CN117214728B - 电池的劣化程度确定方法、装置、电子设备及存储介质 - Google Patents
电池的劣化程度确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117214728B CN117214728B CN202311483232.2A CN202311483232A CN117214728B CN 117214728 B CN117214728 B CN 117214728B CN 202311483232 A CN202311483232 A CN 202311483232A CN 117214728 B CN117214728 B CN 117214728B
- Authority
- CN
- China
- Prior art keywords
- battery
- sample
- degradation
- working temperature
- fitting
- 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
- 230000015556 catabolic process Effects 0.000 title claims abstract description 338
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 338
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000013210 evaluation model Methods 0.000 claims abstract description 133
- 238000012360 testing method Methods 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 111
- 238000011156 evaluation Methods 0.000 claims description 90
- 238000012545 processing Methods 0.000 claims description 30
- 238000001453 impedance spectrum Methods 0.000 claims description 16
- 125000004122 cyclic group Chemical group 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 230000001419 dependent effect Effects 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 230000002596 correlated effect Effects 0.000 abstract description 8
- 238000004146 energy storage Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 89
- 229910001415 sodium ion Inorganic materials 0.000 description 46
- FKNQFGJONOIPTF-UHFFFAOYSA-N Sodium cation Chemical compound [Na+] FKNQFGJONOIPTF-UHFFFAOYSA-N 0.000 description 42
- 230000014759 maintenance of location Effects 0.000 description 21
- 230000006866 deterioration Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000010287 polarization Effects 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 239000003990 capacitor Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007600 charging Methods 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 239000006183 anode active material Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010281 constant-current constant-voltage charging Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004807 desolvation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 159000000000 sodium salts Chemical class 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本申请提供电池的劣化程度确定方法、装置、电子设备及存储介质,涉及储能电池技术领域。当需要对待检电池的劣化程度进行评估时,获取待检电池的工作温度、及待检电池中各元件的元件参数,结合待检电池的工作温度,获取预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到的至少一个目标劣化评估模型;再根据目标劣化评估模型,来确定与电池劣化程度高度相关的特征元件;最后,将与电池劣化程度高度相关的特征元件的元件参数代入至目标劣化评估模型,计算得到待检电池的劣化度,达到了对待检电池劣化程度进行评估预测的目的,解决了现有技术中通过电芯测试***进行核容,存在耗时长、效率低、及难以同时监测大量样品的问题。
Description
技术领域
本申请涉及储能电池技术领域,具体而言,涉及一种电池的劣化程度确定方法、装置、电子设备及存储介质。
背景技术
钠离子电池,因其充电速度快、安全性高、可以适应-30℃至55℃之间的高低温而不会有太大的能量衰减等良好的稳定性,已经得到了越来越多的应用。其中,钠离子电池的劣化程度(State-of-health,简称SOH)容易受到工作环境、充放电特性等诸多因素的影响,准确判断电池的寿命状态意义巨大。因此,如何准确检测钠离子电池的劣化程度是多数用户普遍关心的问题。
目前,主要是通过电芯测试***来测量钠离子电池的阻值特征,并基于测量得到的钠离子电池的阻值特征,进一步地判断钠离子电池的劣化程度。
但是,通过电芯测试***进行核容,存在耗时长、效率低、以及难以同时监测大量样品等问题。
发明内容
本申请的目的在于,针对上述现有技术中的不足,提供一种电池的劣化程度确定方法、装置、电子设备及存储介质,以便解决现有技术中通过电芯测试***进行核容,存在耗时长、效率低、以及难以同时监测大量样品的问题。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供了一种电池的劣化程度确定方法,所述方法包括:
获取待检电池的工作温度、以及所述待检电池中各元件的元件参数;
根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标劣化评估模型,其中,所述目标劣化评估模型是预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到,各所述目标劣化评估模型分别对应一个元件,且所述目标劣化评估模型用于表征劣化程度随对应的元件的元件参数的变化情况;
根据所述目标劣化评估模型中的自变量以及所述待检电池中与所述目标劣化评估模型对应的元件的元件参数,确定所述待检电池的劣化度。
可选地,所述根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标劣化评估模型之前,还包括:
在同一工作温度下,对多个样本电池进行循环充放电预处理,得到不同劣化程度的各样本电池;
分别对不同劣化程度的各样本电池进行交流阻抗测试,确定不同劣化程度的各样本电池中至少一个元件的元件参数,得到各样本电池在所述同一工作温度下的多个样本元件参数;
根据各所述样本电池的劣化程度以及各样本电池在所述同一工作温度下的多个样本元件参数,确定所述同一工作温度对应的多个可选劣化评估模型,其中,各可选劣化评估模型分别对应一个元件。
可选地,所述根据各所述样本电池的劣化程度以及各样本电池在所述同一工作温度下的多个样本元件参数,确定所述同一工作温度对应的多个可选劣化评估模型,包括:
根据各所述样本电池的劣化程度、以及各样本电池在所述同一工作温度下的多个样本元件参数,拟合得到所述同一工作温度下各元件对应的可选劣化评估拟合函数,将各元件对应的可选劣化评估拟合函数作为各元件对应的可选劣化评估模型;
所述根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标劣化评估模型,包括:
根据各所述可选劣化评估拟合函数的拟合误差,确定所述至少一个目标劣化评估模型。
可选地,所述根据各所述样本电池的劣化程度、以及各样本电池在所述同一工作温度下的多个样本元件参数,拟合得到所述同一工作温度下各元件对应的可选劣化评估函数,包括:
对所述同一工作温度及同一劣化程度下的多个样本电池的各元件参数进行均值处理,得到所述同一工作温度及同一劣化程度下的样本电池的各元件的平均元件参数;
以各所述样本电池的各元件的平均元件参数为自变量,以各所述样本电池的劣化程度为因变量,拟合得到多个劣化评估拟合函数。
可选地,所述根据各所述可选劣化评估拟合函数的拟合误差,确定所述至少一个目标劣化评估模型,包括:
对各所述可选劣化评估拟合函数进行线性回归分析处理,得到各所述劣化评估拟合函数的拟合误差;
对各所述可选劣化评估拟合函数的拟合误差进行排序,将拟合误差最小的可选劣化评估拟合函数作为所述目标劣化评估模型。
可选地,所述分别对不同劣化程度的各样本电池进行交流阻抗测试,确定不同劣化程度的各样本电池中至少一个元件的元件参数,得到各样本电池在所述同一工作温度下的多个样本元件参数,包括:
对所述样本电池进行交流阻抗测试,得到所述样本电池的阻抗谱数据;
构建所述样本电池的等效阻抗电路模型;
根据所述阻抗谱数据对所述样本电池的等效阻抗电路模型中各元件进行元件参数拟合,得到所述样本电池的阻抗模型等效电路中的各元件的元件参数,将所述样本电池的阻抗模型等效电路中的各元件的元件参数作为所述样本电池在所述同一工作温度下的多个样本元件参数。
可选地,所述方还包括:
根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标循环圈数估算模型,所述目标循环圈数估算模型是预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到,各所述目标循环圈数估算模型分别对应一个元件,且所述目标循环圈数估算模型用于表征循环圈数随对应的元件的元件参数的变化情况;
根据所述目标循环圈数中的自变量以及所述待检电池中与所述目标循环圈数对应的元件的元件参数,确定所述待检电池的循环圈数。
第二方面,本申请实施例还提供了一种电池的劣化程度确定装置,所述装置包括:
获取模块,用于获取待检电池的工作温度、以及所述待检电池中各元件的元件参数;根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标劣化评估模型,其中,所述目标劣化评估模型是预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到,各所述目标劣化评估模型分别对应一个元件,且所述目标劣化评估模型用于表征劣化程度随对应的元件的元件参数的变化情况;
确定模块,用于根据所述目标劣化评估模型中的自变量以及所述待检电池中与所述目标劣化评估模型对应的元件的元件参数,确定所述待检电池的劣化度。
可选地,所述装置还包括:
处理模块,用于在同一工作温度下,对多个样本电池进行循环充放电预处理,得到不同劣化程度的各样本电池;
所述确定模块,还用于分别对不同劣化程度的各样本电池进行交流阻抗测试,确定不同劣化程度的各样本电池中至少一个元件的元件参数,得到各样本电池在所述同一工作温度下的多个样本元件参数;根据各所述样本电池的劣化程度以及各样本电池在所述同一工作温度下的多个样本元件参数,确定所述同一工作温度对应的多个可选劣化评估模型,其中,各可选劣化评估模型分别对应一个元件。
可选地,所述确定模块,还用于:
根据各所述样本电池的劣化程度、以及各样本电池在所述同一工作温度下的多个样本元件参数,拟合得到所述同一工作温度下各元件对应的可选劣化评估函数,将各元件对应的可选劣化评估函数作为各元件对应的可选劣化评估模型;
所述获取模块,还用于:
根据各所述可选劣化评估拟合函数的拟合误差,确定所述至少一个目标劣化评估模型。
可选地,所述确定模块,还用于:
对所述同一工作温度及同一劣化程度下的多个样本电池的各元件参数进行均值处理,得到所述同一工作温度及同一劣化程度下的样本电池的各元件的平均元件参数;
以各所述样本电池的各元件的平均元件参数为自变量,以各所述样本电池的劣化程度为因变量,拟合得到多个劣化评估拟合函数。
可选地,所述确定模块,还用于:
对各所述可选劣化评估拟合函数进行线性回归分析处理,得到各所述劣化评估拟合函数的拟合误差;
对各所述可选劣化评估拟合函数的拟合误差进行排序,将拟合误差最小的可选劣化评估拟合函数作为所述目标劣化评估模型。
可选地,所述确定模块,还用于:
对所述样本电池进行交流阻抗测试,得到所述样本电池的阻抗谱数据;
构建所述样本电池的等效阻抗电路模型;
根据所述阻抗谱数据对所述样本电池的等效阻抗电路模型中各元件进行元件参数拟合,得到所述样本电池的阻抗模型等效电路中的各元件的元件参数,将所述样本电池的阻抗模型等效电路中的各元件的元件参数作为所述样本电池在所述同一工作温度下的多个样本元件参数。
可选地,所述获取模块,还用于:
根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标循环圈数估算模型,所述目标循环圈数估算模型是预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到,各所述目标循环圈数估算模型分别对应一个元件,且所述目标循环圈数估算模型用于表征循环圈数随对应的元件的元件参数的变化情况;
所述确定模块,还用于根据所述目标循环圈数中的自变量以及所述待检电池中与所述目标循环圈数对应的元件的元件参数,确定所述待检电池的循环圈数。
第三方面,本申请实施例还提供了一种电池剩余使用寿命的确定方法,所述方法包括:
获取待检电池的工作温度、以及所述待检电池中各元件的元件参数;
根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标循环圈数评估模型,其中,所述目标循环圈数评估模型是预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到,各所述目标循环圈数评估模型分别对应一个元件,且所述目标循环圈数评估模型用于表征失效循环圈数随对应的元件的元件参数的变化情况;
根据所述目标循环圈数评估模型中的自变量以及所述待检电池中与所述目标循环圈数评估模型对应的元件的元件参数,确定所述待检电池的循环圈数。
可选地,所述根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标循环圈数评估模型之前,还包括:
在同一工作温度下,对多个样本电池进行循环充放电预处理,得到不同劣化程度的各样本电池;
分别对不同劣化程度的各样本电池进行交流阻抗测试,确定不同劣化程度的各样本电池中至少一个元件的元件参数,得到各样本电池在所述同一工作温度下的多个样本元件参数;
对交流阻抗测试后的各样本电池进行充放电循环测试,得到各样本电池的循环圈数;
根据各所述样本电池的循环圈数以及各样本电池在所述同一工作温度下的多个样本元件参数,确定所述同一工作温度对应的多个可选循环圈数评估模型,其中,各可选循环圈数评估模型分别对应一个元件。
可选地,所述根据各所述样本电池的循环圈数以及各样本电池在所述同一工作温度下的多个样本元件参数,确定所述同一工作温度对应的多个可选循环圈数评估模型,包括:
根据各所述样本电池的循环圈数、以及各样本电池在所述同一工作温度下的多个样本元件参数,拟合得到所述同一工作温度下各元件对应的可选循环圈数评估函数,将各元件对应的可选循环圈数评估函数作为各元件对应的可选循环圈数评估模型;
所述根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标循环圈数评估模型,包括:
根据各所述可选循环圈数评估拟合函数的拟合误差,确定所述至少一个目标循环圈数评估模型。
可选地,所述根据各所述样本电池的循环圈数、以及各样本电池在所述同一工作温度下的多个样本元件参数,拟合得到所述同一工作温度下各元件对应的可选循环圈数评估函数,包括:
对所述同一工作温度及同一循环圈数下的多个样本电池的各元件参数进行均值处理,得到所述同一工作温度及同一循环圈数下的样本电池的各元件的平均元件参数;
以各所述样本电池的各元件的平均元件参数为自变量,以各所述样本电池的循环圈数为因变量,拟合得到多个循环圈数评估拟合函数。
可选地,所述根据各所述可选循环圈数评估拟合函数的拟合误差,确定所述至少一个目标循环圈数评估模型,包括:
对各所述可选循环圈数评估拟合函数进行线性回归分析处理,得到各所述循环圈数评估拟合函数的拟合误差;
对各所述可选循环圈数评估拟合函数的拟合误差进行排序,将拟合误差最小的可选循环圈数评估拟合函数作为所述目标循环圈数评估模型。
第四方面,本申请实施例还提供了一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如第一方面或第三方面提供的所述方法的步骤。
第五方面,本申请实施例还提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如第一方面或第三方面提供的所述方法的步骤。
本申请的有益效果是:
本申请实施例提供一种电池的劣化程度确定方法、装置、电子设备及存储介质,当需要对待检电池的劣化程度进行评估时,获取待检电池的工作温度、以及所述待检电池中各元件的元件参数,同时,并结合待检电池的工作温度,获取预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到的至少一个目标劣化评估模型;然后,再根据目标劣化评估模型,来确定与电池劣化程度高度相关的特征元件;最后,将与电池劣化程度高度相关的特征元件的元件参数代入至目标劣化评估模型,计算得到待检电池的劣化度,达到了对待检电池劣化程度进行评估预测的目的,相较于现有技术中采用电芯测试***进行核容,耗时更短、效率更高、可以高效准确地对钠离子电池及钠离子电池组的劣化程度进行在线监测,解决了现有技术中通过电芯测试***进行核容,存在耗时长、效率低、以及难以同时监测大量样品的问题。同时,相比于基于模型的分析方法,本申请提供的数据驱动的评估方法不需要对钠离子电池内部复杂的电化学机理进行精确建模,具有较高的可迁移性、鲁棒性与泛化性,因此,能够满足钠离子电池在极端工作温度区间下的准确判断与预测。
此外,本申请还提供一种基于数据驱动的电池循环圈数的评估方法,即基于待检电池中与目标循环圈数评估模型、以及目标循环圈数评估模型对应的元件的元件参数,计算得到待检电池的循环圈数,达到了对待检电池剩余使用寿命进行评估预测的目的,相较于现有技术中采用电芯测试***进行核容,耗时更短、效率更高、可以高效准确地对钠离子电池及钠离子电池组的剩余使用寿命进行在线监测,解决了现有技术中通过电芯测试***进行核容,存在耗时长、效率低、以及难以同时监测大量样品的问题。同时,相比于基于模型的分析方法,本申请提供的数据驱动的评估方法不需要对钠离子电池内部复杂的电化学机理进行精确建模,具有较高的可迁移性、鲁棒性与泛化性,因此,能够满足钠离子电池在极端工作温度区间下的准确判断与预测。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本申请实施例提供的一种电池的劣化程度确定方法的流程示意图;
图2为本申请实施例提供的又一种电池的劣化程度确定方法的流程示意图;
图3为本申请实施例提供的一种电池的劣化程度确定方法中循环充放电预处理的流程示意图;
图4为本申请实施例提供的另一种电池的劣化程度确定方法的流程示意图;
图5为本申请实施例提供的又一种电池的劣化程度确定方法的流程示意图;
图6为本申请实施例提供的拟合得到的劣化评估模型示意图;
图7为本申请实施例提供的另一种电池的劣化程度确定方法的流程示意图;
图8为本申请实施例提供的又一种电池的劣化程度确定方法的流程示意图;
图9为本申请实施例提供的各样本电池与电化学工作站的连接方式示意图;
图10为本申请实施例提供的样本电池的等效阻抗电路模型示意图;
图11为本申请实施例提供的一种电池剩余使用寿命的确定方法的流程示意图;
图12为本申请实施例提供的拟合得到的循环圈数评估模型示意图;
图13为本申请实施例提供的一种电池的劣化程度确定装置的结构示意图;
图14为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
首先,在对本申请所提供的技术方案展开具体说明之前,先对本申请提供的实施例的可行性进行简单介绍。
钠离子电池的劣化失效是一个长期的变化过程,随着充放电循环的继续进行,由于正极活性物质晶格发生不可逆膨胀和负极的严重氧化,吸收隔膜中的电解液,造成电极与隔膜的阻抗升高,电池的欧姆内阻逐渐增加;循环后期,电池的欧姆阻抗及电化学反应阻抗迅速增加,导致电池的放电容量和放电中值电压的急剧衰减。因此,利用钠离子电池的各元件的元件参数的变化判断钠离子电池的劣化程度以及循环圈数具有可操作性。
其次,将通过如下实施例对本申请提供的电池的劣化程度确定方法进行详细介绍。
图1为本申请实施例提供的一种电池的劣化程度确定方法的流程示意图;可选地,该方法的执行主体是电子设备,该电子设备如可以是平板、手机终端、计算机或者服务器等处理设备,具有数据处理功能,以实现本申请的电池的劣化程度确定方法。
应当理解,在其它实施例中电池的劣化程度确定方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。如图1所示,该方法包括:
S101、获取待检电池的工作温度、以及待检电池中各元件的元件参数。
需要说明的是,本申请主要是针对钠离子电池来进行劣化程度的评估。其中,与锂离子电池不同,钠离子的Stokes半径和脱溶剂化能均比锂离子的要低,故相较于锂电池即便采用低钠盐浓度电解质也可保证反应动力学,因此,钠离子电池更能够满足极端工作温度区间下的准确判断与预测。其中,钠离子电池一般可实现-30℃至55℃之间的工作温度的准确预测。
应理解,钠离子电池处于不同的工作温度时,会表现出不同的工作特性。因此,为了评估钠离子电池的劣化程度,需要获取待检电池当前的工作温度。例如,待检电池当前的工作温度为-30℃。
在本实施例中,可以先对待检电池进行交流阻抗测试,得到待检电池的阻抗谱数据,然后,基于待检电池的阻抗谱数据与待检电池的等效阻抗电路模型,得到待检电池中各元件的元件参数。其中,待检电池中的元件包括至少一个电阻、至少一个电容及至少一个电感。
通常,由于电池的阻值特征是检测电池材料特性,探究其工作运行动力学的有力手段。因此,现有的大部分方案均是采用电池的阻值特征,来确定的电池劣化程度。
在本实施例中,为了提高对钠离子电池劣化程度评估的准确性,因此,本申请在获取待检电池中电阻的阻值之外,还需要获取其他各元件的元件参数,并从待检电池中各元件的元件参数,筛选出与电池劣化程度高度相关的特征元件参数,进一步地,基于与电池劣化程度高度相关的特征元件参数,得到待检电池的劣化程度,这样,可以准确预测钠离子电池的劣化程度。
S102、根据待检电池的工作温度,获取待检电池对应的至少一个目标劣化评估模型。
其中,目标劣化评估模型是预先基于多个样本电池在工作温度下的多个样本元件参数进行拟合分析得到,各目标劣化评估模型分别对应一个元件,且目标劣化评估模型用于表征劣化程度随对应的元件的元件参数的变化情况。例如,当待检电池的工作温度为55℃时,待检电池对应的至少一个目标劣化评估模型包括:Y1与Y2,其中,劣化评估模型Y1对应的元件为待检电池的电阻R1,劣化评估模型Y2对应的元件为待检电池的电容C1,劣化评估模型Y1表征待检电池的劣化程度随电阻R1的阻值的增加而减小。
在本实施例中,不同的工作温度下,待检电池对应的目标劣化评估模型不同,因此,可以根据待检电池的工作温度,来获取待检电池对应的至少一个目标劣化评估模型,以便于利用目标劣化评估模型,来对待检电池的劣化程度进行评估。
S103、根据目标劣化评估模型以及待检电池中与目标劣化评估模型对应的元件的元件参数,确定待检电池的劣化度。
在本实施例中,先根据目标劣化评估模型,来确定与电池劣化程度高度相关的特征元件,然后,将与电池劣化程度高度相关的特征元件的元件参数代入至目标劣化评估模型,计算得到待检电池的劣化度。
例如,劣化评估模型Y1对应的元件为待检电池的电阻R1,则可以将待检电池的电阻R1作为与电池劣化程度高度相关的特征元件;然后,再将待检电池的电阻R1的阻值作为自变量代入至劣化评估模型Y1中,即可计算得到待检电池的劣化度,实现了对待检电池劣化程度的评估。又比如,劣化评估模型Y2对应的元件为待检电池的电容C1,则可以将待检电池的电容C1作为与电池劣化程度高度相关的特征元件;然后,再将待检电池的电容C1的电容值作为自变量代入至劣化评估模型Y2中,即可计算得到待检电池的劣化度,实现了对待检电池劣化程度的评估。
本申请提供的实施例,是一种基于数据驱动的电池劣化程度的评估方法,即基于待检电池中与目标劣化评估模型、以及目标劣化评估模型对应的元件的元件参数,计算得到待检电池的劣化度,达到了对待检电池劣化程度进行评估预测的目的,相较于现有技术中采用电芯测试***进行核容,耗时更短、效率更高、可以高效准确地对钠离子电池及钠离子电池组的劣化程度进行在线监测,解决了现有技术中通过电芯测试***进行核容,存在耗时长、效率低、以及难以同时监测大量样品的问题。同时,相比于基于模型的分析方法,本申请提供的数据驱动的评估方法不需要对钠离子电池内部复杂的电化学机理进行精确建模,具有较高的可迁移性、鲁棒性与泛化性。
综上所述,本申请实施例提供一种电池的劣化程度确定方法,在本方案中,当需要对待检电池的劣化程度进行评估时,获取待检电池的工作温度、以及所述待检电池中各元件的元件参数,同时,并结合待检电池的工作温度,获取预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到的至少一个目标劣化评估模型;然后,再根据目标劣化评估模型,来确定与电池劣化程度高度相关的特征元件;最后,将与电池劣化程度高度相关的特征元件的元件参数代入至目标劣化评估模型,计算得到待检电池的劣化度,达到了对待检电池劣化程度进行评估预测的目的,相较于现有技术中采用电芯测试***进行核容,耗时更短、效率更高、可以高效准确地对钠离子电池及钠离子电池组的劣化程度进行在线监测,解决了现有技术中通过电芯测试***进行核容,存在耗时长、效率低、以及难以同时监测大量样品的问题。同时,相比于基于模型的分析方法,本申请提供的数据驱动的评估方法不需要对钠离子电池内部复杂的电化学机理进行精确建模,具有较高的可迁移性、鲁棒性与泛化性,因此,能够满足钠离子电池在极端工作温度区间下的准确判断与预测。
将通过如下实施例,详细展开如何得到目标劣化评估模型。
可选地,参考图2所示,在上述S102步骤之前,还包括:
S201、在同一工作温度下,对多个样本电池进行循环充放电预处理,得到不同劣化程度的各样本电池。
例如,选取的多个样本电池可以为32140型10Ah圆柱钠离子电芯,并对选取的若干32140型10Ah钠离子圆柱电芯进行循环充放电预处理。
在本实施例中,在同一工作环境温度(如-30℃至55℃)下,采用新威电池测试***对各样本电池核容后,以1C充放电速率对各样本电池进行循环至指定容量保持率预处理,分别得到一系列容量保持率(例如:99%、98%、97%、95%、90%、85%、80%、75%、70%等)的样本电池,即不同劣化程度的各样本电池。
其中,参考图3所示,循环充放电预处理的具体如下步骤:
S301、样本电池在25℃(35℃、45℃等)下以0.5C恒流放电至2.0V,静置30min;
S302、样本电池在25℃(35℃、45℃等)下以0.5C恒流恒压充电至4.0V/0.05C截止,静置30min;
S303、样本电池在25℃(35℃、45℃等)下以0.5C恒流放电至2.0V,静置30min;
S304、样本电池在25℃(35℃、45℃等)下放置4h;
S305、样本电池在25℃(35℃、45℃等)下以1C恒流恒压充电至4.0V/0.05C截止,静置30min;
S306、样本电池在25℃(35℃、45℃等)下以1C恒流放电至2.0V,静置30min;
S307、判断样本电池的放电容量依次达到初始容量的特定比例。
若否,则循环执行步骤S305-S306,直到样本电池的放电容量依次达到初始容量的一定比例,得到不同劣化程度的各样本电池,结束预处理。
例如,将放电容量低于初始容量特定比例的样本电池(相对与初始容量依次为:98%、95%、90%、85%、80%、75%、70%)视作不同劣化程度的样品。
S202、分别对不同劣化程度的各样本电池进行交流阻抗测试,确定不同劣化程度的各样本电池中至少一个元件的元件参数,得到各样本电池在同一工作温度下的多个样本元件参数。
在一种可实现方式中,例如,对不同劣化程度的各样本电池分容后进行交流阻抗测试,使用电化学阻抗谱测试分析软件Zahner进行电路拟合,拟合得到各样本电池中至少一个元件的元件参数,即得到各样本电池在同一工作温度下的多个样本元件参数。
例如,在25℃的工作温度下,劣化程度为98%的样本电池1的多个样本元件参数分别为:RΩ=2.86mΩ、R1=1.434mΩ、C1=1.976F、R2=4.655mΩ、C2=2.499F、C3=4.655KF,劣化程度为95%的样本电池2的多个样本元件参数分别为:RΩ=3.546mΩ、R1=2.053mΩ、C1=2.151F、R2=9.645mΩ、C2=4.999F、C3=2.296KF,劣化程度为90%的样本电池3的多个样本元件参数分别为:RΩ=4.064mΩ、R1=2.164mΩ、C1=2.265F、R2=12.644mΩ、C2=1.978F、C3=1.978KF。
S203、根据各样本电池的劣化程度以及各样本电池在同一工作温度下的多个样本元件参数,确定同一工作温度对应的多个可选劣化评估模型。
其中,各可选劣化评估模型分别对应一个元件。例如,可选劣化评估模型Y1对应的元件为欧姆内阻RΩ,可选劣化评估模型Y3对应的元件为极化内阻R2。
举例说明,例如,在25℃的工作温度下,分别以各样本电池中同一类型元件(如RΩ、R1与C1、R2与C2、C3)的元件参数为横轴,以各样本电池的劣化程度为纵轴进行曲线绘制,得到在25℃条件下多个可选劣化评估模型,即RΩ-劣化程度、R1-劣化程度、R2-劣化程度、C1-劣化程度、C2-劣化程度、C3-劣化程度,即在同一工作温度下,针对同一个样本电池,可以得到多个可选劣化评估模型。
可选地,参考图4所示,上述步骤S203包括:
S401、根据各样本电池的劣化程度、以及各样本电池在同一工作温度下的多个样本元件参数,拟合得到同一工作温度下各元件对应的可选劣化评估函数,将各元件对应的可选劣化评估函数作为各元件对应的可选劣化评估模型。
在一种可实现的方式中,例如,在25℃的工作温度下,以样本电池1、样本电池2和样本电池3中的欧姆内阻RΩ为例,以各样本电池的欧姆内阻RΩ的阻值为自变量x、以各样本电池的劣化程度为因变量y进行拟合处理,拟合得到在25℃条件下欧姆内阻RΩ对应的可选劣化评估函数,即YRΩ=-29.413x2+39.574x-7.6788,将拟合得到的可选劣化评估函数YRΩ作为欧姆内阻RΩ对应的可选劣化评估模型。
又比如,在25℃的工作温度下,以样本电池1、样本电池2和样本电池3中的极化内阻R1为例,以各样本电池的极化内阻R1的阻值为自变量x、以各样本电池的劣化程度为因变量y进行拟合处理,拟合得到在25℃条件下极化内阻R1对应的可选劣化评估函数,即YR1=-22.571x2+32.216x–8.4758,将拟合得到的可选劣化评估函数YR1作为极化内阻R1对应的可选劣化评估模型。
上述步骤S102包括:
S402、根据各可选劣化评估拟合函数的拟合误差,确定至少一个目标劣化评估模型。
值得说明的是,在同一工作温度下,针对同一个样本电池,拟合后可以得到多个可选劣化评估模型。因此,为了提高对待检电池的劣化程度评估准确性,需要从多个可选劣化评估模型中,筛选出误差最小的劣化评估模型。
在本实施例中,可以计算各可选劣化评估拟合函数的拟合误差R-square,将拟合误差最小的劣化评估模型作为目标劣化评估模型。例如,在上述实施例的基础上,可以计算得到可选劣化评估函数YRΩ的拟合误差为0.9945、可选劣化评估函数YR1的拟合误差为0.9658,即可选劣化评估函数YR1的拟合误差为两者中的最小,利用可选劣化评估函数YR1来评估钠离子电池的劣化程度较为准确。因此,将可选劣化评估函数YR1作为在25℃的工作温度下,待检电池的目标劣化评估模型。
可选地,参考图5所示,上述步骤S401包括:
S501、对同一工作温度及同一劣化程度下的多个样本电池的各元件参数进行均值处理,得到同一工作温度及同一劣化程度下的样本电池的各元件的平均元件参数。
可选地,为了降低各劣化评估拟合函数的拟合误差,还需要对同一工作温度及同一劣化程度下的多个样本电池的各元件参数进行数据清洗以及均值处理。
在本实施例中,例如,在同一工作温度下,得到一系列不同劣化程度的样本电池(比如,分别得到放电容量低于初始容量98%、95%、90%、85%、80%、75%、70%的钠离子电芯样品各100只)后,预先对同一劣化程度下的多个样本电池的各元件参数进行数据清洗,移除数据组中的离群值,随后对每组的100只平行样品各元件参数进行求均值处理,表1为25℃条件下,不同劣化程度的7组样品与初始电池样品的RΩ、R1、C1、R2、C2、C3平均元件值。
其中,在对同一劣化程度下的多个样本电池的各元件参数进行数据清洗,移除数据组中的离群值时,在目标函数的计算中采用MAD(Median Absolute Deviation,绝对中位值偏差)公式进行数据清洗:
(1)计算所有元素的中位值Mmedian;
(2)计算所有元素与中位值的绝对偏差:bias=|Xi-Mmedian|;
(3)取得绝对偏差的中位值:MAD=bias median;
(4)确定参数n,则可以对所有的数据作如下调整:
表1、在25℃工作温度下,不同劣化程度的7组样品电池与初始电池样品的RΩ、R1、C1、R2、C2、C3平均元件参数
S502、以各样本电池的各元件均值为自变量,以各样本电池的劣化程度为因变量,拟合得到多个劣化评估拟合函数。
在本实施例中,将放电容量低于初始容量一定比例的样本电池(相对与初始容量依次为:98%、95%、90%、85%、80%、75%、70%)视作不同劣化程度的样品,以各样本电池的各元件均值为自变量x,以各样本电池的劣化程度为因变量y,进行多项式曲线拟合,拟合得到同一工作温度下的多个劣化评估拟合函数。例如,参考图6所示,在25℃工作温度下,所得的RΩ-SOH、R1-SOH、R2-SOH、C1-SOH、C2-SOH、C3-SOH拟合函数,分别如图6中的6a、6b、6c、6d、6e和6f所示。
表2、在25℃工作温度下,RΩ-SOH、R1-SOH、R2-SOH、C1-SOH、C2-SOH、C3-SOH的拟合函数及拟合误差
可选地,参考图7所示,上述步骤S402包括:
S701、对各可选劣化评估拟合函数进行线性回归分析处理,得到各劣化评估拟合函数的拟合误差。
S702、对各可选劣化评估拟合函数的拟合误差进行排序,将拟合误差最小的可选劣化评估拟合函数作为目标劣化评估模型。
在本实施例中,例如,利用线性回归分析方法,计算得到各可选劣化评估拟合函数的拟合误差,以此来评价样本电池的各个元件与钠离子电池劣化程度之间的相关性。
具体的,将待测样品电池的各元件参数代入至对应的可选劣化评估拟合函数进行检验,判断不同工作温度下所建立的各可选劣化评估拟合函数能否达到预测各工作环境中钠离子电池劣化程度目的。其中,拟合误差R2由回归平方和(SSR)与总平方和(SST)之比得到,如下公式(1)所示:
(1)
参考表2所示,根据拟合误差R2,可以确定可选劣化评估拟合函数RΩ-SOH与可选劣化评估拟合函数R1-SOH的拟合误差最小,即极化内阻R1及欧姆内阻RΩ与钠离子电池劣化程度的关系较为准确,有一定的可靠性。因此,在25℃工作温度下,将可选劣化评估拟合函数RΩ-SOH与可选劣化评估拟合函数R1-SOH为作为目标劣化评估模型。
可选地,随机选取在25℃工作温度下进行了不同循环次数的,且放电容量相对于初始容量百分比确定的5组样本电池进行验证,其实际容量衰减百分比与经可选劣化评估拟合函数计算所得衰减百分比如表3所示。
表3、在25℃工作温度下,5组样本电池实际容量衰减百分比与经可选劣化评估拟合函数计算所得衰减百分比
可选地,参考图8所示,上述步骤S202包括:
S801、对样本电池进行交流阻抗测试,得到样本电池的阻抗谱数据。
其中,阻抗谱数据包括:样本电池在不同测定频率(Freq/Hz)下的扰动信号X和响应信号Y的比值,得到不同频率下阻抗的实部(Z’/ohm)、虚部(Z’’/ohm)、模值(|Z|/ohm)和相位角(Phase/deg)。
在本实施例中,例如,在45℃工作温度下,采用电池测试仪对7×10只样本电池进行恒流恒压充电预处理后,依次得到相对于初始容量为:98%、95%、90%、85%、80%、75%、70%的钠样本电池各10只;然后,将不同劣化程度的样本电池连接至电化学工作站进行交流阻抗测试,得到样本电池的阻抗谱数据。
其中,参考图9所示,各样本电池与电化学工作站的连接方式具体为:采用四电极连接方式,分别将工作电极黑色引线(WE power)和工作测试电极蓝色引线(WE sense)连接到电池的正极(+),把对电极红色引线(CE)和参比电极绿色引线(RE)连接到电池的负极(-)。
S802、构建样本电池的等效阻抗电路模型。
S803、根据阻抗谱数据对样本电池的等效阻抗电路模型中各元件进行元件参数拟合,得到样本电池的阻抗模型等效电路中的各元件的元件参数,将样本电池的阻抗模型等效电路中的各元件的元件参数作为样本电池在同一工作温度下的多个样本元件参数。
在本实施例中,例如,参考图10所示,构建得到的劣化程度为95%样本电池3的等效阻抗电路模型,样本电池3的元件包括:RΩ、R1、C1、R2、C2、C3;采用Zahner软件对样本电池3的等效阻抗电路模型中各元件进行元件参数拟合,得到样本电池3的阻抗模型等效电路中的各元件的元件参数,将样本电池3的RΩ的阻值、R1的阻值、C1的电容值、R2的阻值、C2的电容值与C3的电容值的元件参数作为劣化程度为95%的样本电池3在45℃工作温度下的多个样本元件参数。
此外,在本申请还提供了一种电池的剩余寿命的确定方法,具体确定方法如下。
电池剩余使用寿命(RUL,Remaining Useful Life)指的是电池当前状态退化至容量失效阈值所需的充放电循环次数,是表征钠离子电池状态与性能的重要指标之一。但是,通过电芯测试***进行核容耗时长、效率低、难以同时监测大量样品,如何高效准确地对钠离子电池的电池剩余使用寿命测试一直是本领域人员亟待解决的技术问题。
可选地,参考图11所示,一种电池剩余使用寿命的确定方法,该方法包括:
S1101、获取待检电池的工作温度、以及待检电池中各元件的元件参数。
应理解,钠离子电池处于不同的工作温度时,会表现出不同的工作特性。因此,为了评估钠离子电池的剩余使用寿命,需要获取待检电池当前的工作温度。例如,待检电池当前的工作温度为-30℃。
在本实施例中,为了提高对钠离子电池剩余使用寿命评估的准确性,因此,本申请在获取待检电池中电阻的阻值之外,还需要获取其他各元件的元件参数,并从待检电池中各元件的元件参数,筛选出与电池剩余使用寿命高度相关的特征元件参数,进一步地,基于与电池剩余使用寿命高度相关的特征元件参数,得到待检电池的剩余使用寿命,这样,可以准确预测钠离子电池的劣化程度。
S1102、根据待检电池的工作温度,获取待检电池对应的至少一个目标循环圈数评估模型。
其中,目标循环圈数评估模型是预先基于多个样本电池在工作温度下的多个样本元件参数进行拟合分析得到,各目标循环圈数评估模型分别对应一个元件,且目标循环圈数评估模型用于表征失效循环圈数随对应的元件的元件参数的变化情况。例如,当待检电池的工作温度为25℃时,待检电池对应的至少一个目标循环圈数评估模型包括:Q1与Q2,其中,循环圈数评估模型Q1对应的元件为待检电池的电阻R1,循环圈数评估模型Q2对应的元件为待检电池的电容C1,循环圈数评估模型Q1表征待检电池的循环圈数随电阻R1的阻值的增加而减小。
在本实施例中,不同的工作温度下,待检电池对应的目标循环圈数评估模型不同,因此,可以根据待检电池的工作温度,来获取待检电池对应的至少一个目标循环圈数评估模型,以便于利用目标循环圈数评估模型,来对待检电池的剩余使用寿命进行评估。
其中,本实施例主要是基于电池的失效循环圈数来衡量电池的剩余使用寿命。
S1103、根据目标循环圈数评估模型中的自变量以及待检电池中与目标循环圈数评估模型对应的元件的元件参数,确定待检电池的循环圈数。
在本实施例中,先根据目标循环圈数评估模型,来确定与电池循环圈数高度相关的特征元件,然后,将与电池循环圈数高度相关的特征元件的元件参数代入至目标循环圈数评估模型,计算得到待检电池的循环圈数。
例如,循环圈数模型Q1对应的元件为待检电池的电阻R1,则可以将待检电池的电阻R1作为与电池循环圈数高度相关的特征元件;然后,再将待检电池的电阻R1的阻值作为自变量代入至循环圈数评估模型Q1中,即可计算得到待检电池的循环圈数,实现了对待检电池剩余使用寿命的评估。又比如,循环圈数模型Y2对应的元件为待检电池的电容C1,则可以将待检电池的电容C1作为与电池循环圈数高度相关的特征元件;然后,再将待检电池的电容C1的电容值作为自变量代入至循环圈数评估模型Q2中,即可计算得到待检电池的循环圈数,实现了对待检电池剩余使用寿命的评估。
本申请还提供一种基于数据驱动的电池循环圈数的评估方法,即基于待检电池中与目标循环圈数评估模型、以及目标循环圈数评估模型对应的元件的元件参数,计算得到待检电池的循环圈数,达到了对待检电池剩余使用寿命进行评估预测的目的,相较于现有技术中采用电芯测试***进行核容,耗时更短、效率更高、可以高效准确地对钠离子电池及钠离子电池组的剩余使用寿命进行在线监测,解决了现有技术中通过电芯测试***进行核容,存在耗时长、效率低、以及难以同时监测大量样品的问题。同时,相比于基于模型的分析方法,本申请提供的数据驱动的评估方法不需要对钠离子电池内部复杂的电化学机理进行精确建模,具有较高的可迁移性、鲁棒性与泛化性,因此,能够满足钠离子电池在极端工作温度区间下的准确判断与预测。
可选地,在根据待检电池的工作温度,获取待检电池对应的至少一个目标循环圈数评估模型之前,还包括:
在同一工作温度下,对多个样本电池进行循环充放电预处理,得到不同劣化程度的各样本电池;
分别对不同劣化程度的各样本电池进行交流阻抗测试,确定不同循环圈数的各样本电池中至少一个元件的元件参数,得到各样本电池在同一工作温度下的多个样本元件参数;
对交流阻抗测试后的各样本电池进行充放电循环测试,得到各样本电池的循环圈数;
根据各样本电池的循环圈数以及各样本电池在同一工作温度下的多个样本元件参数,确定同一工作温度对应的多个可选循环圈数评估模型,其中,各可选循环圈数评估模型分别对应一个元件。
可选地,根据各样本电池的循环圈数以及各样本电池在同一工作温度下的多个样本元件参数,确定同一工作温度对应的多个可选循环圈数评估模型,包括:
根据各样本电池的循环圈数、以及各样本电池在同一工作温度下的多个样本元件参数,拟合得到同一工作温度下各元件对应的可选循环圈数评估函数,将各元件对应的可选循环圈数评估函数作为各元件对应的可选循环圈数评估模型;
根据待检电池的工作温度,获取待检电池对应的至少一个目标循环圈数评估模型,包括:
根据各可选循环圈数评估拟合函数的拟合误差,确定至少一个目标循环圈数评估模型。
可选地,根据各样本电池的循环圈数、以及各样本电池在同一工作温度下的多个样本元件参数,拟合得到同一工作温度下各元件对应的可选循环圈数评估函数,包括:
对同一工作温度及同一循环圈数下的多个样本电池的各元件参数进行均值处理,得到同一工作温度及同一循环圈数下的样本电池的各元件的平均元件参数;
以各样本电池的各元件的平均元件参数为自变量,以各样本电池的循环圈数为因变量,拟合得到多个循环圈数评估拟合函数。
可选地,根据各可选循环圈数评估拟合函数的拟合误差,确定至少一个目标循环圈数评估模型,包括:
对各可选循环圈数评估拟合函数进行线性回归分析处理,得到各循环圈数评估拟合函数的拟合误差;
对各可选循环圈数评估拟合函数的拟合误差进行排序,将拟合误差最小的可选循环圈数评估拟合函数作为目标循环圈数评估模型。
如下,举例说明上述步骤,具体如下:
例如,选取若干32140型10Ah钠离子圆柱电芯的样本电池,在-30℃工作温度下,采用新威电池测试***对各样本电池进行核容后,以1C充放电速率循环至指定容量保持率的方式进行预处理,分别得到一系列容量保持率(例如:99%、98%、97%、95%等)的样本电池。通过Zahner软件的Fit EIS功能进行等效电路图拟合,并得到放电至不同初始容量样品的欧姆电阻(RΩ)、SEI膜电阻(R1)、电荷转移电阻(R2)元件参数,即得到各样本电池在同一工作温度下的多个样本元件参数。
在-30℃工作温度下,继续对交流阻抗测试后的各样本电池进行充放电循环测试,直至各样本电池容量保持率低于70%,记录此时各样本电池的循环充放电圈数,即得到不同循环圈数的各样本电池。并对所得数据预先进行清洗,移除明显离群值。最后,通过分析指定容量保持率下样本电池的元件参数与循环至70%容量保持率时循环圈数,建立“元件参数-循环圈数” 的可选循环圈数评估模型,利用所建立的可选循环圈数评估模型达到预测-30℃工作环境中钠离子电池的剩余使用寿命的目的。
具体包括如下步骤:
第一步、在-30℃工作温度下,采用新威电池测试***对钠离子电池以0.5C充放电速度核容后,基于循环充放电进行电芯寿命试验,以1C充放电速率进行循环至指定容量保持率预处理,得到一系列不同劣化程度的样品(分别得到放电容量低于初始容量99%、98%、97%、95%的钠离子电芯样品各100只)。
第二步、使用电池极耳焊接机在循环至指定容量保持率的样本电池正负两端分别焊接6×1cm镍片。将循环至指定容量保持率即不同劣化程度的样本电池连接至电化学工作站进行交流阻抗测试,所得的阻抗谱数据文件通过Model Editor功能进行模型建立,确定模型后进行拟合操作。
第三步、继续参考图10所示,是构建得到的样本电池的等效阻抗电路模型,将等效电路图中的元件R1与C1看作是高频区圆弧相关的并联元件;R2与C2看作是中频区圆弧相关的并联元件;C3为低频区浓差极化阻抗。
第四步、在-30℃工作温度下,继续对交流阻抗测试后的各样品电池进行充放电循环测试,直至各样品电池容量保持率低于70%,记录此时各样品电池的循环充放电圈数,并记录该温度条件下25组样品的RΩ、R1、C1、R2等元件的元件参数;
第五步、根据各样本电池的循环圈数、以及各样本电池在-30℃工作温度下的多个样本元件参数,拟合得到-30℃工作温度下各元件对应的可选循环圈数评估函数;
第五步、计算各可选循环圈数评估函数的拟合误差,计算得到可选劣化评估拟合函数R1-RUL与可选劣化评估拟合函数R2-RUL的拟合误差最小,即SEI膜内阻R1及电荷转移电阻R2与钠离子电池循环圈数的关系较为准确,有一定的可靠性。因此,在-30℃工作温度下,将R1-循环圈数、R2-循环圈数为判断钠离子电池的目标循环圈数评估模型。
参考图12所示,图12中的12a与12b分别为25℃条件下,元件R1与R2的25组样品循环至99%、98%、97%、95%容量保持率时元件参数,表4和表5分别为25组样品电池中的元件R1与R2循环至99%、98%、97%、95%容量保持率时,R1与R2的元件参数与循环至容量至70%以下时的循环圈数。
其中,当容量保持率为95%时的拟合效果最佳,图12中的12c与12d分别为25组样品容量保持率循环至95%时,R1与R2元件参数—容量保持率低于70%时循环圈数拟合曲线图。
表4:-30℃条件下,25组样品电池循环至99%、98%、97%、95%容量保持率时的R1的元件参数与循环至容量至70%以下的圈数
表5、-30℃工作温度下,25组电池样品循环至99%、98%、97%、95%容量保持率时的R2元件参数与循环至容量至70%以下的圈数
第六步、进行元件R1与R2的标准曲线的绘制,具体包括如下步骤:
(1)以循环至容量保持率低于70%时样品的循环圈数为纵轴,循环至容量保持率为95%时的元件值(R1与R2)为横轴进行曲线拟合。
(2)采用Pearson函数计算R1与R2之间的相关系数为0.941824,根据显著性水平a=0.05和自由度df=n-2=23查t分布表得出ta/2(n-2)的临界值为2.0687,由|t|>ta/2可以判断两个元件值之间存在显著性的正线性关系。其中,如表6所示为R1与R2元件的拟合函数及拟合误差
表6、在-30℃工作温度下,R1-循环圈数、R1-循环圈数的拟合函数及拟合误差
第七步、随机选取-30℃工作温度下,循环至容量保持率为95%的5组电池样品进行交流阻抗测试,根据等效电路图拟合所得样本电池的元件R1与R2的元件参数,分别代入表6中所示对应的拟合函数中进行失效循环圈数预测。交流阻抗测试完毕后继续接入新威电池测试***进行充放电循环,直至容量保持率低至70%,得到其实际失效循环圈数。其中,5组样品电池的实际失效循环圈数与经循环圈数评估拟合函数计算所得失效循环圈数如表7、表8所示。
表7、在-30℃工作温度下,5组样本电池实际失效循环圈数与经“R1-循环圈数”拟合函数计算所得失效循环圈数百分比
表8、在-30℃工作温度下,5组样本电池实际失效循环圈数与经“R2-循环圈数”循环圈数评估拟合函数计算所得失效循环圈数百分比
经对表7和表8分析,可以确定使用“R1-循环圈数”的循环圈数评估拟合函数计算所得失效循环圈数的误差率,整体小于使用“R2-循环圈数”的循环圈数评估拟合函数计算所得失效循环圈数的误差率,即采用“R1-循环圈数”的循环圈数评估拟合函数对-30℃工作温度下中钠离子电池剩余使用寿命进行预测,实现了对钠离子电池剩余使用寿命的评估。
可选地,本申请实施例提供的电池的劣化程度确定方法的整体实现步骤以及产生的有益效果已在前面具体实施例中进行了详细说明,此处不再一一赘述。
下述对用以执行本申请所提供的电池的劣化程度确定装置及存储介质等进行说明,其具体的实现过程以及技术效果参见上述,下述不再赘述。
可选地,参考图13为本申请实施例提供的一种电池的劣化程度确定装置,该装置包括:
获取模块1301,用于获取待检电池的工作温度、以及待检电池中各元件的元件参数;根据待检电池的工作温度,获取待检电池对应的至少一个目标劣化评估模型,其中,目标劣化评估模型是预先基于多个样本电池在工作温度下的多个样本元件参数进行拟合分析得到,各目标劣化评估模型分别对应一个元件,且目标劣化评估模型用于表征劣化程度随对应的元件的元件参数的变化情况;
确定模块1302,用于根据目标劣化评估模型中的自变量以及待检电池中与目标劣化评估模型对应的元件的元件参数,确定待检电池的劣化度。
可选地,该装置还包括:
处理模块,用于在同一工作温度下,对多个样本电池进行循环充放电预处理,得到不同劣化程度的各样本电池;
确定模块1302,还用于分别对不同劣化程度的各样本电池进行交流阻抗测试,确定不同劣化程度的各样本电池中至少一个元件的元件参数,得到各样本电池在同一工作温度下的多个样本元件参数;根据各样本电池的劣化程度以及各样本电池在同一工作温度下的多个样本元件参数,确定同一工作温度对应的多个可选劣化评估模型,其中,各可选劣化评估模型分别对应一个元件。
可选地,确定模块1302,还用于:
根据各样本电池的劣化程度、以及各样本电池在同一工作温度下的多个样本元件参数,拟合得到同一工作温度下各元件对应的可选劣化评估函数,将各元件对应的可选劣化评估函数作为各元件对应的可选劣化评估模型;
获取模块1301,还用于:
根据各可选劣化评估拟合函数的拟合误差,确定至少一个目标劣化评估模型。
可选地,确定模块1302,还用于:
对同一工作温度及同一劣化程度下的多个样本电池的各元件参数进行均值处理,得到同一工作温度及同一劣化程度下的样本电池的各元件的平均元件参数;
以各样本电池的各元件的平均元件参数为自变量,以各样本电池的劣化程度为因变量,拟合得到多个劣化评估拟合函数。
可选地,确定模块1302,还用于:
对各可选劣化评估拟合函数进行线性回归分析处理,得到各劣化评估拟合函数的拟合误差;
对各可选劣化评估拟合函数的拟合误差进行排序,将拟合误差最小的可选劣化评估拟合函数作为目标劣化评估模型。
可选地,确定模块1302,还用于:
对样本电池进行交流阻抗测试,得到样本电池的阻抗谱数据;
构建样本电池的等效阻抗电路模型;
根据阻抗谱数据对样本电池的等效阻抗电路模型中各元件进行元件参数拟合,得到样本电池的阻抗模型等效电路中的各元件的元件参数,将样本电池的阻抗模型等效电路中的各元件的元件参数作为样本电池在同一工作温度下的多个样本元件参数。
可选地,获取模块1301,还用于:
根据待检电池的工作温度,获取待检电池对应的至少一个目标循环圈数估算模型,目标循环圈数估算模型是预先基于多个样本电池在工作温度下的多个样本元件参数进行拟合分析得到,各目标循环圈数估算模型分别对应一个元件,且目标循环圈数估算模型用于表征循环圈数随对应的元件的元件参数的变化情况;
确定模块1302,还用于根据目标循环圈数中的自变量以及待检电池中与目标循环圈数对应的元件的元件参数,确定待检电池的循环圈数。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,简称SOC)的形式实现。
图14为本申请实施例提供的一种电子设备的结构示意图;该电子设备如可以是平板、手机终端、计算机或者服务器等处理设备,具有数据处理功能,以实现本申请的电池的劣化程度确定方法。如图14所示,电子设备包括:存储器14014、处理器1402。
其中,存储器1401、处理器1402之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
存储器14014中存储有以软件或固件(firmware)的形式存储于存储器14014中的软件功能模块,处理器1402通过运行存储在存储器1401内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现本发明实施例中的电池的劣化程度确定方法。
其中,存储器1401可以是,但不限于,随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-OnlyMemory,PROM)、可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM)等。其中,存储器1401用于存储程序,处理器1402在接收到执行指令后,执行所述程序。
处理器1402可能是一种集成电路芯片,具有信号的处理能力。上述的处理器1402可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。
可选地,本申请还提供一种程序产品,例如计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。
在本申请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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请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。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (8)
1.一种电池的劣化程度确定方法,其特征在于,所述方法包括:
获取待检电池的工作温度、以及所述待检电池中各元件的元件参数;
根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标劣化评估模型,其中,所述目标劣化评估模型是预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到,各所述目标劣化评估模型分别对应一个元件,且所述目标劣化评估模型用于表征劣化程度随对应的元件的元件参数的变化情况;
根据所述目标劣化评估模型中的自变量以及所述待检电池中与所述目标劣化评估模型对应的元件的元件参数,确定所述待检电池的劣化度;
其中,所述根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标劣化评估模型之前,还包括:
在同一工作温度下,对多个样本电池进行循环充放电预处理,得到不同劣化程度的各样本电池;
分别对不同劣化程度的各样本电池进行交流阻抗测试,确定不同劣化程度的各样本电池中多个元件的元件参数,得到各样本电池在所述同一工作温度下的多个样本元件参数;
根据各所述样本电池的劣化程度以及各样本电池在所述同一工作温度下的多个样本元件参数,确定所述同一工作温度对应的多个可选劣化评估模型,其中,各可选劣化评估模型分别对应一个元件;
其中,所述根据各所述样本电池的劣化程度以及各样本电池在所述同一工作温度下的多个样本元件参数,确定所述同一工作温度对应的多个可选劣化评估模型,包括:
根据各所述样本电池的劣化程度、以及各样本电池在所述同一工作温度下的多个样本元件参数,拟合得到所述同一工作温度下各元件对应的可选劣化评估拟合函数,将各元件对应的可选劣化评估拟合函数作为各元件对应的可选劣化评估模型;
所述根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标劣化评估模型,包括:
根据各所述可选劣化评估拟合函数的拟合误差,确定所述至少一个目标劣化评估模型。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述样本电池的劣化程度、以及各样本电池在所述同一工作温度下的多个样本元件参数,拟合得到所述同一工作温度下各元件对应的可选劣化评估拟合函数,包括:
对所述同一工作温度及同一劣化程度下的多个样本电池的各元件参数进行均值处理,得到所述同一工作温度及同一劣化程度下的样本电池的各元件的平均元件参数;
以各所述样本电池的各元件的平均元件参数为自变量,以各所述样本电池的劣化程度为因变量,拟合得到多个劣化评估拟合函数。
3.根据权利要求1所述的方法,其特征在于,所述根据各所述可选劣化评估拟合函数的拟合误差,确定所述至少一个目标劣化评估模型,包括:
对各所述可选劣化评估拟合函数进行线性回归分析处理,得到各所述劣化评估拟合函数的拟合误差;
对各所述可选劣化评估拟合函数的拟合误差进行排序,将拟合误差最小的可选劣化评估拟合函数作为所述目标劣化评估模型。
4.根据权利要求1所述的方法,其特征在于,所述分别对不同劣化程度的各样本电池进行交流阻抗测试,确定不同劣化程度的各样本电池中多个元件的元件参数,得到各样本电池在所述同一工作温度下的多个样本元件参数,包括:
对所述样本电池进行交流阻抗测试,得到所述样本电池的阻抗谱数据;
构建所述样本电池的等效阻抗电路模型;
根据所述阻抗谱数据对所述样本电池的等效阻抗电路模型中各元件进行元件参数拟合,得到所述样本电池的阻抗模型等效电路中的各元件的元件参数,将所述样本电池的阻抗模型等效电路中的各元件的元件参数作为所述样本电池在所述同一工作温度下的多个样本元件参数。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标循环圈数估算模型,所述目标循环圈数估算模型是预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到,各所述目标循环圈数估算模型分别对应一个元件,且所述目标循环圈数估算模型用于表征循环圈数随对应的元件的元件参数的变化情况;
根据所述目标循环圈数中的自变量以及所述待检电池中与所述目标循环圈数对应的元件的元件参数,确定所述待检电池的循环圈数。
6.一种电池的劣化程度确定装置,其特征在于,所述装置包括:
获取模块,用于获取待检电池的工作温度、以及所述待检电池中各元件的元件参数;根据所述待检电池的工作温度,获取所述待检电池对应的至少一个目标劣化评估模型,其中,所述目标劣化评估模型是预先基于多个样本电池在所述工作温度下的多个样本元件参数进行拟合分析得到,各所述目标劣化评估模型分别对应一个元件,且所述目标劣化评估模型用于表征劣化程度随对应的元件的元件参数的变化情况;
确定模块,用于根据所述目标劣化评估模型中的自变量以及所述待检电池中与所述目标劣化评估模型对应的元件的元件参数,确定所述待检电池的劣化度;
处理模块,用于在同一工作温度下,对多个样本电池进行循环充放电预处理,得到不同劣化程度的各样本电池;
所述确定模块,还用于:
分别对不同劣化程度的各样本电池进行交流阻抗测试,确定不同劣化程度的各样本电池中多个元件的元件参数,得到各样本电池在所述同一工作温度下的多个样本元件参数;
根据各所述样本电池的劣化程度以及各样本电池在所述同一工作温度下的多个样本元件参数,确定所述同一工作温度对应的多个可选劣化评估模型,其中,各可选劣化评估模型分别对应一个元件;
根据各所述样本电池的劣化程度、以及各样本电池在所述同一工作温度下的多个样本元件参数,拟合得到所述同一工作温度下各元件对应的可选劣化评估拟合函数,将各元件对应的可选劣化评估拟合函数作为各元件对应的可选劣化评估模型;
所述获取模块,还用于:
根据各所述可选劣化评估拟合函数的拟合误差,确定所述至少一个目标劣化评估模型。
7.一种电子设备,其特征在于,包括处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的程序指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述程序指令,以执行时执行如权利要求1-5任一所述方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-5任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311483232.2A CN117214728B (zh) | 2023-11-09 | 2023-11-09 | 电池的劣化程度确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311483232.2A CN117214728B (zh) | 2023-11-09 | 2023-11-09 | 电池的劣化程度确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117214728A CN117214728A (zh) | 2023-12-12 |
CN117214728B true CN117214728B (zh) | 2024-04-05 |
Family
ID=89046655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311483232.2A Active CN117214728B (zh) | 2023-11-09 | 2023-11-09 | 电池的劣化程度确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117214728B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117649905B (zh) * | 2024-01-30 | 2024-04-05 | 国家超级计算天津中心 | 电池有机正极材料的数据预测方法、设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183730A (zh) * | 2009-12-25 | 2011-09-14 | 株式会社东芝 | 电池诊断装置和方法 |
CN102901928A (zh) * | 2011-07-25 | 2013-01-30 | 横河电机株式会社 | 电池劣化确定设备、方法和*** |
JP2016085062A (ja) * | 2014-10-23 | 2016-05-19 | エンネット株式会社 | 電池劣化判定装置及び方法 |
JP2016090346A (ja) * | 2014-10-31 | 2016-05-23 | エンネット株式会社 | 電池診断装置および電池診断方法 |
CN106772099A (zh) * | 2017-01-23 | 2017-05-31 | 合肥国轩高科动力能源有限公司 | 一种动力锂电池劣化程度估算方法 |
CN108872869A (zh) * | 2018-06-14 | 2018-11-23 | 中山大学 | 一种基于bp神经网络的锂离子电池劣化分类方法 |
CN113311336A (zh) * | 2021-05-11 | 2021-08-27 | 东软睿驰汽车技术(沈阳)有限公司 | 电池电芯级容量的评估方法、装置和电子设备 |
CN114509677A (zh) * | 2022-01-30 | 2022-05-17 | 北京西清能源科技有限公司 | 一种电池剩余容量多因子评估方法、***及电子设备 |
CN115032540A (zh) * | 2022-04-02 | 2022-09-09 | 中国人民解放军国防科技大学 | 锂离子电池健康状态估计方法、装置、设备及介质 |
TW202246793A (zh) * | 2021-05-19 | 2022-12-01 | 日商東洋體系股份有限公司 | 電池狀態判定方法及電池狀態判定裝置 |
WO2023135971A1 (ja) * | 2022-01-13 | 2023-07-20 | 株式会社日立製作所 | 蓄電池劣化評価方法 |
-
2023
- 2023-11-09 CN CN202311483232.2A patent/CN117214728B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183730A (zh) * | 2009-12-25 | 2011-09-14 | 株式会社东芝 | 电池诊断装置和方法 |
CN102901928A (zh) * | 2011-07-25 | 2013-01-30 | 横河电机株式会社 | 电池劣化确定设备、方法和*** |
JP2016085062A (ja) * | 2014-10-23 | 2016-05-19 | エンネット株式会社 | 電池劣化判定装置及び方法 |
JP2016090346A (ja) * | 2014-10-31 | 2016-05-23 | エンネット株式会社 | 電池診断装置および電池診断方法 |
CN106772099A (zh) * | 2017-01-23 | 2017-05-31 | 合肥国轩高科动力能源有限公司 | 一种动力锂电池劣化程度估算方法 |
CN108872869A (zh) * | 2018-06-14 | 2018-11-23 | 中山大学 | 一种基于bp神经网络的锂离子电池劣化分类方法 |
CN113311336A (zh) * | 2021-05-11 | 2021-08-27 | 东软睿驰汽车技术(沈阳)有限公司 | 电池电芯级容量的评估方法、装置和电子设备 |
TW202246793A (zh) * | 2021-05-19 | 2022-12-01 | 日商東洋體系股份有限公司 | 電池狀態判定方法及電池狀態判定裝置 |
WO2023135971A1 (ja) * | 2022-01-13 | 2023-07-20 | 株式会社日立製作所 | 蓄電池劣化評価方法 |
CN114509677A (zh) * | 2022-01-30 | 2022-05-17 | 北京西清能源科技有限公司 | 一种电池剩余容量多因子评估方法、***及电子设备 |
CN115032540A (zh) * | 2022-04-02 | 2022-09-09 | 中国人民解放军国防科技大学 | 锂离子电池健康状态估计方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
锂离子电池健康状态多因子在线估计方法;陈猛 等;西安交通大学学报(第01期);175-181 * |
Also Published As
Publication number | Publication date |
---|---|
CN117214728A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3736587B1 (en) | A method and a system for estimation of remaining useful life in lithium based batteries | |
CN108254696B (zh) | 电池的健康状态评估方法及*** | |
CN103176136B (zh) | 用于估计二次电池的寿命的装置及其方法 | |
JP5088081B2 (ja) | 電池の測定方法及び電池の製造方法 | |
CN109143108A (zh) | 一种基于电化学阻抗谱的锂离子电池soh的估计方法 | |
CN117214728B (zh) | 电池的劣化程度确定方法、装置、电子设备及存储介质 | |
WO2014103705A1 (ja) | 蓄電デバイスの寿命予測装置及び蓄電デバイスの寿命予測方法 | |
CN110376536B (zh) | 电池***soh检测方法、装置、计算机设备和存储介质 | |
JP7515956B2 (ja) | 電池診断装置および方法 | |
CN114035096B (zh) | 电化学装置soh评估方法、电子设备及电池*** | |
Barzacchi et al. | Enabling early detection of lithium-ion battery degradation by linking electrochemical properties to equivalent circuit model parameters | |
CN111521945B (zh) | 电池健康状态检测方法、装置、电子设备及存储介质 | |
CN113945302B (zh) | 一种电池内部温度的确定方法及其确定装置 | |
KR20220102454A (ko) | 배터리 시스템 진단 장치 및 방법 | |
CN112748348B (zh) | 电池低温性能分布水平检测方法、***及存储介质 | |
JP2019032274A (ja) | 電池状態推定装置及び電源装置 | |
CN114325407A (zh) | 电池自放电测试方法、装置、设备及计算机存储介质 | |
Tang et al. | An aging-and load-insensitive method for quantitatively detecting the battery internal-short-circuit resistance | |
CN112578299A (zh) | 蓄电池的内部金属结构断裂的确定方法和确定装置 | |
EP4053572A1 (en) | Method and apparatus for estimating state of battery | |
KR20150034593A (ko) | 전지 충전 상태 추정 방법 및 장치 | |
CN115825743A (zh) | 一种电池soh值计算方法、控制装置和电池管理*** | |
CN114660496A (zh) | 一种锂离子电池健康状态的估计方法及装置 | |
CN107037365A (zh) | 一种动力锂电池电芯的测量方法 | |
KR20180067140A (ko) | 쇼트 감지방법 및 장치 |
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 |