态。示例性地,高电量区间可以包括荷电状态60%至荷电状态100%之间。将荷电状态区间中的低电量区间和高电量区间去除,则可以确定出待选电池的预设荷电状态。
示例性地,继续参照图5,根据磷酸铁锂电池的荷电状态与容量电压微分数据的关系曲线,可以确定出曲线斜率的绝对值大于0.05的荷电状态区间为0%-4.5%和98%-100%。荷电状态区间去除低电量区间0%-0.5%以及高电量区间98%-100%,可以得到磷酸铁锂电池的预设荷电状态为0.5%-4.5%,该预设荷电状态的区间用虚线框示出。
S305、将各个待选电池调整至预设荷电状态。
S306、测试各个待选电池在单位时间内的电压降。
S307、根据托盘中待选电池在单位时间内的电压降,确定各个托盘的电压降筛选阈值。
S308、根据托盘的电压降筛选阈值和托盘中的各个待选电池在单位时间内的电压降的相对关系,分别筛选出各个托盘中的不合格电池。
步骤S305与前述步骤S203、步骤S306与前述步骤S204、步骤S307与前述步骤S205,以及步骤S308分别与前述步骤S203,一一对应内容相同,此处不再赘述。
本实施例提供的锂离子电池自放电筛选方法中,在测试各个待选电池在单位时间内的电压降之前,根据实验电池的充放电数据,确定出实验电池的电压与dV/dQ之间的相对关系,在实验电池的电压与dV/dQ之间的相对关系的基础上,结合实验电池的电压与荷电状态之间的相对关系,确定出实验电池的荷电状态与容量电压微分数据的关系曲线,根据关系曲线的斜率确定出预设荷电状态,实现了待选电池的荷电状态的确定和统一,在预设荷电状态下待选电池在自放电过程中电压降落明显,降低了***误差对筛选精度的影响。
图6为本发明实施例提供的又一种锂离子电池自放电筛选方法的流程示意图,结合图6,锂离子电池自放电筛选方法包括:
S401、根据实验电池的充放电数据,确定出实验电池的荷电状态与容量电压微分数据的关系曲线。
S402、根据实验电池的关系曲线的变化趋势,确定出待选电池的预设荷电状态。
S403、将各个待选电池调整至预设荷电状态。
步骤S401与前述步骤S201、步骤S402与前述步骤S202,以及步骤S403与前述步骤S203,一一对应内容相同,此处不再赘述。
S404、对待选电池实施第一静置。
具体地,图7为本发明提供的一种锂离子电池的电压随静置时间的变化曲线的示意图,结合图7,刚经历过充放电的电池,在静置前期的电压下降速度较快,然后下降速度会趋于稳定。而不同待选电池距前次充放电的时间间隔可能有所差别,所以若直接测量静置前后的电压并根据静置前后的电压和静置时长来计算待选电池的K值,得到的K值与真实值相比,误差会较大。所以,本发明实施例中,先对预设荷电状态下的各个待选电池实施第一静置,以使自放电的速度趋于稳定值,消除极化对电池自放电速度的影响。第一静置的条件包括时间条件和温度条件。示例性地,第一静置的温度可以根据待选电池应用条件的温度相当,第一静置的时间可以根据实验中充放电完成至电压降低速度趋于稳定时之间的时间来设置,第一静置的温度可以为20℃至30℃中的任意值,第一静置时间可以为8小时至16小时中的任意值。例如,第一静置的温度可以为25℃,温度可以为10小时。
S405、在第一静置后,测量各个待选电池的第一开路电压。
具体地,第一静置可以消除极化现象对电池电压的影响。第一静置之后,电池电压的下降速率会保持稳定,此时,测量待选电池的开路电压,作为第一开路电压。
S406、对待选电池实施第二静置。
具体地,第二静置与第一静置的静置温度一致。为了使第二静置中的自放电电压降更加明显,降低***误差对计算结果的影响,第二静置的静置时间可以长于第一静置的静置时间,示例性地,第二静置时间可以等于60小时至90小时中的任意值。例如,第二静置的时间可以为70小时,第二静置的温度与第一静置的温度相同,可以为25℃。
S407、在第二静置后,测量各个待选电池的第二开路电压。
具体地,第二静置的过程中,各个待选电池均因自放电而产生一定的电压降。在第二静置完成后,可以测量待选电池的电压,作为待选电池的第二开路电压。
S408、根据第一开路电压、第二开路电压和第二静置的持续时间,计算待选电池在单位时间内的电压降。
具体地,第一开路电压与第二开路电压的差值,可以视作在第二静置的过程中因自放电产生的电压降。进而用第二静置的过程中因自放电产生的电压降除以第二静置的持续时间,则可以得到待选电池在单位时间内的电压降。与前述固定K值筛选法的具体表达式相同,计算待选电池在单位时间内的电压降的公式可以为K值=(OCV1-OCV2)/t,其中,K值即为待选电池在单位时间内的电压降,OCV1为第一开路电压,OCV2为第二开路电压,t为第二静置的持续时间。根据这一公式,完成对单批筛选中所有待选电池在单位时间内的电压降的计算。
示例性地,图8为本发明实施例提供的一种单批筛选对象中部分托盘的待选电池的K值分布图,结合图8,单批筛选对象中设置了上万个待选电池,在这种规模化生产方式下,单托盘内待选电池的K值一致性较好,而不同托盘间的待选电池的K值一致性较差。其原因是,静置库垂直高度一般为10米以上,第二静置过程中每一待选电池在静置库中所处位置不同,各个托盘在静置库中位置分布差异和某些电池的自放电发热,导致各托盘所处的环境温度存在差异。而对于同一托盘内的各个待选电池去,其垂直距离为0且水平距离较小,K值的差距较小,在单个托盘内更容易根据K值确定出自放电不正常的电池。
S409、根据托盘内所有待选电池在单位时间内的电压降,确定出托盘内待选电池在单位时间内的电压降的平均值。
具体地,根据托盘内所有待选电池的单位时间内的电压降,可以确定出该托盘内待选电池在单位时间内的电压降的平均值,示例性地,平均值可以为算数平均值,利用托盘内所有待选电池的在单位时间内的电压降之和,除以托盘内待选电池的数量来计算,用计算公式表示为其中,/>为托盘内待选电池在单位时间内的电压降的平均值,Kn为托盘内第n个待选电池在单位时间内的电压降,n为托盘内的待测电池的数量。平均值也可以为去尾平均数,可以去除托盘内单位时间内的电压降最大和最小的待选电池去掉,将剩余待选电池的单位时间内的电压降之和除以剩余待选电池的总数。采用这样的方式,完成单批筛选中的所有托盘对应平均值的计算。
S410、将平均值和待选电池的西格玛水平值之和,确定为托盘的电压降筛选阈值。
具体地,在确定电压降筛选阈值时,以托盘为单位,每个托盘根据其中待选电池在单位时间内的电压降的平均值计算出对应的电压降筛选阈值。该电压降筛选阈值作为对应托盘内各个待选电池的电压降判断阈值,用于判断各个待选电池在单位时间内的电压降是否正常。西格玛水平值为标准差与权重常数的乘积,其中,标准差是指待测电池所在托盘中所有待测电池在单位时间内的电压降的标准差,用计算公式表示为σ为标准差。权重常数的取值分别与初始设定值和电池拆解实验数据有关,其中,权重常数在初批筛选中的取值等于初始设定值,示例性地,初始设定值为2至3之间的任意值。电池拆解实验数据是对历史筛选中的不合格电池实施拆解实验所获得的实验数据。在拆解实验前,需要对待拆解的不合格电池实施长期存储,在拆解实验中确定不合格电池是否有短路点,以记录生成电池拆解实验数据。示例性地,长期存储的时间可以大于30天。
示例性地,初始设定值可以设置为2。出厂需求严格则初始设定值可以设置为偏小的数值,出厂需求宽松则初始设定值可以设置为偏大的数值。权重常数越小,被筛出来的不合格电池越多,筛选的有效性越高,但被筛选出的不合格电池可能存在一部分良品。所以,可以使权重常数在初批筛选中的取值等于初始设定值,确定出首批不合格电池,进一步利用电池的拆解实验对筛选出的不合格电池进行拆解,确认首次筛选出的不合格电池有无短路点。根据拆解实验的实验数据确定前次筛选的有效程度,从而进一步修正权重常数。在此后的筛选中可以使用修正后的权重常数来进行筛选。若需要对权重常数进行进一步修正,则可以再次对前次筛选出的不合格电池进行拆解实验。利用以上方式分别确定所有托盘的电压降筛选阈值。
S411、将单位时间内的电压降大于所在托盘的电压降筛选阈值的待选电池,确定为不合格电池。
具体地,根据各个待选电池在单位时间内的电压降是否大于待选电池所在托盘对应电压降筛选阈值,确定待选电池是否为不合格电池。将单位时间内的电压降大于所在托盘的电压降筛选阈值的待选电池,确定为不合格电池。结合图8,托盘5和托盘6中圈出的电池即为不合格电池。
S412、对不合格电池进行标记。
具体地,根据步骤S411的确定结果,对不合格电池进行标记。标记的方式可以是在不合格电池表面设置标记信息,也可以是在不合格电池的存档序号前后增设标记信息。
S413、根据标记信息将不合格电池剔除。
具体地,将具有标记信息的不合格电池从待选电池中剔除,示例性地,可以利用图像识别技术对待选电池的表面图像进行识别,确定出表面带有标记信息的不合格电池,利用机械臂将不合格电池从待选电池中抓出。还可以查询存档编号中带有标记信息的不合格电池所对应的目标放置位置,利用机械臂将目标放置位置上的不合格电池抓出。
本实施例提供的锂离子电池自放电筛选方法,在测试各个待选电池在单位时间内的电压降之前,还利用与本批次筛选对象的材料体系相同的实验电池进行预设荷电状态的确定。在此过程中,根据实验电池的充放电数据,确定出实验电池的荷电状态与容量电压微分数据的关系曲线,进而根据实验电池的关系曲线的变化趋势,确定出待选电池的预设荷电状态。将各个待选电池的荷电状态调整到预设荷电状态下,再进行进一步的筛选。由于不同荷电状态下,待选电池的自放电出固定电量引起的电压降不同,而荷电状态的统一调整至预设荷电状态,可以避免荷电状态对各个待选电池K值的差异影响,进一步提高自放电筛选的准确性。
本发明实施例还提供一种锂离子电池自放电筛选装置。图9为本发明实施例提供的一种锂离子电池自放电筛选装置的组成示意图,参照图9,锂离子电池自放电筛选装置900包括:电压降测试模块901、阈值确定模块902和筛选模块903,电压降测试模块901用于测试各个待选电池在单位时间内的电压降;阈值确定模块902用于根据托盘中待选电池在单位时间内的电压降,确定各个托盘的电压降筛选阈值;筛选模块903用于根据托盘的电压降筛选阈值和托盘中的各个待选电池在单位时间内的电压降的相对关系,分别筛选出各个托盘中的不合格电池。
本发明实施例还提供一种电子设备。电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明实施例中任意的锂离子电池自放电筛选方法。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整、结合和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种锂离子电池自放电筛选方法,其特征在于,所述锂离子电池自放电筛选方法的单批筛选对象包括设置于多个托盘中的待选电池,每个托盘中设置有多个所述待选电池;
所述锂离子电池自放电筛选方法包括:
测试各个所述待选电池在单位时间内的电压降;
根据所述托盘中所述待选电池在单位时间内的电压降,确定各个所述托盘的电压降筛选阈值;
根据所述托盘的所述电压降筛选阈值和所述托盘中的各个所述待选电池在单位时间内的电压降的相对关系,分别筛选出各个所述托盘中的不合格电池。
2.根据权利要求1所述的锂离子电池自放电筛选方法,其特征在于,测试各个所述待选电池在单位时间内的电压降之前,还包括:
根据实验电池的充放电数据,确定出所述实验电池的荷电状态与容量电压微分数据的关系曲线,其中,所述实验电池与所述待选电池的材料体系相同;
根据所述实验电池的所述关系曲线的变化趋势,确定出所述待选电池的预设荷电状态;
将各个待选电池调整至预设荷电状态。
3.根据权利要求2所述的锂离子电池自放电筛选方法,其特征在于,所述实验电池和所述待选电池的材料体系均为磷酸铁锂;所述容量电压微分数据包括微分电压与微分容量之比dV/dQ;
根据实验电池的充放电数据,确定出所述实验电池的荷电状态与容量电压微分数据的关系曲线,包括:
根据所述实验电池的充放电数据,确定出所述实验电池的电压与dV/dQ之间的相对关系;
在所述实验电池的电压与dV/dQ之间的相对关系的基础上,结合所述实验电池的电压与所述荷电状态之间的相对关系,确定出所述实验电池的荷电状态与dV/dQ的关系曲线。
4.根据权利要求2所述的锂离子电池自放电筛选方法,其特征在于,根据所述实验电池的所述关系曲线的变化趋势,确定出所述待选电池的预设荷电状态,包括:
确定所述关系曲线的曲线斜率的绝对值大于第一预设值的荷电状态区间;
去除所述荷电状态区间中的低电量区间和高电量区间,则确定出所述待选电池的所述预设荷电状态。
5.根据权利要求1所述的锂离子电池自放电筛选方法,其特征在于,测试各个所述待选电池在单位时间内的电压降,包括:
对所述待选电池实施第一静置;
在所述第一静置后,测量各个所述待选电池的第一开路电压;
对所述待选电池实施第二静置,其中,所述第二静置与所述第一静置的静置温度一致;
在所述第二静置后,测量各个所述待选电池的第二开路电压;
根据所述第一开路电压、所述第二开路电压和所述第二静置的持续时间,计算所述待选电池在单位时间内的电压降。
6.根据权利要求1至5任一项所述的锂离子电池自放电筛选方法,其特征在于,根据所述托盘中所述待选电池在单位时间内的电压降,确定各个所述托盘的电压降筛选阈值,包括:
根据所述托盘内所有所述待选电池在单位时间内的电压降,确定出所述托盘内所述待选电池在单位时间内的电压降的平均值;
将所述平均值和所述待选电池的西格玛水平值之和,确定为所述托盘的电压降筛选阈值;
重复确定单位时间内的电压降的所述平均值和确定所述电压降筛选阈值的两个步骤,以完成对单批筛选对象中所有托盘的电压降筛选阈值的确定。
7.根据权利要求6所述的锂离子电池自放电筛选方法,其特征在于,所述西格玛水平值等于权重常数与标准差的乘积;
其中,所述权重常数分别与初始设定值和电池拆解实验数据有关,所述标准差是指所述待测电池所在托盘中所有所述待测电池在单位时间内电压降的标准差。
8.根据权利要求1至5任一项所述的锂离子电池自放电筛选方法,其特征在于,根据所述托盘的所述电压降筛选阈值和所述托盘中的各个所述待选电池在单位时间内的电压降的相对关系,分别筛选出各个所述托盘中的不合格电池,包括:
将单位时间内的电压降大于所在托盘的所述电压降筛选阈值的所述待选电池,确定为不合格电池;
对所述不合格电池进行标记;
根据标记信息将不合格电池剔除。
9.一种锂离子电池自放电筛选装置,其特征在于,包括:
电压降测试模块,用于测试各个待选电池在单位时间内的电压降;
阈值确定模块,用于根据托盘中所述待选电池在单位时间内的电压降,确定各个所述托盘的电压降筛选阈值;
筛选模块,用于根据所述托盘的所述电压降筛选阈值和所述托盘中的各个所述待选电池在单位时间内的电压降的相对关系,分别筛选出各个所述托盘中的不合格电池。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的锂离子电池自放电筛选方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310436085.7A CN116359753A (zh) | 2023-04-20 | 2023-04-20 | 一种锂离子电池自放电筛选方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310436085.7A CN116359753A (zh) | 2023-04-20 | 2023-04-20 | 一种锂离子电池自放电筛选方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116359753A true CN116359753A (zh) | 2023-06-30 |
Family
ID=86939136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310436085.7A Pending CN116359753A (zh) | 2023-04-20 | 2023-04-20 | 一种锂离子电池自放电筛选方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116359753A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117406112A (zh) * | 2023-12-13 | 2024-01-16 | 瑞浦兰钧能源股份有限公司 | 电池自放电筛选方法 |
-
2023
- 2023-04-20 CN CN202310436085.7A patent/CN116359753A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117406112A (zh) * | 2023-12-13 | 2024-01-16 | 瑞浦兰钧能源股份有限公司 | 电池自放电筛选方法 |
CN117406112B (zh) * | 2023-12-13 | 2024-03-15 | 瑞浦兰钧能源股份有限公司 | 电池自放电筛选方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110967636B (zh) | 电池的荷电状态修正方法、装置、***和存储介质 | |
CN109856559B (zh) | 一种锂电池循环寿命的预测方法 | |
CN107991623B (zh) | 一种考虑温度和老化程度的电池安时积分soc估计方法 | |
US9581653B2 (en) | Post-deterioration performance estimating apparatus and post-deterioration performance estimating method for energy storage device, and energy storage system | |
CN107015163B (zh) | 一种电池容量的获取方法和装置 | |
CN110909443A (zh) | 一种高精度电池组充电剩余时间估算方法及*** | |
US20200124676A1 (en) | Remaining battery energy estimation device, remaining battery energy estimation method, and storage medium | |
US10054645B2 (en) | Deterioration determination method, deterioration determination device, and storage medium | |
CN112034367B (zh) | 锂离子电池容量预测方法及*** | |
TW201503464A (zh) | 電池模組 | |
KR20220029109A (ko) | 배터리 상태 추정 방법 및 장치 | |
CN116359753A (zh) | 一种锂离子电池自放电筛选方法、装置及电子设备 | |
CN109444749A (zh) | 用于锂电池容量测量的温度补偿***及方法、存储介质 | |
CN113064086A (zh) | 一种锂离子电池自放电速率测试方法、装置及*** | |
CN108594117B (zh) | 确定电池容量的方法、装置、终端设备及计算机存储介质 | |
CN110208717B (zh) | 基于大数据的动力电池寿命预测方法 | |
CN116754971A (zh) | 电池析锂检测的方法、设备及存储介质 | |
CN115684961A (zh) | 用于确定电池储能器的容量损失的方法、装置及计算机程序产品 | |
Wang et al. | State of health estimation of lithium-ion battery in wide temperature range via temperature-aging coupling mechanism analysis | |
CN113109728A (zh) | 一种浅dod循环寿命的测试方法和装置 | |
CN117154268A (zh) | 一种基于水系钠离子储能电池柜的soc校正方法、装置、设备及存储介质 | |
CN114019380B (zh) | 一种电芯的日历寿命扩展预测方法 | |
CN113075571A (zh) | 一种锂离子电池ocv确定方法、装置及*** | |
KR101741587B1 (ko) | 2차 전지의 직렬저항 측정방법 | |
CN112305428A (zh) | 一种锂离子电池机械响应与电化学行为同时测量方法 |
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 |