CN117192383B - 电池寿命的确定方法、装置、设备及介质 - Google Patents
电池寿命的确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117192383B CN117192383B CN202311461153.1A CN202311461153A CN117192383B CN 117192383 B CN117192383 B CN 117192383B CN 202311461153 A CN202311461153 A CN 202311461153A CN 117192383 B CN117192383 B CN 117192383B
- Authority
- CN
- China
- Prior art keywords
- battery
- curve
- target
- parameter
- obtaining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 133
- 230000008569 process Effects 0.000 claims abstract description 87
- 230000008859 change Effects 0.000 claims abstract description 73
- 238000012549 training Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 14
- 238000007599 discharging Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请公开了一种电池寿命的确定方法、装置、设备及介质，该方法包括：获得第一电池对应的目标对应关系，目标对应关系为第一电池在第N次充放电过程中的目标参数与端电压之间的对应关系，目标参数是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的，N为正整数；获得目标对应关系的目标特征参数；基于目标特征参数确定第一电池的寿命。这样，可以快速准确地确定电池寿命。
Description
技术领域
本申请涉及电池技术领域，特别是涉及一种电池寿命的确定方法、装置、设备及介质。
背景技术
随着电池技术的不断发展，用户对评估电池寿命的准确性要求越来越高。
目前，通常通过对电池样品重复进行充放电，将实际测得的电池样品的寿命作为该批次电池的寿命。但是，这样确定电池寿命不仅效率低，也不准确。
因此，需要一种能够快速准确地确定电池寿命的方法。
发明内容
本申请提供一种电池寿命的确定方法、装置、设备及介质，其能快速准确地确定电池寿命。
第一方面，本申请提供一种电池寿命的确定方法，包括：获得第一电池对应的目标对应关系，目标对应关系为第一电池在第N次充放电过程中的目标参数与端电压之间的对应关系，目标参数是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的，N为正整数；获得目标对应关系的目标特征参数；基于目标特征参数确定第一电池的寿命。
由此，可以基于电池在某一次充放电过程中的数据确定电池的寿命，而无需通过重复充放电实际测得电池的寿命，因此效率比较高，而且可以针对每个电池单独进行预测，准确性较高。
在一些实施例中，目标对应关系包括第一曲线和/或第二曲线；其中，第一曲线为第一电池在第N次充放电过程中的第一参数随端电压变化的曲线，第一参数为能量在单位时长内的变化量与端电压在单位时长内的变化量的比值，第二曲线为第一电池在第N次充放电过程中的第二参数随能量变化的曲线，第二参数为端电压在单位时长内的变化量与能量在单位时长内的变化量的比值。
如此，可以基于第一曲线确定第一电池的寿命，也可以基于第二曲线确定第一电池的寿命，还可以基于第一曲线和第二曲线确定第一电池的寿命，因此可以更准确地确定第一电池的寿命。
在一些实施例中，在目标对应关系包括第一曲线的情况下，获得第一电池对应的目标对应关系，包括：获得第一电池的第三曲线，第三曲线为第一电池在第N次充放电过程中的能量随端电压变化的曲线；获得第三曲线中能量对端电压的导数，得到第一参数；基于第一参数和第一参数在第三曲线中对应的端电压，确定第一曲线。
如此，通过上述过程，可以基于第三曲线确定第一曲线，从而得到更准确的目标对应关系。
在一些实施例中，在目标对应关系包括第二曲线的情况下，获得第一电池对应的目标对应关系，包括：获得第一电池的第四曲线，第四曲线为第一电池在第N次充放电过程中的端电压随能量变化的曲线；获得第四曲线中端电压对能量的导数，得到第二参数；基于第二参数和第二参数在第四曲线中对应的能量，确定第二曲线。
如此，通过上述过程，可以基于第四曲线确定第二曲线，从而得到更准确的目标对应关系。
在一些实施例中，获得第一电池的第三曲线，包括：获得第一电池在第N次充放电过程中的多个能量及其分别对应的端电压；根据多个能量及其分别对应的端电压确定第三曲线。
如此，通过上述过程可以对第一电池在第N次充放电过程中的充放电曲线进行标定，得到更准确的第三曲线。
在一些实施例中，获得第一电池的第四曲线，包括：获得第一电池在第N次充放电过程中的多个能量及其分别对应的端电压；根据多个能量及其分别对应的端电压确定第四曲线。
如此，通过上述过程可以对第一电池在第N次充放电过程中的充放电曲线进行标定，得到更准确的第四曲线。
在一些实施例中，目标特征参数包括特征峰位置、特征峰峰值、特征峰强度、特征峰间能量差、特征峰间电压差、特征谷位置和特征谷谷值中至少一种特征对应的特征参数。
如此，基于上述目标特征参数可以更准确地确定第一电池的寿命。
在一些实施例中，基于目标特征参数确定第一电池的寿命，包括：利用目标电池寿命预测模型基于目标特征参数对第一电池的寿命进行预测，得到第一电池的寿命。
如此，利用目标电池寿命预测模型基于目标特征参数预测第一电池的寿命，可以更准确地确定第一电池的寿命。
在一些实施例中，在利用目标电池寿命预测模型基于目标特征参数对第一电池的寿命进行预测，得到第一电池的寿命之前，方法还包括：获得多个训练样本，训练样本包括第二电池对应的历史特征参数和历史寿命，历史特征参数为第二电池对应的历史对应关系的特征参数，历史对应关系为第二电池在第N次充放电过程中的历史参数与端电压之间的对应关系，历史参数是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的；基于多个训练样本对初始电池寿命预测模型进行训练，得到目标电池寿命预测模型。
如此，基于多个训练样本对初始电池寿命预测模型进行训练，可以得到目标电池寿命预测模型，以便利用目标电池寿命预测模型基于目标特征参数预测第一电池的寿命，从而可以更准确地确定第一电池的寿命。
在一些实施例中，历史对应关系包括第五曲线和/或第六曲线；其中，第五曲线为第二电池在第N次充放电过程中的第一历史参数随端电压变化的曲线，第一历史参数为能量在单位时长内的变化量与端电压在单位时长内的变化量的比值，第六曲线为第二电池在第N次充放电过程中的第二历史参数随能量变化的曲线，第二历史参数为端电压在单位时长内的变化量与能量在单位时长内的变化量的比值。
如此，可以基于第五曲线提取历史特征参数，也可以基于第六曲线提取历史特征参数，还可以基于第五曲线和第六曲线提取历史特征参数，因此可以得到更准确的历史特征参数作为训练样本，从而可以提高目标电池寿命预测模型预测电池寿命的准确性。
在一些实施例中，获得历史寿命，包括：在第二电池的循环次数为M的情况下，获得第二电池的电池容量，M为正整数；将电池容量确定为历史寿命。
如此，通过上述过程，可以测得第二电池循环到M次时的电池容量，得到准确的历史寿命，基于该历史寿命进行模型训练可以提高目标电池寿命预测模型预测电池寿命的准确性。
在一些实施例中，获得历史寿命，包括：在第二电池的电池容量达到容量阈值的情况下，获得第二电池的循环次数；将循环次数确定为历史寿命。
如此，通过上述过程，可以确定第二电池的电池容量衰减达到容量阈值时的循环次数，得到准确的历史寿命，基于该历史寿命进行模型训练可以提高目标电池寿命预测模型预测电池寿命的准确性。
在一些实施例中，在获得多个训练样本之后，方法还包括：获得多个第一样本，第一样本包括第二电池对应的多种特征的特征参数和历史寿命；针对多种特征中的每种特征，分别执行以下步骤：基于多个第一样本中特征对应的多个特征参数及多个特征参数分别对应的历史寿命，确定特征与历史寿命之间的相关系数；在相关系数大于系数阈值的情况下，将特征确定为历史特征参数对应的特征。
如此，通过上述过程可以筛选出与电池寿命相关性更大的特征，基于该种特征预测电池寿命会更加准确。
第二方面，本申请提供一种电池寿命的确定装置，包括：第一获得模块，用于获得第一电池对应的目标对应关系，目标对应关系为第一电池在第N次充放电过程中的目标参数与端电压之间的对应关系，目标参数是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的，N为正整数；第二获得模块，用于获得目标对应关系的目标特征参数；确定模块，用于基于目标特征参数确定第一电池的寿命。
由此，可以基于电池在某一次充放电过程中的数据确定电池的寿命，而无需通过重复充放电实际测得电池的寿命，因此效率比较高，而且可以针对每个电池单独进行预测，准确性较高。
第三方面，本申请提供一种电子设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如第一方面的任一项实施例中所示的电池寿命的确定方法。
第四方面，本申请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指令，所述计算机程序指令被处理器执行时实现第一方面的任一项实施例中所示的电池寿命的确定方法。
第五方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行第一方面的任一项实施例中所示的电池寿命的确定方法。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读对下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在全部附图中，用相同的附图标号表示相同的部件。在附图中：
图1为本申请一些实施例提供的一种电池寿命的确定方法的流程示意图之一；
图2为本申请一些实施例提供的一种第一曲线和第三曲线的示意图；
图3为本申请一些实施例提供的一种第二曲线和第四曲线的示意图；
图4为本申请一些实施例提供的一种第二电池的SOH值的示意图；
图5为本申请一些实施例提供的一种BPNN的结构示意图；
图6为本申请一些实施例提供的一种电池寿命的确定装置的结构示意图；
图7为本申请一些实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合附图对本申请技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本申请的技术方案，因此只作为示例，而不能以此来限制本申请的保护范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。
在本申请实施例的描述中，技术术语“第一”“第二”等仅用于区别不同对象，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、特定顺序或主次关系。在本申请实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
在本申请实施例的描述中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
在本申请实施例的描述中，术语“多个”指的是两个以上（包括两个），同理，“多组”指的是两组以上（包括两组），“多片”指的是两片以上（包括两片）。
电池的寿命，具体可以是电池的循环寿命。循环寿命是电池可以经历的重复充电和放电的次数，电池的循环寿命是电池的一项重要性能指标，而在确定电池的寿命时，通常需要进行上百甚至上千次的循环老化测试。但是这样确定的电池寿命只是该被测电池的寿命，在电池生产过程中由于制程参数的波动，即使同一批的电池的循环寿命也不尽相同，因此通过循环老化测试得到某一电池的循环寿命并不能代表同一批电池的寿命。
为了快速准确的确定电池的寿命，本申请的一些实施例中，可以基于电池在某一次充放电过程中的数据确定电池的寿命，而无需通过重复充放电实际测得电池的寿命，因此效率比较高，而且可以针对每个电池单独进行预测，准确性较高。
首先，结合图1对本申请实施例提供的电池寿命的确定方法进行详细说明。
图1示出了本申请一个实施例提供的一种电池寿命的确定方法的流程示意图，需要说明的是，该电池寿命的确定方法可以应用于电池寿命的确定装置。
如图1所示，该电池寿命的确定方法可以包括如下步骤：
S110，获得第一电池对应的目标对应关系；
S120，获得目标对应关系的目标特征参数；
S130，基于目标特征参数确定第一电池的寿命。
由此，可以基于电池在某一次充放电过程中的数据确定电池的寿命，而无需通过重复充放电实际测得电池的寿命，因此效率比较高，而且可以针对每个电池单独进行预测，准确性较高。
涉及S110，目标对应关系可以为第一电池在第N次充放电过程中的目标参数与端电压之间的对应关系。目标参数可以是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的。N可以为正整数，N的具体数值可以根据实际需求设置。单位时长可以根据实际需求设置，例如，单位时长可以为1s。
具体地，充放电过程可以为充电过程，也可以为放电过程，还可以为充电和放电过程。
示例性地，N可以为1，目标对应关系可以是第一电池在首次充电过程中的目标参数与端电压之间的对应关系。也就是说，可以基于第一电池首次充电过程中的数据确定第一电池的寿命。
在一些实施例中，为了更准确地确定第一电池的寿命，目标对应关系可以包括第一曲线和/或第二曲线。
其中，第一曲线可以为第一电池在第N次充放电过程中的第一参数随端电压变化的曲线，第一参数可以为能量在单位时长内的变化量与端电压在单位时长内的变化量的比值，第二曲线可以为第一电池在第N次充放电过程中的第二参数随能量变化的曲线，第二参数可以为端电压在单位时长内的变化量与能量在单位时长内的变化量的比值。
这里，第一曲线可以为差分能量曲线，第二曲线可以为差分电压曲线。能量可以是指电池能够提供的电能总量。
示例性地，第一曲线可以是V(k)-IC(k)曲线，其中，k为时刻，V（k）为电池在k时刻的端电压，IC(k)为电池在k时刻的第一参数，,dV为电池的端电压在单位时长内的变化量，dQ为电池的能量在单位时长内的变化量，V(k-1)为电池在k-1时刻的端电压，Q(k)为电池在k时刻的能量，Q(k-1)为电池在k-1时刻的能量。
第二曲线可以是Q(k)-DV(k)曲线，其中，k为时刻，Q（k）为电池在k时刻的能量，DV(k)为电池在k时刻的第二参数，,dV为电池的端电压在单位时长内的变化量，dQ为电池的能量在单位时长内的变化量，Q(k-1)为电池在k-1时刻的能量，V(k)为电池在k时刻的端电压，V(k-1)为电池在k-1时刻的端电压。
如此，可以基于第一曲线确定第一电池的寿命，也可以基于第二曲线确定第一电池的寿命，还可以基于第一曲线和第二曲线确定第一电池的寿命，因此可以更准确地确定第一电池的寿命。
在一些实施例中，为了得到更准确的目标对应关系，在目标对应关系包括第一曲线的情况下，S110可以包括：
获得第一电池的第三曲线；
获得第三曲线中能量对端电压的导数，得到第一参数；
基于第一参数和第一参数在第三曲线中对应的端电压，确定第一曲线。
这里，第三曲线可以为第一电池在第N次充放电过程中的能量随端电压变化的曲线。示例性地，第三曲线可以为V(k)-Q(k)曲线。
示例性地，可以在获得V(k)-Q(k)曲线之后，计算V(k)-Q(k)曲线中Q(k)对V(k)的导数，得到，然后，基于IC(k)及IC(k)在V(k)-Q(k)曲线中对应的V(k)，便可以确定V(k)-IC(k)曲线。
如此，通过上述过程，可以基于第三曲线确定第一曲线，从而得到更准确的目标对应关系。
在一些实施例中，为了得到更准确的第三曲线，上述获得第一电池的第三曲线，可以包括：
获得第一电池在第N次充放电过程中的多个能量及其分别对应的端电压；
根据多个能量及其分别对应的端电压确定第三曲线。
这里，可以控制第一电池进行第N次充放电，并获得第一电池在第N次充放电过程中的多个能量及每个能量对应的端电压，然后根据该多个能量及每个能量对应的端电压确定第三曲线。
如此，通过上述过程可以对第一电池在第N次充放电过程中的充放电曲线进行标定，得到更准确的第三曲线。
在一些实施例中，为了得到更准确的目标对应关系，在目标对应关系包括第二曲线的情况下，S110可以包括：
获得第一电池的第四曲线；
获得第四曲线中端电压对能量的导数，得到第二参数；
基于第二参数和第二参数在第四曲线中对应的能量，确定第二曲线。
这里，第四曲线可以为第一电池在第N次充放电过程中的端电压随能量变化的曲线。示例性地，第四曲线可以为Q(k)-V(k)曲线。
示例性地，可以在获得Q(k)-V(k)曲线之后，计算Q(k)-V(k)曲线中V(k)对Q(k)的导数，得到，然后，基于DV(k)及DV(k)在Q(k)-V(k)曲线中对应的Q(k)，便可以确定Q(k)-DV(k)曲线。
如此，通过上述过程，可以基于第四曲线确定第二曲线，从而得到更准确的目标对应关系。
在一些实施例中，为了得到更准确的第四曲线，上述获得第一电池的第四曲线，可以包括：
获得第一电池在第N次充放电过程中的多个能量及其分别对应的端电压；
根据多个能量及其分别对应的端电压确定第四曲线。
这里，可以控制第一电池进行第N次充放电，并获得第一电池在第N次充放电过程中的多个能量及每个能量对应的端电压，然后根据该多个能量及每个能量对应的端电压确定第四曲线。
如此，通过上述过程可以对第一电池在第N次充放电过程中的充放电曲线进行标定，得到更准确的第四曲线。
在一些示例中，首先，可以在第一电池出厂前，将第一电池所处的环境温度调整到25℃，并将第一电池搁置10分钟，然后控制第一电池以0.3P恒功率放电至下截止电压2.0V或以2.0V恒压放电至电流小于0.05C，再搁置30分钟，然后控制第一电池以0.3P恒功率充电至上截止电压3.8V或以3.8V恒压充电至电流小于0.05C，再搁置30分钟，然后再次控制第一电池以0.3P恒功率放电至下截止电压2.0V或以2.0V恒压放电至电流小于0.05C，并搁置30分钟。
然后，可以获得第一电池在上述充电过程中的多个Q(k)及其分别对应的V(k)，并基于该多个Q(k)及其分别对应的V(k)绘制V(k)-Q(k)曲线和Q(k)-V(k)曲线。
最后，可以基于V(k)-Q(k)曲线求Q(k)对V(k)的导数，确定V(k)-IC(k)曲线，并基于Q(k)-V(k)曲线求V(k)对Q(k)的导数，确定Q(k)-DV(k)曲线。
其中，V(k)-Q(k)曲线和V(k)-IC(k)曲线可以如图2所示，Q(k)-V(k)曲线和Q(k)-DV(k)曲线可以如图3所示。
涉及S120，目标特征参数可以包括第一曲线的第一特征参数和/或第二曲线的第二特征参数。
在获得第一曲线的第一特征参数之前，可以对第一曲线进行滤波处理。在获得第二曲线的第二特征参数之前，可以对第二曲线进行滤波处理。
在一些实施例中，为了更准确地确定第一电池的寿命，目标特征参数可以包括特征峰位置、特征峰峰值、特征峰强度、特征峰间能量差、特征峰间电压差、特征谷位置和特征谷谷值中至少一种特征对应的特征参数。
这里，特征峰位置可以是第一曲线和/或第二曲线的波峰的横坐标。特征峰峰值可以是第一曲线和/或第二曲线的波峰的纵坐标。特征峰强度可以是第一曲线和/或第二曲线的波峰的面积。特征峰间能量差可以是第一曲线和/或第二曲线的波峰。特征峰间电压差可以是第一曲线和/或第二曲线的波峰。特征谷位置可以是第一曲线和/或第二曲线的波峰的横坐标。特征谷谷值可以是第一曲线和/或第二曲线的波谷的纵坐标。
示例性地，以第一曲线为例，如图2所示，特征峰位置可以为第一点210的横坐标，特征峰峰值可以为第一点210的纵坐标，特征峰强度可以为区域220的面积，特征峰间能量差可以是第二点230与第三点240分别对应的能量的差值，特征峰间电压差可以是第二点230与第三点240分别对应的端电压的差值，特征谷位置可以为第二点230的横坐标，特征谷谷值可以为第二点230的纵坐标。需要说明的是，这里以一个波峰和一个波谷为例进行介绍，但第一曲线可以有一个或多个波峰，也可以有一个或多个波谷，第二曲线可以有一个或多个波峰，也可以有一个或多个波谷。
如此，基于上述目标特征参数可以更准确地确定第一电池的寿命。
涉及S130，基于目标特征参数可以确定第一电池的寿命。示例性地，可以在出厂前确定第一电池的寿命。
第一电池的寿命可以是第一电池在循环次数为M时的电池容量，也可以是第一电池的在容量达到容量阈值时的循环次数。M可以为正整数，M的具体数值可以根据实际需求设置。容量阈值可以根据实际需求设置。
在一些实施例中，为了更准确地确定第一电池的寿命，S130可以包括：
利用目标电池寿命预测模型基于目标特征参数对第一电池的寿命进行预测，得到第一电池的寿命。
这里，目标电池寿命预测模型可以包括但不限于人工神经网络、深度学习网络、机器学习网络中的一项。
示例性地，目标电池寿命预测模型可以是反向传播人工神经网络（BackPropagation Neural Network，BPNN）。BPNN是一种能够通过大量数据的训练和学习过程，自动提取并适应学习数据之间“合理的规则”，并将其记录下来的网络。
具体地，可以将目标特征参数输入至BPNN中，利用BPNN对第一电池的寿命进行预测，输出得到第一电池的寿命。
如此，利用目标电池寿命预测模型基于目标特征参数预测第一电池的寿命，可以更准确地确定第一电池的寿命。
在一些实施例中，为了更准确地确定第一电池的寿命，在上述利用目标电池寿命预测模型基于目标特征参数对第一电池的寿命进行预测，得到第一电池的寿命之前，该方法还可以包括：
获得多个训练样本；
基于多个训练样本对初始电池寿命预测模型进行训练，得到目标电池寿命预测模型。
这里，训练样本可以包括第二电池对应的历史特征参数和历史寿命，第二电池和第一电池的型号可以相同，历史特征参数可以为第二电池对应的历史对应关系的特征参数，历史对应关系可以为第二电池在第N次充放电过程中的历史参数与端电压之间的对应关系，历史参数可以是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的。
历史特征参数可以包括特征峰位置、特征峰峰值、特征峰强度、特征峰间容量差、特征峰间电压差、特征谷的位置和特征谷的谷值中至少一种特征对应的特征参数。历史特征参数和目标特征参数包括的特征参数对应的特征种类可以相同。
具体地，可以将训练样本输入至初始电池寿命预测模型，利用初始电池寿命预测模型基于历史特征参数预测第二电池的寿命，得到预测寿命；基于预测寿命和历史寿命确定损失函数值；在损失函数值不满足训练停止条件的情况下，调整初始电池寿命预测模型的模型参数，直至损失函数值满足训练停止条件时停止。
示例性地，多个第二电池的预测寿命和历史寿命可以如图4所示。其中，横坐标可以为第二电池的编号，纵坐标可以为SOH，SOH可以为第二电池在循环次数为M时的电池容量与第二电池的初始容量的比值，该SOH可以用于表征电池的寿命。预测寿命可以为预测SOH曲线410，历史寿命可以历史SOH曲线420。
初始电池寿命预测模型可以包括但不限于人工神经网络、深度学习网络中的一项。
示例性地，初始电池寿命预测模型可以为BPNN。如图5所示，BPNN括包括输入层510、隐藏层520和输出层530。对BPNN进行模型训练的过程可以包括：信息的正向传递和误差信息的反向传递。还可以并根据梯度下降的方法调整各层间的权重值和阈值，并反复迭代直到误差满足要求。
如此，基于多个训练样本对初始电池寿命预测模型进行训练，可以得到目标电池寿命预测模型，以便利用目标电池寿命预测模型基于目标特征参数预测第一电池的寿命，从而可以更准确地确定第一电池的寿命。
在一些实施例中，为了得到更准确的历史特征参数，获得历史特征参数，可以包括：
获得第二电池对应的历史对应关系；
获得历史对应关系的历史特征参数。
如此，通过对历史对应关系进行特征提取，可以得到更准确的历史特征参数。
在一些实施例中，为了提高目标电池寿命预测模型预测电池寿命的准确性，历史对应关系可以包括第五曲线和/或第六曲线。
其中，第五曲线可以为第二电池在第N次充放电过程中的第一历史参数随端电压变化的曲线，第一历史参数可以为能量在单位时长内的变化量与端电压在单位时长内的变化量的比值，第六曲线可以为第二电池在第N次充放电过程中的第二历史参数随能量变化的曲线，第二历史参数可以为端电压在单位时长内的变化量与能量在单位时长内的变化量的比值。
这里，第五曲线可以为差分能量曲线，第六曲线可以为差分电压曲线。
示例性地，第五曲线可以是V(t)-IC(t)曲线，其中，t为时刻，V（t）为电池在t时刻的端电压，IC(t)为电池在t时刻的第一历史参数，,dV为电池的端电压在单位时长内的变化量，dQ为电池的能量在单位时长内的变化量，V(t-1)为电池在t-1时刻的端电压，Q(t)为电池在t时刻的能量，Q(t-1)为电池在t-1时刻的能量。
第六曲线可以是Q(t)-DV(t)曲线，其中，t为时刻，Q（t）为电池在t时刻的能量，DV(t)为电池在t时刻的第二历史参数，,dV为电池的端电压在单位时长内的变化量，dQ为电池的能量在单位时长内的变化量，Q(t-1)为电池在t-1时刻的能量，V(t)为电池在t时刻的端电压，V(t-1)为电池在t-1时刻的端电压。
如此，可以基于第五曲线提取历史特征参数，也可以基于第六曲线提取历史特征参数，还可以基于第五曲线和第六曲线提取历史特征参数，因此可以得到更准确的历史特征参数作为训练样本，从而可以提高目标电池寿命预测模型预测电池寿命的准确性。
在一些实施例中，为了得到更准确的历史对应关系，在历史对应关系包括第五曲线的情况下，上述获得第二电池对应的历史对应关系，可以包括：
获得第二电池的第七曲线；
获得第七曲线中能量对端电压的导数，得到第一历史参数；
基于第一历史参数和第一历史参数在第七曲线中对应的端电压，确定第五曲线。
这里，第七曲线可以为第二电池在第N次充放电过程中的能量随端电压变化的曲线。示例性地，第七曲线可以为V(t)-Q(t)曲线。
示例性地，可以在获得V(t)-Q(t)曲线之后，计算V(t)-Q(t)曲线中Q(t)对V(t)的导数，得到，然后，基于IC(t)及IC(t)在V(t)-Q(t)曲线中对应的V(t)，便可以确定V(t)-IC(t)曲线。
如此，通过上述过程，可以基于第七曲线确定第五曲线，从而得到更准确的历史对应关系。
在一些实施例中，为了得到更准确的第七曲线，上述获得第二电池的第七曲线，可以包括：
获得第二电池在第N次充放电过程中的多个能量及其分别对应的端电压；
根据多个能量及其分别对应的端电压确定第七曲线。
这里，可以控制第二电池进行第N次充放电，并获得第二电池在第N次充放电过程中的多个能量及每个能量对应的端电压，然后根据该多个能量及每个能量对应的端电压确定第七曲线。
如此，通过上述过程可以对第二电池在第N次充放电过程中的充放电曲线进行标定，得到更准确的第七曲线。
在一些实施例中，为了得到更准确的历史对应关系，在历史对应关系包括第六曲线的情况下，上述获得第二电池对应的历史对应关系，可以包括：
获得第二电池的第八曲线；
获得第八曲线中端电压对能量的导数，得到第二历史参数；
基于第二历史参数和第二历史参数在第八曲线中对应的能量，确定第六曲线。
这里，第八曲线可以为第二电池在第N次充放电过程中的端电压随能量变化的曲线。示例性地，第八曲线可以为Q(t)-V(t)曲线。
示例性地，可以在获得Q(t)-V(t)曲线之后，计算Q(t)-V(t)曲线中V(t)对Q(t)的导数，得到，然后，基于DV(t)及DV(t)在Q(t)-V(t)曲线中对应的Q(t)，便可以确定Q(t)-DV(t)曲线。
如此，通过上述过程，可以基于第八曲线确定第六曲线，从而得到更准确的历史对应关系。
在一些实施例中，为了得到更准确的第八曲线，上述获得第二电池的第八曲线，可以包括：
获得第二电池在第N次充放电过程中的多个能量及其分别对应的端电压；
根据多个能量及其分别对应的端电压确定第八曲线。
这里，可以控制第二电池进行第N次充放电，并获得第二电池在第N次充放电过程中的多个能量及每个能量对应的端电压，然后根据该多个能量及每个能量对应的端电压确定第八曲线。
如此，通过上述过程可以对第二电池在第N次充放电过程中的充放电曲线进行标定，得到更准确的第八曲线。
在一些示例中，首先，可以在第二电池出厂前，将第二电池所处的环境温度调整到25℃，并将第二电池搁置10分钟，然后控制第二电池以0.3P恒功率放电至下截止电压或以2.0V恒压放电至电流小于0.05C，再搁置30分钟，然后控制第二电池以0.3P恒功率充电至上截止电压或以3.8V恒压充电至电流小于0.05C，再搁置30分钟，然后再次控制第二电池以0.3P恒功率放电至下截止电压或以2.0V恒压放电至电流小于0.05C，并搁置30分钟。
然后，可以获得第二电池在上述充电过程中的多个Q(t)及其分别对应的V(t)，并基于该多个Q(t)及其分别对应的V(t)绘制V(t)-Q(t)曲线和Q(t)-V(t)曲线。
最后，可以基于V(t)-Q(t)曲线求Q(t)对V(t)的导数，确定V(t)-IC(t)曲线，并基于Q(t)-V(t)曲线求V(t)对Q(t)的导数，确定Q(t)-DV(t)曲线。
在一些实施例中，为了提高目标电池寿命预测模型预测电池寿命的准确性，获得历史寿命，可以包括：
在第二电池的循环次数为M的情况下，获得第二电池的电池容量；
将电池容量确定为历史寿命。
这里，M可以为正整数。
具体地，可以控制第二电池重复进行充电和放电，当第二电池的循环次数达到M时，获得第二电池的电池容量，并将该电池容量作为第二电池的历史寿命。
示例性地，S1：将第二电池搁置10分钟，S2：控制第二电池以0.3P恒功率放电至下截止电压2.0V或者以2.0V恒压放电至电流小于0.05C，S3：搁置30分钟，S4：控制第二电池以0.3P恒功率充电至上截止电压3.8V或者以3.8V恒压充电至电流小于0.05C，S5：搁置30分钟，S6：控制第二电池以0.3P恒功率放电至下截止电压2.0V或者以2.0V恒压放电至电流小于0.05C。S7：重复执行S4-S6达到500次后，获取第二电池的电池容量，将该电池容量作为历史寿命。
如此，通过上述过程，可以测得第二电池循环到M次时的电池容量，得到准确的历史寿命，基于该历史寿命进行模型训练可以提高目标电池寿命预测模型预测电池寿命的准确性。
在一些实施例中，为了提高目标电池寿命预测模型预测电池寿命的准确性，获得历史寿命，可以包括：
在第二电池的电池容量达到容量阈值的情况下，获得第二电池的循环次数；
将循环次数确定为历史寿命。
这里，容量阈值可以根据实际需求设置。
具体地，可以控制第二电池重复进行充电和放电，当第二电池的电池容量衰减到容量阈值时，获得第二电池的循环次数，并将该循环次数作为第二电池的历史寿命。
示例性地，S1：将第二电池搁置10分钟，S2：控制第二电池以0.3P恒功率放电至下截止电压2.0V或者以2.0V恒压放电至电流小于0.05C，S3：搁置30分钟，S4：控制第二电池以0.3P恒功率充电至上截止电压3.8V或者以3.8V恒压充电至电流小于0.05C，S5：搁置30分钟，S6：控制第二电池以0.3P恒功率放电至下截止电压2.0V或者以2.0V恒压放电至电流小于0.05C。S7：重复执行S4-S6直至第二电池的电池容量衰减到容量阈值时，获取第二电池的循环次数，将该循环次数作为历史寿命。
如此，通过上述过程，可以确定第二电池的电池容量衰减达到容量阈值时的循环次数，得到准确的历史寿命，基于该历史寿命进行模型训练可以提高目标电池寿命预测模型预测电池寿命的准确性。
在一些实施例中，为了更准确地预测电池的寿命，在上述获得多个训练样本之前，该方法还可以包括：
获得多个第一样本；
针对多种特征中的每种特征，分别执行以下步骤：
基于多个第一样本中特征对应的多个特征参数与及多个特征参数分别对应的历史寿命，确定特征与历史寿命之间的相关系数；
在相关系数大于系数阈值的情况下，将特征确定为历史特征参数对应的特征。
这里，第一样本可以包括第二电池对应的多种特征的特征参数和历史寿命。
多种特征可以包括但不限于特征峰位置、特征峰峰值、特征峰强度、特征峰间容量差、特征峰间电压差、特征谷的位置和特征谷的谷值中的多种。
相关系数可以为皮尔逊相关系数。
具体地，基于多个第一样本中每种特征对应的多个特征参数与及多个特征参数分别对应的历史寿命，计算该种特征与历史寿命之间的皮尔逊相关系数。若皮尔逊相关系数大于系数阈值，则表明该种特征与电池的寿命之间的相关性较大，因此可以基于该种特征预测电池的寿命，可以将该种特征确定为历史特征参数对应的特征，基于该种特征进行模型训练。此外，在实际预测第一电池的寿命时使用的目标特征参数也可以是该种特征的特征参数。
如此，通过上述过程可以筛选出与电池寿命相关性更大的特征，基于该种特征预测电池寿命会更加准确。
基于相同的发明构思，本申请实施例还提供了一种电池寿命的确定装置。下面结合图6对本申请实施例提供的电池寿命的确定装置进行详细说明。
图6示出了本申请一个实施例提供的一种电池寿命的确定装置的结构示意图。
如图6所示，该电池寿命的确定装置可以包括：
第一获得模块601，用于获得第一电池对应的目标对应关系，目标对应关系为第一电池在第N次充放电过程中的目标参数与端电压之间的对应关系，目标参数是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的，N为正整数；
第二获得模块602，用于获得目标对应关系的目标特征参数；
确定模块603，用于基于目标特征参数确定第一电池的寿命。
由此，可以基于电池在某一次充放电过程中的数据确定电池的寿命，而无需通过重复充放电实际测得电池的寿命，因此效率比较高，而且可以针对每个电池单独进行预测，准确性较高。
在一些实施例中，为了更准确地确定第一电池的寿命，目标对应关系包括第一曲线和/或第二曲线；
其中，第一曲线为第一电池在第N次充放电过程中的第一参数随端电压变化的曲线，第一参数为能量在单位时长内的变化量与端电压在单位时长内的变化量的比值，第二曲线为第一电池在第N次充放电过程中的第二参数随能量变化的曲线，第二参数为端电压在单位时长内的变化量与能量在单位时长内的变化量的比值。
在一些实施例中，为了得到更准确的目标对应关系，在目标对应关系包括第一曲线的情况下，第一获得模块601可以包括：
第一获得子模块，用于获得第一电池的第三曲线，第三曲线为第一电池在第N次充放电过程中的能量随端电压变化的曲线；
第二获得子模块，用于获得第三曲线中能量对端电压的导数，得到第一参数；
第一确定子模块，用于基于第一参数和第一参数在第三曲线中对应的端电压，确定第一曲线。
在一些实施例中，为了得到更准确的目标对应关系，在目标对应关系包括第二曲线的情况下，第一获得模块601可以包括：
第三获得子模块，用于获得第一电池的第四曲线，第四曲线为第一电池在第N次充放电过程中的端电压随能量变化的曲线；
第四获得子模块，用于获得第四曲线中端电压对能量的导数，得到第二参数；
第二确定子模块，用于基于第二参数和第二参数在第四曲线中对应的能量，确定第二曲线。
在一些实施例中，为了得到更准确的第三曲线，第一获得子模块可以包括：
第一获得单元，用于获得第一电池在第N次充放电过程中的多个能量及其分别对应的端电压；
第一确定单元，用于根据多个能量及其分别对应的端电压确定第三曲线。
在一些实施例中，为了得到更准确的第四曲线，第三获得子模块可以包括：
第二获得单元，用于获得第一电池在第N次充放电过程中的多个能量及其分别对应的端电压；
第二确定单元，用于根据多个能量及其分别对应的端电压确定第四曲线。
在一些实施例中，为了更准确地确定第一电池的寿命，目标特征参数包括特征峰位置、特征峰峰值、特征峰强度、特征峰间容量差、特征峰间电压差、特征谷的位置和特征谷的谷值中至少一种特征对应的特征参数。
在一些实施例中，为了更准确地确定第一电池的寿命，确定模块603可以包括：
预测子模块，用于利用目标电池寿命预测模型基于目标特征参数对第一电池的寿命进行预测，得到第一电池的寿命。
在一些实施例中，为了更准确地确定第一电池的寿命，该装置还可以包括：
第三获得模块，用于在利用目标电池寿命预测模型基于目标特征参数对第一电池的寿命进行预测，得到第一电池的寿命之前，获得多个训练样本，训练样本包括第二电池对应的历史特征参数和历史寿命，历史特征参数为第二电池对应的历史对应关系的特征参数，历史对应关系为第二电池在第N次充放电过程中的历史参数与端电压之间的对应关系，历史参数是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的；
模型训练模块，用于基于多个训练样本对初始电池寿命预测模型进行训练，得到目标电池寿命预测模型。
在一些实施例中，为了提高目标电池寿命预测模型预测电池寿命的准确性，历史对应关系包括第五曲线和/或第六曲线；
其中，第五曲线为第二电池在第N次充放电过程中的第一历史参数随端电压变化的曲线，第一历史参数为能量在单位时长内的变化量与端电压在单位时长内的变化量的比值，第六曲线为第二电池在第N次充放电过程中的第二历史参数随能量变化的曲线，第二历史参数为端电压在单位时长内的变化量与能量在单位时长内的变化量的比值。
在一些实施例中，为了提高目标电池寿命预测模型预测电池寿命的准确性，第三获得模块可以包括：
第七获得子模块，用于在第二电池的循环次数为M的情况下，获得第二电池的电池容量，M为正整数；
第三确定子模块，用于将电池容量确定为历史寿命。
在一些实施例中，为了提高目标电池寿命预测模型预测电池寿命的准确性，第三获得模块可以包括：
第八获得子模块，用于在第二电池的电池容量达到容量阈值的情况下，获得第二电池的循环次数；
第四确定子模块，用于将循环次数确定为历史寿命。
在一些实施例中，为了更准确地预测电池的寿命，该装置还可以包括：
第四获得模块，用于获得多个第一样本，第一样本包括第二电池对应的多种特征的特征参数和历史寿命；
处理模块，用于针对多种特征中的每种特征，分别执行以下步骤：
基于多个第一样本中特征对应的多个特征参数及多个特征参数分别对应的历史寿命，确定特征与历史寿命之间的相关系数；
在相关系数大于系数阈值的情况下，将特征确定为历史特征参数对应的特征。
图7示出了本申请一个实施例提供的一种电子设备的结构示意图。
如图7所示，该电子设备7能够实现根据本申请实施例中的电池寿命的确定方法和电池寿命的确定装置的电子设备的示例性硬件架构的结构图。该电子设备可以指代本申请实施例中的电子设备。
该电子设备7可以包括处理器701以及存储有计算机程序指令的存储器702。
具体地，上述处理器701可以包括中央处理器（CPU），或者特定集成电路（Application Specific Integrated Circuit，ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器702可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器702可包括硬盘驱动器（Hard Disk Drive，HDD）、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线（Universal Serial Bus，USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器702可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器702可在综合网关容灾设备的内部或外部。在特定实施例中，存储器702是非易失性固态存储器。在特定实施例中，存储器702可包括只读存储器（ROM），随机存取存储器（RAM），磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器702包括一个或多个编码有包括计算机可执行指令的软件的有形（非暂态）计算机可读存储介质（例如，存储器设备），并且当该软件被执行（例如，由一个或多个处理器）时，其可操作来执行参考根据本申请的一方面的方法所描述的操作。
处理器701通过读取并执行存储器702中存储的计算机程序指令，以实现上述实施例中的任意一种电池寿命的确定方法。
在一个示例中，该电子设备还可包括通信接口703和总线704。其中，如图7所示，处理器701、存储器702、通信接口703通过总线704连接并完成相互间的通信。
通信接口703，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线704包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口（AGP）或其他图形总线、增强工业标准架构（EISA）总线、前端总线（FSB）、超传输（HT）互连、工业标准架构（ISA）总线、无限带宽互连、低引脚数（LPC）总线、存储器总线、微信道架构（MCA）总线、***组件互连（PCI）总线、PCI-Express（PCI-X）总线、串行高级技术附件（SATA）总线、视频电子标准协会局部（VLB）总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线704可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的电池寿命的确定方法，从而实现结合图1至图6描述的电池寿命的确定方法和装置。
另外，结合上述实施例中的电池寿命的确定方法，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种电池寿命的确定方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路（ASIC）、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM（EROM）、软盘、CD-ROM、光盘、硬盘、光纤介质、射频（RF）链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或***。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置（***）和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
虽然已经参考优选实施例对本申请进行了描述，但在不脱离本申请的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件，尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本申请并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。
Claims (14)
1.一种电池寿命的确定方法，其特征在于，包括：
获得第一电池对应的目标对应关系，所述目标对应关系为所述第一电池在第N次充放电过程中的目标参数与端电压之间的对应关系，所述目标参数是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的，N为正整数；
获得所述目标对应关系的目标特征参数；
基于所述目标特征参数确定所述第一电池的寿命；
所述目标对应关系包括第一曲线和/或第二曲线；
其中，所述第一曲线为所述第一电池在第N次充放电过程中的第一参数随端电压变化的曲线，所述第一参数为能量在单位时长内的变化量与端电压在单位时长内的变化量的比值，所述第二曲线为所述第一电池在第N次充放电过程中的第二参数随能量变化的曲线，所述第二参数为端电压在单位时长内的变化量与能量在单位时长内的变化量的比值；
所述目标特征参数包括特征峰位置、特征峰峰值、特征峰强度、特征峰间能量差、特征峰间电压差、特征谷位置和特征谷谷值中至少一种特征对应的特征参数。
2.根据权利要求1所述的方法，其特征在于，在所述目标对应关系包括所述第一曲线的情况下，所述获得第一电池对应的目标对应关系，包括：
获得所述第一电池的第三曲线，所述第三曲线为所述第一电池在第N次充放电过程中的能量随端电压变化的曲线；
获得所述第三曲线中能量对端电压的导数，得到所述第一参数；
基于所述第一参数和所述第一参数在所述第三曲线中对应的端电压，确定所述第一曲线。
3.根据权利要求1所述的方法，其特征在于，在所述目标对应关系包括所述第二曲线的情况下，所述获得第一电池对应的目标对应关系，包括：
获得所述第一电池的第四曲线，所述第四曲线为所述第一电池在第N次充放电过程中的端电压随能量变化的曲线；
获得所述第四曲线中端电压对能量的导数，得到所述第二参数；
基于所述第二参数和所述第二参数在所述第四曲线中对应的能量，确定所述第二曲线。
4.根据权利要求2所述的方法，其特征在于，所述获得所述第一电池的第三曲线，包括：
获得所述第一电池在第N次充放电过程中的多个能量及其分别对应的端电压；
根据所述多个能量及其分别对应的端电压确定所述第三曲线。
5.根据权利要求3所述的方法，其特征在于，所述获得所述第一电池的第四曲线，包括：
获得所述第一电池在第N次充放电过程中的多个能量及其分别对应的端电压；
根据所述多个能量及其分别对应的端电压确定所述第四曲线。
6.根据权利要求1所述的方法，其特征在于，所述基于所述目标特征参数确定所述第一电池的寿命，包括：
利用目标电池寿命预测模型基于所述目标特征参数对所述第一电池的寿命进行预测，得到所述第一电池的寿命。
7.根据权利要求6所述的方法，其特征在于，在所述利用目标电池寿命预测模型基于所述目标特征参数对所述第一电池的寿命进行预测，得到所述第一电池的寿命之前，所述方法还包括：
获得多个训练样本，所述训练样本包括第二电池对应的历史特征参数和历史寿命，所述历史特征参数为所述第二电池对应的历史对应关系的特征参数，所述历史对应关系为所述第二电池在第N次充放电过程中的历史参数与端电压之间的对应关系，所述历史参数是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的；
基于所述多个训练样本对初始电池寿命预测模型进行训练，得到所述目标电池寿命预测模型。
8.根据权利要求7所述的方法，其特征在于，所述历史对应关系包括第五曲线和/或第六曲线；
其中，所述第五曲线为所述第二电池在第N次充放电过程中的第一历史参数随端电压变化的曲线，所述第一历史参数为能量在单位时长内的变化量与端电压在单位时长内的变化量的比值，所述第六曲线为所述第二电池在第N次充放电过程中的第二历史参数随能量变化的曲线，所述第二历史参数为端电压在单位时长内的变化量与能量在单位时长内的变化量的比值。
9.根据权利要求7所述的方法，其特征在于，获得所述历史寿命，包括：
在所述第二电池的循环次数为M的情况下，获得所述第二电池的电池容量，M为正整数；
将所述电池容量确定为所述历史寿命。
10.根据权利要求7所述的方法，其特征在于，获得所述历史寿命，包括：
在所述第二电池的电池容量达到容量阈值的情况下，获得所述第二电池的循环次数；
将所述循环次数确定为所述历史寿命。
11.根据权利要求7所述的方法，其特征在于，在所述获得多个训练样本之前，所述方法还包括：
获得多个第一样本，所述第一样本包括第二电池对应的多种特征的特征参数和历史寿命；
针对所述多种特征中的每种特征，分别执行以下步骤：
基于所述多个第一样本中所述特征对应的多个所述特征参数及所述多个特征参数分别对应的所述历史寿命，确定所述特征与历史寿命之间的相关系数；
在所述相关系数大于系数阈值的情况下，将所述特征确定为所述历史特征参数对应的特征。
12.一种电池寿命的确定装置，其特征在于，所述装置包括：
第一获得模块，用于获得第一电池对应的目标对应关系，所述目标对应关系为所述第一电池在第N次充放电过程中的目标参数与端电压之间的对应关系，所述目标参数是基于能量在单位时长内的变化量和端电压在单位时长内的变化量确定的，N为正整数；
第二获得模块，用于获得所述目标对应关系的目标特征参数；
确定模块，用于基于所述目标特征参数确定所述第一电池的寿命；
所述目标对应关系包括第一曲线和/或第二曲线；
其中，所述第一曲线为所述第一电池在第N次充放电过程中的第一参数随端电压变化的曲线，所述第一参数为能量在单位时长内的变化量与端电压在单位时长内的变化量的比值，所述第二曲线为所述第一电池在第N次充放电过程中的第二参数随能量变化的曲线，所述第二参数为端电压在单位时长内的变化量与能量在单位时长内的变化量的比值；
所述目标特征参数包括特征峰位置、特征峰峰值、特征峰强度、特征峰间能量差、特征峰间电压差、特征谷位置和特征谷谷值中至少一种特征对应的特征参数。
13.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-11任意一项所述的电池寿命的确定方法。
14.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-11任意一项所述的电池寿命的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311461153.1A CN117192383B (zh) | 2023-11-06 | 2023-11-06 | 电池寿命的确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311461153.1A CN117192383B (zh) | 2023-11-06 | 2023-11-06 | 电池寿命的确定方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117192383A CN117192383A (zh) | 2023-12-08 |
| CN117192383B true CN117192383B (zh) | 2024-03-26 |
Family
ID=88994593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311461153.1A Active CN117192383B (zh) | 2023-11-06 | 2023-11-06 | 电池寿命的确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117192383B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117452236B (zh) * | 2023-12-26 | 2024-03-15 | 深圳市北测检测技术有限公司 | 新能源汽车的电池寿命检测方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106646267A (zh) * | 2017-02-13 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 配电终端电池寿命检测方法及装置 |
| CN109782182A (zh) * | 2019-01-14 | 2019-05-21 | 深圳大学 | 一种串联电池组能量状态在线估计方法和装置 |
| CN115114878A (zh) * | 2022-07-26 | 2022-09-27 | 中国长江三峡集团有限公司 | 一种储能电站电池寿命在线预测方法、装置及存储介质 |
| CN116047311A (zh) * | 2023-03-06 | 2023-05-02 | 中国华能集团清洁能源技术研究院有限公司 | 储能电池剩余寿命的在线预测方法及其装置 |
| CN116359771A (zh) * | 2021-12-28 | 2023-06-30 | 比亚迪股份有限公司 | 锂离子电池寿命预测方法、电子设备及可读存储介质 |
-
2023
- 2023-11-06 CN CN202311461153.1A patent/CN117192383B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106646267A (zh) * | 2017-02-13 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 配电终端电池寿命检测方法及装置 |
| CN109782182A (zh) * | 2019-01-14 | 2019-05-21 | 深圳大学 | 一种串联电池组能量状态在线估计方法和装置 |
| CN116359771A (zh) * | 2021-12-28 | 2023-06-30 | 比亚迪股份有限公司 | 锂离子电池寿命预测方法、电子设备及可读存储介质 |
| CN115114878A (zh) * | 2022-07-26 | 2022-09-27 | 中国长江三峡集团有限公司 | 一种储能电站电池寿命在线预测方法、装置及存储介质 |
| CN116047311A (zh) * | 2023-03-06 | 2023-05-02 | 中国华能集团清洁能源技术研究院有限公司 | 储能电池剩余寿命的在线预测方法及其装置 |
Non-Patent Citations (2)
| Title |
|---|
| 基于Sage-Husa EKF算法的锂离子电池能量状态估计;李晓涵 等;《储能科学与技术》;第11卷(第11期);第3603-3612页 * |
| 电动汽车锂离子电池管理***的关键技术;卢兰光;李建秋;华剑锋;***;;科技导报(第06期);第41-53页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117192383A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112531850B (zh) | 电池组均衡控制方法、装置、设备和介质 | |
| CN117192383B (zh) | 电池寿命的确定方法、装置、设备及介质 | |
| CN107356874B (zh) | 电池包荷电状态的估算方法、装置和*** | |
| EP4148439A1 (en) | Battery state calculation method and calculation device, and storage medium | |
| CN114207456A (zh) | 用于诊断电池劣化程度的设备和方法 | |
| CN116577677A (zh) | 退役动力电池的放电测试***及其方法 | |
| CN111474488A (zh) | 一种用于检测锂离子电池发生微内短路的方法及*** | |
| US11946978B2 (en) | Method, apparatus and computer program product for estimating the service life of battery storage systems | |
| CN115270454A (zh) | 电池寿命预测方法及相关设备 | |
| US11598811B2 (en) | Method, apparatus, and computer storage medium for identifying cell | |
| CN117429311A (zh) | 续航里程预测方法、装置、设备、介质及车辆 | |
| CN116224091B (zh) | 电池的电芯故障检测方法、装置、电子设备及存储介质 | |
| CN114895209A (zh) | 面向锂电池少循环的二维支持域直推式健康状态预测方法 | |
| CN115113082A (zh) | 电池健康状态估计方法及相关装置 | |
| CN115151832A (zh) | 电池状态估算方法、装置、设备、电池***及存储介质 | |
| CN111239628B (zh) | 一种检测二次蓄电池及串联模块衰减程度的方法及*** | |
| CN116577685B (zh) | 健康检测方法、数据处理方法、相关装置、设备及介质 | |
| CN112986733B (zh) | 电子产品的贮存可靠度评估方法 | |
| CN115166538B (zh) | 充电检测方法、装置、设备及产品 | |
| CN116541718B (zh) | 电池容量跳水识别模型的训练方法、装置、设备及介质 | |
| CN116840692A (zh) | 复合电极电池老化估计方法、装置、设备、介质及程序 | |
| CN117873854A (zh) | 回归测试方法、装置和电子设备 | |
| CN118226304A (zh) | 检测方法、装置、计算机可读存储介质、计算机程序产品及芯片 | |
| CN118151009A (zh) | 电池性能衰退原因的确定方法、装置及设备 | |
| CN117949848A (zh) | 电芯容量异常判断方法、装置、设备和存储介质 |
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 |