CN117630716A - 一种电池寿命的实时预测方法及装置 - Google Patents
一种电池寿命的实时预测方法及装置 Download PDFInfo
- Publication number
- CN117630716A CN117630716A CN202311608445.3A CN202311608445A CN117630716A CN 117630716 A CN117630716 A CN 117630716A CN 202311608445 A CN202311608445 A CN 202311608445A CN 117630716 A CN117630716 A CN 117630716A
- Authority
- CN
- China
- Prior art keywords
- correction coefficient
- charge
- predicted
- capacity loss
- target battery
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012937 correction Methods 0.000 claims abstract description 130
- 230000000875 corresponding effect Effects 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 17
- 230000002596 correlated effect Effects 0.000 claims description 14
- 238000007599 discharging Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 208000028659 discharge Diseases 0.000 description 88
- 238000012545 processing Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002427 irreversible effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009831 deintercalation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002687 intercalation Effects 0.000 description 1
- 238000009830 intercalation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004781 supercooling Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请涉及动力电池技术领域,提供了一种电池寿命的实时预测方法及装置。该方法包括:获取目标电池的单次理论容量损耗量;获取目标电池的使用工况;基于使用工况与修正系数之间的工况系数关系,确定使用工况对应的修正系数;将修正系数与单次理论容量损耗量相乘,确定单次预测容量损耗量;基于单次预测容量损耗量和目标电池的实际容量,确定预测充放电次数。本申请通过获取当前目标电池的使用工况确定对应的修正系数,以修正系数与单次理论容量损耗量相乘得到单次预测容量损耗量,用于预测接下来目标电池的预测充放电次数,由于考虑了实际的使用工况对目标电池的影响,因此计算出的预测充放电次数更为准确,从而为用户提供更为有效的信息参考。
Description
技术领域
本申请涉及动力电池技术领域,尤其涉及一种电池寿命的实时预测方法及装置。
背景技术
当前新能源汽车的动力电池的寿命预测,一般都以试验为主,即在标准环境和标准操作下进行测试或建模,通过对动力电池长时间多次的充放电测试,确定动力电池的使用寿命。
这种预测方法较为模糊笼统,只能提供大概的寿命范围,但落实到具体的实车使用中,不同的车辆状况、不同的驾驶习惯使得动力电池存在不同的使用工况,标准试验的预测结果与实际的使用工况下使用寿命偏差较大,无法为用户提供有效的参考。
因此,如何提供一种解决上述技术问题的方案是目前本领域技术人员需要解决的问题。
发明内容
有鉴于此,本申请实施例提供了一种电池寿命的实时预测方法及装置,以解决现有技术中不能为用户提供有效的电池寿命预测的问题。
本申请实施例的第一方面,提供了一种电池寿命的实时预测方法,包括:
获取目标电池的单次理论容量损耗量;单次理论容量损耗量为总理论容量损耗量与理论充放电循环次数的比值;
获取目标电池的使用工况;使用工况包括充放电工况和温度工况;
基于使用工况与修正系数之间的工况系数关系,确定使用工况对应的修正系数;工况系数关系中,当使用工况为标准工况,修正系数为最小值,最小值为1;
将修正系数与单次理论容量损耗量相乘,确定单次预测容量损耗量;
基于单次预测容量损耗量和目标电池的实际容量,确定预测充放电次数。
本申请实施例的第二方面,提供了一种电池寿命的实时预测装置,包括:
理论值获取模块,用于获取目标电池的单次理论容量损耗量;单次理论容量损耗量为总理论容量损耗量与理论充放电循环次数的比值;
工况获取模块,用于获取目标电池的使用工况;使用工况包括充放电工况和温度工况;
修正系数获取模块,用于基于使用工况与修正系数之间的工况系数关系,确定使用工况对应的修正系数;工况系数关系中,当使用工况为标准工况,修正系数为最小值,最小值为1;
计算模块,用于将修正系数与单次理论容量损耗量相乘,确定单次预测容量损耗量,基于单次预测容量损耗量和目标电池的实际容量,确定预测充放电次数。
本申请实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本申请实施例的第四方面,提供了一种可读存储介质,该可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本申请实施例与现有技术相比存在的有益效果至少包括:本申请实施例通过获取当前目标电池的使用工况确定对应的修正系数,以修正系数与单次理论容量损耗量相乘得到单次预测容量损耗量,用于预测接下来目标电池的预测充放电次数,由于考虑了实际的使用工况对目标电池的影响,因此计算出的预测充放电次数更符合当前目标电池的使用工况下的电池寿命,相比标准环境和标准工况下的试验结果更为准确,从而为用户提供更为有效的信息参考,提升用户体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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它的附图。
图1是本申请实施例的一种应用场景的场景示意图;
图2是本申请实施例提供的一种电池寿命的实时预测方法的流程示意图;
图3是本申请实施例提供的一种电池寿命的实时预测装置的结构示意图;
图4是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
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
下面将结合附图详细说明根据本申请实施例的一种电池寿命的实时预测方法及装置。
图1是本申请实施例的应用场景的场景示意图。该应用场景可以包括第一终端设备101、第二终端设备102、第三终端设备103、服务器104以及网络105。
第一终端设备101可以是硬件,也可以是软件。当第一终端设备101为硬件时,其可以是具有显示屏且支持与服务器104通信的各种电子设备,包括但不限于车辆***、智能手机、平板电脑、膝上型便携计算机和台式计算机等;当第一终端设备101为软件时,其可以安装在如上的电子设备中。第一终端设备101可以实现为多个软件或软件模块,也可以实现为单个软件或软件模块,本申请实施例对此不作限制。进一步地,第一终端设备101上可以安装有各种应用,例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
第二终端设备102可以是硬件,也可以是软件。当第二终端设备102为硬件时,其可以是具有显示屏且支持与服务器104通信的各种电子设备,包括但不限于车辆***、智能手机、平板电脑、膝上型便携计算机和台式计算机等;当第二终端设备102为软件时,其可以安装在如上的电子设备中。第二终端设备102可以实现为多个软件或软件模块,也可以实现为单个软件或软件模块,本申请实施例对此不作限制。进一步地,第二终端设备102上可以安装有各种应用,例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
第三终端设备103可以是硬件,也可以是软件。当第三终端设备103为硬件时,其可以是具有显示屏且支持与服务器104通信的各种电子设备,包括但不限于车辆***、智能手机、平板电脑、膝上型便携计算机和台式计算机等;当第三终端设备103为软件时,其可以安装在如上的电子设备中。第三终端设备103可以实现为多个软件或软件模块,也可以实现为单个软件或软件模块,本申请实施例对此不作限制。进一步地,第三终端设备103上可以安装有各种应用,例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
服务器104可以是提供各种服务的服务器,例如,对与其建立通信连接的终端设备发送的请求进行接收的后台服务器,该后台服务器可以对终端设备发送的请求进行接收和分析等处理,并生成处理结果。服务器104可以是一台服务器,也可以是由若干台服务器组成的服务器集群,或者还可以是一个云计算服务中心,本申请实施例对此不作限制。
需要说明的是,服务器104可以是硬件,也可以是软件。当服务器104为硬件时,其可以是为第一终端设备101、第二终端设备102和第三终端设备103提供各种服务的各种电子设备。当服务器104为软件时,其可以是为第一终端设备101、第二终端设备102和第三终端设备103提供各种服务的多个软件或软件模块,也可以是为第一终端设备101、第二终端设备102和第三终端设备103提供各种服务的单个软件或软件模块,本申请实施例对此不作限制。
网络105可以是采用同轴电缆、双绞线和光纤连接的有线网络,也可以是无需布线就能实现各种通信设备互联的无线网络,例如,蓝牙(Bluetooth)、近场通信(Near FieldCommunicA×Tion,NFC)、红外(Infrared)等,本申请实施例对此不作限制。
需要说明的是,第一终端设备101、第二终端设备102、第三终端设备103、服务器104以及网络105的具体类型、数量和组合可以根据应用场景的实际需求进行调整,本申请实施例对此不作限制。
图2是本申请实施例提供的一种电池寿命的实时预测方法的流程示意图。图2的电池寿命的实时预测方法可以由图1的第一终端设备或第二终端设备或第三终端设备或服务器执行。如图2所示,该电池寿命的实时预测方法包括:
S201:获取目标电池的单次理论容量损耗量;单次理论容量损耗量为总理论容量损耗量与理论充放电循环次数的比值;
S202:获取目标电池的使用工况;使用工况包括充放电工况和温度工况;
S203:基于使用工况与修正系数之间的工况系数关系,确定使用工况对应的修正系数;工况系数关系中,当使用工况为标准工况,修正系数为最小值,最小值为1;
S204:将修正系数与单次理论容量损耗量相乘,确定单次预测容量损耗量;
S205:基于单次预测容量损耗量和目标电池的实际容量,确定预测充放电次数。
可以理解的是,传统的关于目标电池的电池寿命试验,在标准工况下进行,进而得到总理论容量损耗量对应的理论充放电循环次数,由于目标电池的实际使用工况与标准工况存在差异,因此单次充放电循环的实际容量损耗量与标准工况下不同,进而导致实际充放电循环次数不同于理论充放电循环次数,为此本实施例基于使用工况确定修正系数,该修正系数的最小值为1,对应标准工况,当使用工况不是标准工况时,修正系数发生变化,为一个不小于1的数值,基于修正系数确定当前使用工况下的单次预测容量损耗量,并以此计算当前使用工况下的剩余电池寿命,也即预测充放电次数。充放电次数对用户来说不够直观,还可进一步转换为对用户来说更直观的时间或里程。
可以理解的是,本实施例中目标电池的容量损耗量、容量等均以电池的充电容量或充电容量的百分比计算。目标电池的实际容量指的是目标电池在当前时刻最大充电容量。目标电池在出厂时,其最大充电容量为初始容量;随着充放电循环次数和使用时间的增加,目标电池的综合性能衰减,充放电循环过程中,电池嵌、脱锂造成阳极膨胀、收缩,阳极表面裂痕会扩大,新暴露出来的裂痕生成新的SEI膜,加速不可逆容量损失;当电池容量达到最低工作容量,则认为目标电池的寿命耗尽,不再适用于作为汽车的动力电池。因此总理论容量损耗量为目标电池的初始容量与最低工作容量的差值。
可以理解的是,一个充放电循环指电池从100%的电量消耗到0%的过程,这个过程中允许存在电池充电的动作,例如第一次充满电到100%后消耗了75%,然后充电到100%,又消耗了25%时,认为此时完成了一个充放电循环。随着充放电循环的次数增加,电池容量发生不可逆容量损失,从而电池容量降低。
本实施例的方法实施基于目标电池的具体工艺,不同的目标电池对应不同的总理论容量损耗量和理论充放电循环次数。目前动力电池的工艺,通常最低工作容量设定在初始容量的70%~80%之间,理论充放电循环次数一般在1500~2000。
可以理解的是,由于总理论容量损耗量为目标电池的初始容量与最低工作容量的差值;进一步的,基于单次预测容量损耗量和目标电池的实际容量,确定预测充放电次数的过程,包括:
对目标电池的实际容量和最低工作容量求差,得到剩余容量损耗量;
计算剩余容量损耗量与单次预测容量损耗量的比值,得到预测充放电循环次数。
具体的,以百分比的形式描述目标电池的容量,目标电池的初始容量为100%,假设最低工作容量为80%,则总理论容量损耗量为20%;假设其理论充放电循环次数为1500,则单次理论容量损耗量为20%/1500≈0.0133%;假设修正系数为1.2,则单次预测容量损耗量为0.0133%×1.2=0.016%;假设目标电池的当前实际容量为96%,可计算得到预测充放电次数为(96%-80%)/0.016%=1000,也就是说,当前动力电池的剩余充放电次数的预测值为1000。
进一步的,由于预测充放电次数对于用户来说不够直观,还可进一步根据当前使用工况确定单次充放电循环的单次时间长度,根据单次时间长度和预测充放电次数的乘积作为预测剩余使用时长,类似的,也可根据当前使用工况确定单次充放电循环的单次行驶里程,并以单次行驶里程和预测充放电次数的乘积作为预测剩余行驶里程。因此本实施例方法还可包括:
根据充放电工况获取每次充放电循环的历史时间长度;
根据所有历史时间长度求平均值,得到单次充放电循环的单次时间长度;
根据预测充放电循环次数和单次时间长度,确定预测剩余使用时长。
可以理解的是,动力电池的衰减,除了充放电循环过程中的衰减外,还包括存储中的衰减,在生产下线时电池会进行首次循环,形成初始SEI膜,之后在长期存储过程中,SEI膜会在阳极表面持续增长,造成不可逆的容量损失,这种损失也是一种持续的、不可逆的慢性衰减,基于这种慢性衰减,电池从生产到寿命结束的时长被称为日历寿命。可以理解的是,不同化学体系的电池的日历寿命不同,但差异较小,以日历寿命推算单位时长内的电池仅放置时的容量损耗,称为日历容量损耗量,通常日历容量损耗量以年为单位,粗略的参考为1%~1.5%/年,具体需根据标准工况进行测算。
在考虑长期的电池寿命时,日历寿命的累计影响较为明显,可将其纳入电池寿命的预测因素中,本实施例将基于日历寿命的概念设置日历容量损耗量,即单位时间内日历寿命所对应的容量损耗量,因此基于单次预测容量损耗量和目标电池的实际容量,确定预测充放电次数的过程,包括:
根据充放电工况获取每次充放电循环的历史时间长度;
根据所有历史时间长度求平均值,得到单次充放电循环的单次时间长度;
基于目标电池的寿命关系式,确定预测剩余使用时长;
寿命关系式为A×T/N+B×T=SOH_r-SOH_min;
其中,A为单次预测容量损耗量,T为预测剩余使用时长,N为单次时间长度,B为目标电池的日历容量损耗量,SOH_r为目标电池的实际容量,SOH_min为目标电池的最低工作容量;
基于预测剩余使用时长和单次时间长度,确定预测充放电次数。
可以理解的是,寿命关系式中,等号右侧为剩余的可容量损耗量,A×T/N为充放电循环造成的容量损耗量,B×T为日历容量损耗量随时间产生的容量损耗量,根据寿命关系式解方程,即可得到预测剩余使用时长,为用户提供更准确的信息参考。
具体的,目标电池的使用工况指的是目标电池在安装于当前车辆上之后运行过程中的历史使用工况,此处本实施例所用到的使用工况,可以是所有的历史使用工况,也可以是近期的使用工况,如最近的预设时间段内的使用工况,或最近的预设次数的充放电循环的使用工况,具体的预设时间段如半年或3个月,充放电循环的预设次数如10次或20次,可根据实际情况进行设置和调整。本实施例中用到的使用工况一方面要在时效性上接近当前时刻,从而能够反应当前用户的使用行为习惯,另一方面使用工况应当较为稳定,如果使用工况中存在明显的异常值,需要从中剔除。
在一示例性的实施例中,基于使用工况与修正系数之间的工况系数关系,确定使用工况对应的修正系数的过程,包括:
基于充放电工况,获取平均充放电深度;
基于放电深度与第一修正系数的第一关系,确定对应平均充放电深度的第一修正系数;第一关系中第一修正系数与充放电深度呈正相关;
基于温度与第二修正系数的第二关系,确定对应温度工况的第二修正系数;第二关系中,第二修正系数与温度差值绝对值呈正相关,温度差值绝对值为温度与标准温度的差值的绝对值;
根据第一修正系数和第二修正系数确定使用工况对应的修正系数。
可以理解的是,目标电池的使用工况包括充放电工况和温度工况,其中充放电工况主要指的是目标电池的充放电深度,充放电深度包括充电深度和放电深度,放电深度为动力电池的一次放电过程,即一次充电后到下一次充电前的电量变化;充电深度为动力电池的依次充电过程,即充电前到充电停止后的电量变化。通常充电深度和放电深度相互关联,因此可将充电深度和放电深度均列入充放电深度中进行计算。充放电深度越大,对电池寿命的损伤越大,因此对应的第一修正系数也越大,即第一修正系数与充放电深度呈正相关。
可以理解的是,温度工况指目标电池的工作温度,动力电池存在适宜的工作温度范围,在超出该工作温度范围时,如过热或过冷,均会导致动力电池的寿命下降,即未达到标准温度时工作温度越低第二修正系数越大,超过标准温度时工作温度越高第二修正系数越大,因此本实施例中设置第二修正系数与温度差值绝对值呈正相关,温度差值绝对值为温度工况所对应的温度与标准温度的差值的绝对值。
可以理解的是,在得知第一修正系数和第二修正系数之后,可确定总的修正系数,即根据第一修正系数和第二修正系数确定使用工况对应的修正系数的过程,包括:
根据第一修正系数、第二修正系数和修正系数的第三关系,确定第一修正系数和第二修正系数对应的修正系数;
第三关系中,第一修正系数与修正系数呈正相关,第二修正系数和修正系数呈正相关。
具体的,以上提到的正相关可通过试验数据以及目标电池的实际使用工况作为反馈来确定,第一关系和第二关系的正相关可能是线性或指数型,第三关系中,修正系数可以是第一修正系数和第二修正系数的加权求和,也可以是第一修正系数和第二修正系数的乘法或指数运算,具体的关系式可根据实际数值进行设置。
可以理解的是,本实施例中的修正系数可随时根据使用工况进行调整,即根据充放电工况和温度工况确定修正系数、再确定单次预测容量损耗量,之后根据目标电池的实际容量的变化过程得到实际的单次容量损耗量,比较单次容量损耗量和单次预测容量损耗量并进行反推,从而优化修正系数。因此本实施例方法还包括:
持续获取目标电池的使用工况;
基于使用工况中的每次充放电循环所对应的充放电工况、温度工况和目标电池的实际容量的变化过程,调整修正系数。
可以理解的是,通过观察目标电池的使用工况,可以对用户提出关于目标电池的使用建议,例如提醒用户将电池放置在适宜温度、控制电池的充放电深度等等,从而有意识延长目标电池的使用寿命。
本申请实施例的方法通过获取当前目标电池的使用工况确定对应的修正系数,以修正系数与单次理论容量损耗量相乘得到单次预测容量损耗量,用于预测接下来目标电池的预测充放电次数,由于考虑了实际的使用工况对目标电池的影响,因此计算出的预测充放电次数更符合当前目标电池的使用工况下的电池寿命,相比标准环境和标准工况下的试验结果更为准确,从而为用户提供更为有效的信息参考,提升用户体验。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
图3是本申请实施例提供的一种电池寿命的实时预测装置的示意图。如图3所示,该电池寿命的实时预测装置包括:
理论值获取模块301,用于获取目标电池的单次理论容量损耗量;单次理论容量损耗量为总理论容量损耗量与理论充放电循环次数的比值;
工况获取模块302,用于获取目标电池的使用工况;使用工况包括充放电工况和温度工况;
修正系数获取模块303,用于基于使用工况与修正系数之间的工况系数关系,确定使用工况对应的修正系数;工况系数关系中,当使用工况为标准工况,修正系数为最小值,最小值为1;
计算模块304,用于将修正系数与单次理论容量损耗量相乘,确定单次预测容量损耗量,基于单次预测容量损耗量和目标电池的实际容量,确定预测充放电次数。
本申请实施例的装置通过获取当前目标电池的使用工况确定对应的修正系数,以修正系数与单次理论容量损耗量相乘得到单次预测容量损耗量,用于预测接下来目标电池的预测充放电次数,由于考虑了实际的使用工况对目标电池的影响,因此计算出的预测充放电次数更符合当前目标电池的使用工况下的电池寿命,相比标准环境和标准工况下的试验结果更为准确,从而为用户提供更为有效的信息参考,提升用户体验。
在一示例性的实施例中,总理论容量损耗量为目标电池的初始容量与最低工作容量的差值;
基于单次预测容量损耗量和目标电池的实际容量,确定预测充放电次数的过程,包括:
对目标电池的实际容量和最低工作容量求差,得到剩余容量损耗量;
计算剩余容量损耗量与单次预测容量损耗量的比值,得到预测充放电循环次数。
在一示例性的实施例中,计算模块304还用于:
根据充放电工况获取每次充放电循环的历史时间长度;
根据所有历史时间长度求平均值,得到单次充放电循环的单次时间长度;
根据预测充放电循环次数和单次时间长度,确定预测剩余使用时长。
在一示例性的实施例中,基于单次预测容量损耗量和目标电池的实际容量,确定预测充放电次数的过程,包括:
根据充放电工况获取每次充放电循环的历史时间长度;
根据所有历史时间长度求平均值,得到单次充放电循环的单次时间长度;
基于目标电池的寿命关系式,确定预测剩余使用时长;
寿命关系式为A×T/N+B×T=SOH_r-SOH_min;
其中,A为单次预测容量损耗量,T为预测剩余使用时长,N为单次时间长度,B为目标电池的日历容量损耗量,SOH_r为目标电池的实际容量,SOH_min为目标电池的最低工作容量;
基于预测剩余使用时长和单次时间长度,确定预测充放电次数。
在一示例性的实施例中,基于使用工况与修正系数之间的工况系数关系,确定使用工况对应的修正系数的过程,包括:
基于充放电工况,获取平均充放电深度;
基于放电深度与第一修正系数的第一关系,确定对应平均充放电深度的第一修正系数;第一关系中第一修正系数与充放电深度呈正相关;
基于温度与第二修正系数的第二关系,确定对应温度工况的第二修正系数;第二关系中,第二修正系数与温度差值绝对值呈正相关,温度差值绝对值为温度与标准温度的差值的绝对值;
根据第一修正系数和第二修正系数确定使用工况对应的修正系数。
在一示例性的实施例中,根据第一修正系数和第二修正系数确定使用工况对应的修正系数的过程,包括:
根据第一修正系数、第二修正系数和修正系数的第三关系,确定第一修正系数和第二修正系数对应的修正系数;
第三关系中,第一修正系数与修正系数呈正相关,第二修正系数和修正系数呈正相关。
在一示例性的实施例中,工况获取模块302还用于:
持续获取目标电池的使用工况;
基于使用工况中的每次充放电循环所对应的充放电工况、温度工况和目标电池的实际容量的变化过程,调整修正系数。
图4是本申请实施例提供的电子设备4的示意图。如图4所示,该实施例的电子设备4包括:处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者,处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解,图4仅仅是电子设备4的示例,并不构成对电子设备4的限定,可以包括比图示更多或更少的部件,或者不同的部件。
处理器401可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicA×Tion Specific IntegrA×Ted Circuit,ASIC)、现场可编程门阵列(Field-Programmable GA×Te Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器402可以是电子设备4的内部存储单元,例如,电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备,例如,电子设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。存储器402还可以既包括电子设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读存储介质中,例如计算机可读存储介质。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。可读存储介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种电池寿命的实时预测方法,其特征在于,包括:
获取目标电池的单次理论容量损耗量;所述单次理论容量损耗量为总理论容量损耗量与理论充放电循环次数的比值;
获取所述目标电池的使用工况;所述使用工况包括充放电工况和温度工况;
基于所述使用工况与修正系数之间的工况系数关系,确定所述使用工况对应的修正系数;所述工况系数关系中,当所述使用工况为标准工况,所述修正系数为最小值,所述最小值为1;
将所述修正系数与所述单次理论容量损耗量相乘,确定单次预测容量损耗量;
基于所述单次预测容量损耗量和所述目标电池的实际容量,确定预测充放电次数。
2.根据权利要求1所述的方法,其特征在于,所述总理论容量损耗量为所述目标电池的初始容量与最低工作容量的差值;
基于所述单次预测容量损耗量和所述目标电池的实际容量,确定预测充放电次数的过程,包括:
对所述目标电池的实际容量和所述最低工作容量求差,得到剩余容量损耗量;
计算所述剩余容量损耗量与所述单次预测容量损耗量的比值,得到预测充放电循环次数。
3.根据权利要求2所述的方法,其特征在于,还包括:
根据所述充放电工况获取每次充放电循环的历史时间长度;
根据所有所述历史时间长度求平均值,得到单次充放电循环的单次时间长度;
根据所述预测充放电循环次数和所述单次时间长度,确定预测剩余使用时长。
4.根据权利要求1所述的方法,其特征在于,基于所述单次预测容量损耗量和所述目标电池的实际容量,确定预测充放电次数的过程,包括:
根据所述充放电工况获取每次充放电循环的历史时间长度;
根据所有所述历史时间长度求平均值,得到单次充放电循环的单次时间长度;
基于所述目标电池的寿命关系式,确定预测剩余使用时长;
所述寿命关系式为A×T/N+B×T=SOH_r-SOH_min;
其中,A为所述单次预测容量损耗量,T为所述预测剩余使用时长,N为所述单次时间长度,B为所述目标电池的日历容量损耗量,SOH_r为所述目标电池的实际容量,SOH_min为所述目标电池的最低工作容量;
基于所述预测剩余使用时长和所述单次时间长度,确定预测充放电次数。
5.根据权利要求1所述的方法,其特征在于,基于所述使用工况与修正系数之间的工况系数关系,确定所述使用工况对应的修正系数的过程,包括:
基于所述充放电工况,获取平均充放电深度;
基于放电深度与第一修正系数的第一关系,确定对应所述平均充放电深度的所述第一修正系数;所述第一关系中所述第一修正系数与所述充放电深度呈正相关;
基于温度与第二修正系数的第二关系,确定对应所述温度工况的所述第二修正系数;所述第二关系中,所述第二修正系数与温度差值绝对值呈正相关,所述温度差值绝对值为所述温度与标准温度的差值的绝对值;
根据所述第一修正系数和所述第二修正系数确定所述使用工况对应的修正系数。
6.根据权利要求5所述的方法,其特征在于,根据所述第一修正系数和所述第二修正系数确定所述使用工况对应的修正系数的过程,包括:
根据所述第一修正系数、所述第二修正系数和修正系数的第三关系,确定所述第一修正系数和所述第二修正系数对应的所述修正系数;
所述第三关系中,所述第一修正系数与所述修正系数呈正相关,所述第二修正系数和所述修正系数呈正相关。
7.根据权利要求1至6中任一项所述的方法,其特征在于,还包括:
持续获取所述目标电池的所述使用工况;
基于所述使用工况中的每次充放电循环所对应的所述充放电工况、所述温度工况和所述目标电池的实际容量的变化过程,调整所述修正系数。
8.一种电池寿命的实时预测装置,其特征在于,包括:
理论值获取模块,用于获取目标电池的单次理论容量损耗量;所述单次理论容量损耗量为总理论容量损耗量与理论充放电循环次数的比值;
工况获取模块,用于获取所述目标电池的使用工况;所述使用工况包括充放电工况和温度工况;
修正系数获取模块,用于基于所述使用工况与修正系数之间的工况系数关系,确定所述使用工况对应的修正系数;所述工况系数关系中,当所述使用工况为标准工况,所述修正系数为最小值,所述最小值为1;
计算模块,用于将所述修正系数与所述单次理论容量损耗量相乘,确定单次预测容量损耗量,基于所述单次预测容量损耗量和所述目标电池的实际容量,确定预测充放电次数。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种可读存储介质,所述可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311608445.3A CN117630716A (zh) | 2023-11-28 | 2023-11-28 | 一种电池寿命的实时预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311608445.3A CN117630716A (zh) | 2023-11-28 | 2023-11-28 | 一种电池寿命的实时预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117630716A true CN117630716A (zh) | 2024-03-01 |
Family
ID=90021241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311608445.3A Pending CN117630716A (zh) | 2023-11-28 | 2023-11-28 | 一种电池寿命的实时预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117630716A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118011225A (zh) * | 2024-04-08 | 2024-05-10 | 瑞浦兰钧能源股份有限公司 | 可充放电容量的修正方法、装置、存储介质及电子装置 |
-
2023
- 2023-11-28 CN CN202311608445.3A patent/CN117630716A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118011225A (zh) * | 2024-04-08 | 2024-05-10 | 瑞浦兰钧能源股份有限公司 | 可充放电容量的修正方法、装置、存储介质及电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112595980B (zh) | 电池储能***寿命的预测方法、装置及设备 | |
CN111142030B (zh) | 用于内短路电流检测方法、装置、设备及可读存储介质 | |
CN112051504B (zh) | 电池容量的预测方法、装置、终端及计算机可读存储介质 | |
CN117630716A (zh) | 一种电池寿命的实时预测方法及装置 | |
US11193984B2 (en) | Method and device for the service life-optimized usage of an electrochemical energy store | |
WO2018012151A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN110571887B (zh) | 电池的选取方法、装置、存储介质及电子设备 | |
CN115221795A (zh) | 容量预测模型的训练方法、预测方法、装置、设备及介质 | |
CN115114878A (zh) | 一种储能电站电池寿命在线预测方法、装置及存储介质 | |
CN113034059A (zh) | 异常电力信息定位方法、装置、电子设备和计算机介质 | |
KR102196668B1 (ko) | 배터리 충전 상태 추정 장치 및 방법 | |
CN115395613A (zh) | 电池充电管理方法、装置、电子设备及存储介质 | |
CN116187510A (zh) | 电表箱故障预测方法、装置、计算机设备和存储介质 | |
CN112345954A (zh) | 电池寿命预测方法、装置、电子设备及介质 | |
CN110703119A (zh) | 评估电池健康状态的方法和装置 | |
CN117436287B (zh) | 电池组寿命预测方法、装置及存储介质 | |
CN117805663B (zh) | 基于运行状态的电池测试方法、装置、设备和介质 | |
CN113945740B (zh) | 接触电阻的确定方法、装置、设备及存储介质 | |
CN116961188B (zh) | 基站电源的调度方法、装置、电子设备和可读存储介质 | |
CN115291111B (zh) | 电池静置时间预测模型的训练方法以及静置时间预测方法 | |
Sausen et al. | PROPOSITION OF AN EXTENSION TO THE PEUKERT’S LAWMODEL APPLIED TO THE PREDICTION OF THE BATTERIESLIFETIME | |
US20240051423A1 (en) | Charging pile type recognition | |
CN117214717A (zh) | 电池容量跳水拐点的预测方法及相关设备 | |
CN116819342A (zh) | 一种电池寿命曲线确定方法、装置、电子设备及存储介质 | |
CN114355219A (zh) | 电池健康状态估算方法和储能***健康提高方法 |
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 |