CN106772100A - 一种预测电池寿命的方法及装置 - Google Patents

一种预测电池寿命的方法及装置 Download PDF

Info

Publication number
CN106772100A
CN106772100A CN201710066104.6A CN201710066104A CN106772100A CN 106772100 A CN106772100 A CN 106772100A CN 201710066104 A CN201710066104 A CN 201710066104A CN 106772100 A CN106772100 A CN 106772100A
Authority
CN
China
Prior art keywords
battery
attenuation
historical data
storage
trend
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.)
Granted
Application number
CN201710066104.6A
Other languages
English (en)
Other versions
CN106772100B (zh
Inventor
赵双成
林威志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lenovo Beijing Ltd
Original Assignee
Lenovo Beijing Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lenovo Beijing Ltd filed Critical Lenovo Beijing Ltd
Priority to CN201710066104.6A priority Critical patent/CN106772100B/zh
Publication of CN106772100A publication Critical patent/CN106772100A/zh
Application granted granted Critical
Publication of CN106772100B publication Critical patent/CN106772100B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

一种电池寿命预测方法及装置，方法包括：录使用电池的历史数据；依据所述历史数据和至少一个衰减因素计算电池的容量衰减趋势；输出所述容量衰减趋势；其中，所述电池的容量衰减趋势用于表征未来一时间段内所述电池的电池容量的衰减速度。本发明实施例记录和分析电池使用历史数据,结合电芯特性计算电池容量衰减趋势和使用寿命，显示直观的电池使用寿命预测曲线,同时提供交互界面，通知用户电池容量衰减加速的原因,可以有效指导用户如何保养电池。

Description

一种预测电池寿命的方法及装置
技术领域
本发明涉及一种预测电池寿命的方法以及对应该方法的预测电池寿命的装置。
背景技术
近年来，类似笔记本、移动终端等电子设备越来越普及，而电池作为电子设备的供电部件，是电子设备的一个重要组成部分，电池寿命也是衡量一个电子设备性能好坏的一个重要指标。
当前的电池管理方案，往往只能显示当前可使用电量，以及电池循环使用次数等参数，用户无法根据显示的参数来了解电池在使用过程中的衰减趋势,也不清楚电池何时达到使用寿命。当电池因为性能衰减而无法工作时，则可能会给用户造成数据丢失等无法估计的损失。另一方面，现有的电池管理方案中，也没有相关电池保养指示，用户无法了解如何保养电池来延缓电池衰减。
发明内容
本发明实施例提供了一种电池寿命预测方法以及电池寿命预测装置，以解决上述问题。
根据本发明的至少一个实施例，提供了一种电池寿命预测方法，包括：录使用电池的历史数据；依据所述历史数据和至少一个衰减因素计算电池的容量衰减趋势；输出所述容量衰减趋势；其中，所述电池的容量衰减趋势用于表征未来一时间段内所述电池的电池容量的衰减速度。
根据本发明的至少一个实施例，提供了一种电池寿命预测装置，包括：记录单元，用于记录使用电池的历史数据；计算单元，用于依据所述历史数据和至少一个衰减因素计算电池的容量衰减趋势；输出单元，用于输出所述容量衰减趋势；其中，所述电池的容量衰减趋势用于表征未来一时间段内所述电池的电池容量的衰减速度。
本发明实施例通过深入研究电池容量衰减机制和相关规律，提出预测电池容量衰减和使用寿命方法。记录和分析电池使用历史数据,结合电芯特性计算电池容量衰减趋势和使用寿命，显示直观的电池使用寿命预测曲线,同时提供交互界面，通知用户电池容量衰减加速的原因,可以有效指导用户如何保养电池。
附图说明
图1示出了根据本发明实施例的电池寿命预测方法流程图；
图2示出了根据本发明实施例的循环使用衰减参数架构图；
图3示出了根据本发明实施例的存储衰减趋势架构图；
图4示出了根据本发明实施例的总衰减参数架构图；
图5示出了根据本发明实施例的指示用户电池使用方法流程图；
图6示出了根据本发明实施例的电池寿命曲线图；
图7示出了根据本发明实施例的电池寿命预测装置结构图；
图8示出了根据本发明实施例的指示用户电池使用装置结构图。
具体实施方式
图1示出了根据本发明实施例的电池寿命预测方法流程图。参见图1，该电池寿命预测方法100包括以下步骤。
在步骤S101中，记录使用电池的历史数据。根据本发明的一个示例，历史数据可以是第一历史数据。第一历史数据例如可以是与循环使用衰减(cycling degradation)趋势的相关历史参数。循环使用衰减趋势用于表征电池被循环充电或放电使用过程中造成的电池容量的衰减变化速度。图2示出了根据本发明实施例的影响循环使用衰减趋势的相关参数的架构图。参见图2，电池的循环使用衰减参数200包括：电池充电倍率201、电池放电倍率202、循环次数203或电芯温度204。这样，在记录了上述与循环使用衰减趋势相关的历史数据后，可以在后续步骤中通过分析电池的电池充电倍率201、电池放电倍率202、循环次数203或电芯温度204参数来计算循环使用衰减。
根据本发明的另一个示例，历史数据还可以是第二历史数据，第二历史数据例如可以是与存储衰减的相关历史数据。存储衰减趋势用于表征电池未被使用时仅由于存放导致的电池容量衰减变化的速度。图3示出了根据本发明实施例的存储衰减趋势架构图。参见图3，与存储衰减趋势相关的参数300包括高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304。可选的，还可以进一步记录常压存储时间305、低压存储时间306等参数。因此，在记录了上述存储衰减的相关历史数据后，可以在后续步骤中可以通过记录分析电池的高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304，或者通过分析高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304常压存储时间305、低压存储时间306来计算存储衰减(storage degradation)。
在步骤S102中，依据历史数据和至少一个衰减因素计算电池的容量衰减趋势。其中，电池的容量衰减趋势用于表征未来一时间段内电池的电池容量的衰减速度。在步骤S103中，输出容量衰减趋势。
根据本发明的一个示例，在步骤S101中记录了第一历史数据的情况下，在步骤S102中，可以依据第一历史数据和与循环使用衰减相关的因素计算电池的容量衰减趋势，即计算循环使用电池造成的循环使用衰减趋势。例如，循环使用衰减的函数可以是C(Passed Charge,T,V,Time),其中，其中，该函数的自变量Passed Charge为充进的电量(Passed Charge),自变量T为单元温度(Cell Temperature),自变量V为充电电压(ChargeVoltage)，自变量Time为时间(Time)。可以通过分析电池充电倍率201、电池放电倍率202、循环次数203或电芯温度204等循环使用衰减参数来计算上述循环使用衰减函数。
例如，充放电倍率为电池充放电电流与额定容量的比值。因此，电池充电倍率201、电池放电倍率202与充进的电量(Passed charge)的大小相关。另外，循环次数203也会影响充进的电量(Passed Charge)。循环次数203越高，电池越趋于老化，充进的电量越少。电芯温度与单元温度和充电电压相关，同时电芯温度也会影响充进的电量和充电时间。因此，可以通过分析上述循环衰减参数与循环使用衰减函数中各个自变量之间的关系，来计算循环使用衰减函数。
根据本发明的一个示例，时间变量Time可以包括三个子变量，分别为T(low),T(norm),T(high)；而充进电量变量Passed charge也包括对应的三个子变量P(low)，P(norm)，P(high)。例如，T(low)可以表示0～15度下的充放电时间，P(low)可以表示0～15度下的充进的电量。T(norm)可以表示15～45度下的充放电时间，P(norm)可以表示15～45度下的充进的电量。T(high)可以表示45～60度下的充放电时间，P(high)可以表示45～60度下的充进的电量。
此外，三个子变量T(low),T(norm),T(high)还可以进一步变化为另外三个子变量T(low)’，T(norm)’，T(high)’。其中，T(low)’代表0～15度下且电芯电压V大于预设电压阈值(例如4V)的充放电时间，V(low)代表0～15度下的充电电压。T(norm)’代表15～45度下且电芯电压大于前述预设阈值(例如4V)的充放电时间，V(norm)则代表15～45度下的充电电压。T(high)’代表45～60度下且电芯电压大于前述预设阈值(例如4V)的充放电时间，V(high)代表45～60度下的充电电压。
这样，循环使用衰减函数可以表示为：
C＝a*[P(low)*T(low)/0.85DC]+b*[P(norm)*T(norm)/0.85DC]+c*[P(high)*T(high)/0.85DC]+e*V(low)*T(low)’+f*V(norm)*T(norm)’+g*V(high)*T(high)’
其中a,b,c,d,e,f,g是系数，0.85DC＝电池容量(battery design capacity)*85％。
上述系数a,b,c,d,e,f,g是常数，可以由电芯测试结果归纳得出。
根据本发明的一个示例，在步骤S101中记录了第二历史数据的情况下，在步骤S102中，可以依据第二历史数据和与存储衰减相关因素来计算由于存放造成的电池的存储衰减趋势。例如，存储衰减的函数可以是S(T,V,Time),其中，自变量T为单元温度(CellTemperature),自变量V是单元存储电压(Cell Storage Voltage)，自变量Time为时间(Time)。可以通过计算分析高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304等存储衰减参数来计算存储衰减函数。可选的，也可以通过计算分析高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304，常压存储时间305、低压存储时间306等存储衰减参数来计算存储衰减函数。
其中，高压存储时间301例如可以是电压高于第一阈值的存储时间301。常压存储时间305例如可以是电压在第五阈值和第六阈值之间的存储时间，低压存储时间306例如可以是电压在低于第六阈值的存储时间。高温存储时间302例如可以是温度高于第二阈值的存储时间。常温存储时间303例如可以是温度在第二阈值和第三阈值之间的存储时间。低温存储时间304例如可以是温度低于第三阈值的存储时间304。上述第一阈值、第二阈值、第三阈值，第五阈值，第六阈值可以根据实际需要来设定。例如，第一阈值为4V。第二阈值为45度，第三阈值为15度。第五阈值例如是3伏，第六阈值例如是1.5伏。
根据本发明第一个示例，存储衰减函数S还包括以下变量：
用TS(low)表示的子变量，TS(low)代表0-15度下且电芯电压小于VS(low)的存储时间(例如，在未充放电状态下)。其中的使用VS(low)代表温度在0-15度下的存储电压设定。
用TS(norm)来表示的子变量，TS(norm)代表15-45度下且电芯电压小于VS(norm)的存储时间(未充放电状态下)，其中VS(norm)代表温度在15-45度下的存储电压设定。
用TS(high)表示的子变量，TS(high)代表45-60度下且电芯电压小于VS(high)的存储时间(在未充放电状态)，VS(high)代表45-60度下的存储电压设定。
用TS(low)’表示的子变量，TS(low)’代表0-15度下且电芯电压大于VS(low)的存储时间(未充放电状态)，VS(low)代表0-15度下的存储电压设定。
用TS(norm)’表示的子变量，TS(norm)’代表15-45度下且电芯电压大于VS(norm)的存储时间(未充放电状态)，VS(norm)代表15-45度下的存储电压设定。
用TS(high)’表示的子变量，TS(high)’代表45-60度下且电芯电压大于VS(high)的存储时间(未充放电状态)，VS(high)代表45-60度下的存储电压设定。
并且，V(low)代表0～15度下的电芯充电电压。V(norm)代表15～45度下的电芯充电电压。V(high)代表45～60度下的电芯充电电压。
那么，存储衰减函数可以通过下述关系式进行计算：
S＝h*TS(low)*[VS(low)-COV]+i*TS(norm)*[VS(norm)-COV]+j*TS(high)*[VS(high)-COV]+k*TS(low)’*[V(low)-VS(low)]+l*TS(norm)’*[V(norm)-VS(norm)]+m*TS(high)’*[V(high)-VS(high)]
其中h,i,j,k,l,m是系数。上述系数是常数，由电芯测试结果归纳出的。COV＝单元中断电压(cell cut off voltage)，该电压例如为3V。
此外，根据本发明的一个示例，在步骤S101中分别记录了第一历史数据和第二历史数据的情况下，在步骤是102中，还可以根据第一历史数据、第二历史数据和循环使用衰减因素以及存储衰减因素共同计算电池的衰减趋势。例如，综合循环使用衰减和存储衰减来计算电池的总衰减趋势。图4示出了根据本发明实施例的总衰减趋势相关参数架构图。参见图4，总衰减参数400包括：循环使用衰减参数200以及存储衰减的参数300：电池充电倍率201、电池放电倍率202、循环次数203或电芯温度204，高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304,常压存储时间305、低压存储时间306。
根据本发明的一个示例，总电池容量衰减(例如满充电可使用容量衰减(FCCdegradation))＝C(Passed Charge,T,V1,Time)+S(T,V2,Time)。其中，该函数的自变量Passed Charge为充进的电量(Passed Charge),自变量T为单元温度(Cell Temperature),自变量V1为充电电压(Charge Voltage)，V2是单元存储电压(Cell Storage Voltage)，自变量Time为时间(Time)。在步骤S103中，将步骤S102中计算得到的容量衰减趋势进行输出，例如可以通衰减曲线的方式进行输出。根据输出的数据预测电池的使用寿命。
本发明实施例，通过计算电池的循环使用衰减和/或存储衰减趋势，可以准确获得电池的衰减趋势，从而有效预测电池寿命。
以上介绍了如何计算电池衰减趋势，从而获知电池的使用寿命。下面将进一步介绍根据电池的使用寿命来指示用户电池的使用方法。图5示出了根据本发明实施例的指示用户电池使用方法流程图。图6示出了根据本发明实施例的电池寿命曲线600。下面将结合图5和图6来介绍如何指示用户电池使用的方法。
图6示出了根据本发明实施例的电池寿命曲线600。在本发明实施例的电池使用寿命曲线中，横坐标表示使用时间，单位例如是天数、月数或年数，纵坐标表示电池容量。在图6中，横坐标表示月数，纵坐标表示在电池容量，电池容量例如是，在充满电情况下，电池实际可使用容量。图6中示出了4条曲线，分别是最初寿命预测斜率601，预测衰减斜率602，期望衰减斜率603以及更新衰减斜率604。电池管理控制芯片可以在电池使用前调用预先定义的理想使用条件下电池衰减测试数据得到最初寿命预测斜率601。例如，在常压状态下和/或常温状态下的电池衰减测试数据。在新电池开始使用时,电池管理控制芯片开始记录电池使用及电芯的状态数据,在用户实际使用过程中，周围环境很难达到前述的理想状态，因此设定期望衰减斜率603，该斜率例如是电池厂商通过实验和/或统计数据获得的期望衰减斜率。例如可以是在正常使用状态下电池的平均衰减斜率。预测衰减斜率602中，已经过的时间显示用户过去真实的容量衰减记录,未来时间的容量变化预测是基于当前用户使用习惯,预测得到的未来电池容量衰减斜率。而更新衰减斜率604是用户调整使用习惯之后，电池的衰减斜率。
参见图5，在步骤S501中，记录使用电池的历史数据。在步骤S502中，依据历史数据和至少一个衰减因素计算电池的容量衰减趋势。其中，电池的容量衰减趋势用于表征未来一时间段内电池的电池容量的衰减速度。在步骤S503中，输出容量衰减趋势。在步骤S504中，判断如果容量衰减趋势与预定趋势相比达到第四阈值，则统计用户使用习惯。在步骤S505中，基于使用习惯获取更新策略，并基于更新策略指示用户使用电池的方式。
其中，步骤S501-S503分别对应前述实施例中的电池寿命预测方法中的S101-S103，在此不再赘述。在步骤S504中，预先设定一个第四阈值，之后，进一步判断容量衰减趋势是否达到第四阈值，如果容量衰减趋势与预定趋势相比达到第四阈值，则统计用户使用习惯。例如统计用户习惯造成的电池容量衰减趋势，该电池容量衰减趋势例如可以是前述的循环使用衰减趋势，存储衰减趋势或总衰减趋势。预先设定的第四阈值可以是图6中期望衰减斜率602在某个时间的数值，该期望衰减斜率例如是在正常使用情况下电池的衰减趋势曲线。参见图6，在第7个月左右，在P点，电池的预测衰减斜率603的电池容量小于期望衰减斜率603在该点的电池容量，则表示容量衰减趋势与预定趋势相比达到第四阈值，此时可以开始统计用户使用习惯。参见图6，在电池使用寿命曲线图600中，如果计算得出的当前容量衰减趋势，即预测衰减斜率602，大于正常使用情况下的期望衰减斜率603，则可能表示用户的使用行为不当，造成电池的衰减加速，此时，电子设备的电池管理控制芯片可以检查电池使用记录,统计用户的使用习惯以确定衰减加速原因。
在步骤S505中，基于在步骤S504中得到的用户使用习惯，进一步获取更新策略，并基于更新策略指示用户使用电池的方式。根据本发明的一个示例，在获得用户使用习惯之后，可以向用户报告电池在当前使用习惯下电池会加速衰减的原因。此外，电池管理控制芯片还可以根据通过分析用户使用习惯，确定有可能造成容量加速衰减的原因，给出具体的电池保养计划等更新策略，例如优化充放电方法,改善电池高温高电压存储方法等等，从而可以指导用户改变电池使用习惯，提高电池的寿命。并且，根据用户改变后的使用习惯，预测后续电池容量可能的衰减情况。例如，在下个预测周期，可得到图6中更新衰减斜率604。
根据本发明的一个示例，在电池寿命预测方法中，还可以根据时间阈值，在时间阈值范围内记录使用电池的历史数据。该时间阈值可以由用户设定或系统预先设定。例如，当电池刚开始使用时，如，在使用一个星期内，或使用一个月内，电池管理控制芯片可以不记录历史数据，或仅记录历史数据，而不计算电池的容量衰减。在一定时间阈值范围内计算电池的历史数据。例如，数据记录时间大于等于预设时间(例如一周，一个月)时,电池管理控制芯片使用统计的电池使用数据记录,计算基于目前使用习惯在未来一段时间(例如两年)内电池的容量衰减函数。例如循环使用衰减函数或存储衰减函数或总衰减函数。
本发明实施例，通过分析用户使用习惯，确定电池容量衰减趋势，并根据该衰减趋势分析用户可能存在的电池使用不良习惯，告知用户电池保养的方式，从而可以使用户及时获知如何来保养电池，进一步延长了电池的使用寿命。
以上介绍了根据本发明实施例的电池寿命预测方法以及知识用户电池使用的方法。下面进一步介绍电池寿命预测装置以及指示用户电池使用装置。这两个装置分别于前述的两个使用方法对应，为了说明书的简介，以下仅作简要介绍。
图7示出了根据本发明实施例的电池寿命预测装置700的结构图。参见图7，电池寿命预测装置700包括：记录单元701，计算单元702以及输出单元703。
记录单元701记录使用电池的历史数据。根据本发明的一个示例，历史数据可以是第一历史数据。第一历史数据例如可以是与循环使用衰减(cycling degradation)趋势的相关历史参数。循环使用衰减趋势用于表征电池被循环充电或放电使用过程中造成的电池容量的衰减变化速度。图2示出了根据本发明实施例的影响循环使用衰减趋势的相关参数的架构图。参见图2，电池的循环使用衰减参数200包括：电池充电倍率201、电池放电倍率202、循环次数203或电芯温度204。这样，在记录了上述与循环使用衰减趋势相关的历史数据后，可以在后续步骤中通过分析电池的电池充电倍率201、电池放电倍率202、循环次数203或电芯温度204参数来计算循环使用衰减。
根据本发明的另一个示例，历史数据还可以是第二历史数据，第二历史数据例如可以是与存储衰减的相关历史数据。存储衰减趋势用于表征电池未被使用时仅由于存放导致的电池容量衰减变化的速度。图3示出了根据本发明实施例的存储衰减趋势架构图。参见图3，与存储衰减趋势相关的参数300包括高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304。可选的，还可以进一步记录常压存储时间305、低压存储时间306等参数。因此，在记录了上述存储衰减的相关历史数据后，可以在后续步骤中可以通过记录分析电池的高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304，或者通过分析高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304常压存储时间305、低压存储时间306来计算存储衰减(storage degradation)。
计算单元702依据历史数据和至少一个衰减因素计算电池的容量衰减趋势。其中，电池的容量衰减趋势用于表征未来一时间段内电池的电池容量的衰减速度。输出单元703输出容量衰减趋势。
根据本发明的一个示例，在记录单元701记录了第一历史数据的情况下，计算单元702可以依据第一历史数据和与循环使用衰减相关的因素计算电池的容量衰减趋势，即计算循环使用电池造成的循环使用衰减趋势。例如，循环使用衰减的函数可以是C(PassedCharge,T,V,Time),其中，其中，该函数的自变量Passed Charge为充进的电量(PassedCharge),自变量T为单元温度(Cell Temperature),自变量V为充电电压(ChargeVoltage)，自变量Time为时间(Time)。可以通过分析电池充电倍率201、电池放电倍率202、循环次数203或电芯温度204等循环使用衰减参数来计算上述循环使用衰减函数。
例如，充放电倍率为电池充放电电流与额定容量的比值。因此，电池充电倍率201、电池放电倍率202与充进的电量(Passed charge)的大小相关。另外，循环次数203也会影响充进的电量(Passed Charge)。循环次数203越高，电池越趋于老化，充进的电量越少。电芯温度与单元温度和充电电压相关，同时电芯温度也会影响充进的电量和充电时间。因此，可以通过分析上述循环衰减参数与循环使用衰减函数中各个自变量之间的关系，来计算循环使用衰减函数。
根据本发明的一个示例，时间变量Time可以包括三个子变量，分别为T(low),T(norm),T(high)；而充进电量变量Passed charge也包括对应的三个子变量P(low)，P(norm)，P(high)。例如，T(low)可以表示0～15度下的充放电时间，P(low)可以表示0～15度下的充进的电量。T(norm)可以表示15～45度下的充放电时间，P(norm)可以表示15～45度下的充进的电量。T(high)可以表示45～60度下的充放电时间，P(high)可以表示45～60度下的充进的电量。
此外，三个子变量T(low),T(norm),T(high)还可以进一步变化为另外三个子变量T(low)’，T(norm)’，T(high)’。其中，T(low)’代表0～15度下且电芯电压V大于预设电压阈值(例如4V)的充放电时间，V(low)代表0～15度下的充电电压。T(norm)’代表15～45度下且电芯电压大于前述预设阈值(例如4V)的充放电时间，V(norm)则代表15～45度下的充电电压。T(high)’代表45～60度下且电芯电压大于前述预设阈值(例如4V)的充放电时间，V(high)代表45～60度下的充电电压。
这样，循环使用衰减函数可以表示为：
C＝a*[P(low)*T(low)/0.85DC]+b*[P(norm)*T(norm)/0.85DC]+c*[P(high)*T(high)/0.85DC]+e*V(low)*T(low)’+f*V(norm)*T(norm)’+g*V(high)*T(high)’
其中a,b,c,d,e,f,g是系数，上述系数是常数，由电芯测试结果归纳出的。
0.85DC＝电池容量(battery design capacity)*85％。
根据本发明的一个示例，在记录单元701记录了第二历史数据的情况下，计算单元702可以依据第二历史数据和与存储衰减相关因素来计算由于存放造成的电池的存储衰减趋势。例如，存储衰减的函数可以是S(T,V,Time),其中，自变量T为单元温度(CellTemperature),自变量V是单元存储电压(Cell Storage Voltage)，自变量Time为时间(Time)。可以通过计算分析高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304等存储衰减参数来计算存储衰减函数。可选的，也可以通过计算分析高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304，常压存储时间305、低压存储时间306等存储衰减参数来计算存储衰减函数。
其中，高压存储时间301例如可以是电压高于第一阈值的存储时间301。常压存储时间305例如可以是电压在第五阈值和第六阈值之间的存储时间，低压存储时间306例如可以是电压在低于第六阈值的存储时间。高温存储时间302例如可以是温度高于第二阈值的存储时间。常温存储时间303例如可以是温度在第二阈值和第三阈值之间的存储时间。低温存储时间304例如可以是温度低于第三阈值的存储时间304。上述第一阈值、第二阈值、第三阈值，第五阈值，第六阈值可以根据实际需要来设定。例如，第一阈值为4V。第二阈值为45度，第三阈值为15度。第五阈值例如是3伏，第六阈值例如是1.5伏。
根据本发明第一个示例，存储衰减函数S还包括以下变量：
用TS(low)表示的子变量，TS(low)代表0-15度下且电芯电压小于VS(low)的存储时间(例如，在未充放电状态下)。其中的使用VS(low)代表温度在0-15度下的存储电压设定。
用TS(norm)来表示的子变量，TS(norm)代表15-45度下且电芯电压小于VS(norm)的存储时间(未充放电状态下)，其中VS(norm)代表温度在15-45度下的存储电压设定。
用TS(high)表示的子变量，TS(high)代表45-60度下且电芯电压小于VS(high)的存储时间(在未充放电状态)，VS(high)代表45-60度下的存储电压设定。
用TS(low)’表示的子变量，TS(low)’代表0-15度下且电芯电压大于VS(low)的存储时间(未充放电状态)，VS(low)代表0-15度下的存储电压设定。
用TS(norm)’表示的子变量，TS(norm)’代表15-45度下且电芯电压大于VS(norm)的存储时间(未充放电状态)，VS(norm)代表15-45度下的存储电压设定。
用TS(high)’表示的子变量，TS(high)’代表45-60度下且电芯电压大于VS(high)的存储时间(未充放电状态)，VS(high)代表45-60度下的存储电压设定。
并且，V(low)代表0～15度下的电芯充电电压。V(norm)代表15～45度下的电芯充电电压。V(high)代表45～60度下的电芯充电电压。
那么，存储衰减函数可以通过下述关系式进行计算：
S＝h*TS(low)*[VS(low)-COV]+i*TS(norm)*[VS(norm)-COV]+j*TS(high)*[VS(high)-COV]+k*TS(low)’*[V(low)-VS(low)]+l*TS(norm)’*[V(norm)-VS(norm)]+m*TS(high)’*[V(high)-VS(high)]
其中h,i,j,k,l,m是系数。上述系数是常数，由电芯测试结果归纳出的。
COV＝单元中断电压(cell cut off voltage)，该电压例如为3V。
此外，根据本发明的一个示例，在记录单元701分别记录了第一历史数据和第二历史数据的情况下，计算单元702还可以根据第一历史数据、第二历史数据和循环使用衰减因素以及存储衰减因素共同计算电池的衰减趋势。例如，综合循环使用衰减和存储衰减来计算电池的总衰减趋势。图4示出了根据本发明实施例的总衰减趋势相关参数架构图。参见图4，总衰减参数400包括：循环使用衰减参数200以及存储衰减的参数300：电池充电倍率201、电池放电倍率202、循环次数203或电芯温度204，高压存储时间301，高温存储时间302，常温存储时间303以及低温存储时间304,常压存储时间305、低压存储时间306。
根据本发明的一个示例，总电池容量衰减(例如满充电可使用容量衰减(FCCdegradation))＝C(Passed Charge,T,V1,Time)+S(T,V2,Time)。其中，该函数的自变量Passed Charge为充进的电量(Passed Charge),自变量T为单元温度(Cell Temperature),自变量V1为充电电压(Charge Voltage)，V2是单元存储电压(Cell Storage Voltage)，自变量Time为时间(Time)。在步骤S103中，将步骤S102中计算得到的容量衰减趋势进行输出，例如可以通衰减曲线的方式进行输出。根据输出的数据预测电池的使用寿命。
本发明实施例，通过计算电池的循环使用衰减和/或存储衰减趋势，可以准确获得电池的衰减趋势，从而有效预测电池寿命。
以上介绍了如何计算电池衰减趋势，从而获知电池的使用寿命。下面将进一步介绍根据电池的使用寿命来指示用户电池的装置。图8示出了根据本发明实施例的指示用户电池使用装置结构图。图6示出了根据本发明实施例的电池寿命曲线600。下面将结合图8和图6来介绍如何指示用户电池使用的方法。
图6示出了根据本发明实施例的电池寿命曲线。在本发明实施例的电池使用寿命曲线中，横坐标表示使用时间，单位例如是天数、月数或年数，纵坐标表示电池容量。在图6中，横坐标表示月数，纵坐标表示在电池容量，电池容量例如是，在充满电情况下，电池实际可使用容量。图6中示出了4条曲线，分别是最初寿命预测斜率601，预测衰减斜率602，期望衰减斜率603以及更新衰减斜率604。电池管理控制芯片可以在电池使用前调用预先定义的理想使用条件下电池衰减测试数据得到最初寿命预测斜率601。例如，在常压状态下和/或常温状态下的电池衰减测试数据。在新电池开始使用时,电池管理控制芯片开始记录电池使用及电芯的状态数据,在用户实际使用过程中，周围环境很难达到前述的理想状态，因此设定期望衰减斜率603，该斜率例如是电池厂商通过实验和/或统计数据获得的期望衰减斜率。例如可以是在正常使用状态下电池的平均衰减斜率。预测衰减斜率602中，已经过的时间显示用户过去真实的容量衰减记录,未来时间的容量变化预测是基于当前用户使用习惯,预测得到的未来电池容量衰减斜率。而更新衰减斜率604是用户调整使用习惯之后，电池的衰减斜率。
参见图8，记录单元801记录使用电池的历史数据。计算单元802依据历史数据和至少一个衰减因素计算电池的容量衰减趋势。其中，电池的容量衰减趋势用于表征未来一时间段内电池的电池容量的衰减速度。输出单元803输出容量衰减趋势。判断单元804判断如果容量衰减趋势与预定趋势相比达到第四阈值，则统计用户使用习惯。指示单元805基于使用习惯获取更新策略，并基于更新策略指示用户使用电池的方式。
其中，记录单元801、计算单元802以及输出单元803分别对应前述实施例中的电池寿命预测装置中的记录单元801、计算单元802以及输出单元803对应，在此不再赘述。判断单元804预先设定一个第四阈值，之后，进一步判断容量衰减趋势是否达到第四阈值，如果容量衰减趋势与预定趋势相比达到第四阈值，则统计用户使用习惯。例如统计用户习惯造成的电池容量衰减趋势，该电池容量衰减趋势例如可以是前述的循环使用衰减趋势，存储衰减趋势或总衰减趋势。预先设定的第四阈值可以是图6中期望衰减斜率602在某个时间的数值，该期望衰减斜率例如是在正常使用情况下电池的衰减趋势曲线。参见图6，在第7个月左右，在P点，电池的预测衰减斜率603的电池容量小于期望衰减斜率603在该点的电池容量，则表示容量衰减趋势与预定趋势相比达到第四阈值，此时可以开始统计用户使用习惯。参见图6，在电池使用寿命曲线图600中，如果计算得出的当前容量衰减趋势，即预测衰减斜率602，大于正常使用情况下的期望衰减斜率603，则可能表示用户的使用行为不当，造成电池的衰减加速，此时，电子设备的电池管理控制芯片可以检查电池使用记录,统计用户的使用习惯以确定衰减加速原因。
指示单元805基于在输出单元803中得到的用户使用习惯，进一步获取更新策略，并基于更新策略指示用户使用电池的方式。根据本发明的一个示例，在获得用户使用习惯之后，可以向用户报告电池在当前使用习惯下电池会加速衰减的原因。此外，电池管理控制芯片还可以根据通过分析用户使用习惯，确定有可能造成容量加速衰减的原因，给出具体的电池保养计划等更新策略，例如优化充放电方法,改善电池高温高电压存储方法等等，从而可以指导用户改变电池使用习惯，提高电池的寿命。并且，根据用户改变后的使用习惯，预测后续电池容量可能的衰减情况。例如，在下个预测周期，可得到图6中更新衰减斜率604。
根据本发明的一个示例，在电池寿命预测方法中，还可以根据时间阈值，在时间阈值范围内记录使用电池的历史数据。该时间阈值可以由用户设定或系统预先设定。例如，当电池刚开始使用时，如，在使用一个星期内，或使用一个月内，电池管理控制芯片可以不记录历史数据，或仅记录历史数据，而不计算电池的容量衰减。在一定时间阈值范围内计算电池的历史数据。例如，数据记录时间大于等于预设时间(例如一周，一个月)时,电池管理控制芯片使用统计的电池使用数据记录,计算基于目前使用习惯在未来一段时间(例如两年)内电池的容量衰减函数。例如循环使用衰减函数或存储衰减函数或总衰减函数。
本发明实施例，通过分析用户使用习惯，确定电池容量衰减趋势，并根据该衰减趋势分析用户可能存在的电池使用不良习惯，告知用户电池保养的方式，从而可以使用户及时获知如何来保养电池，进一步延长了电池的使用寿命。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现。并且软件模块可以置于任意形式的计算机存储介质中。为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本领域技术人员应该理解，可依赖于设计需求和其它因素对本发明进行各种修改、组合、部分组合和替换，只要它们在所附权利要求书及其等价物的范围内。

Claims (12)

1.一种电池寿命预测方法，包括：
记录使用电池的历史数据；
依据所述历史数据和至少一个衰减因素计算电池的容量衰减趋势；
输出所述容量衰减趋势；
其中，所述电池的容量衰减趋势用于表征未来一时间段内所述电池的电池容量的衰减速度。
2.如权利要求1所述电池寿命预测方法，其中，
依据所述历史数据和至少一个衰减因素计算电池的容量衰减趋势，包括：
依据第一历史数据获取循环使用电池造成的循环使用衰减趋势；
其中，所述第一历史数据包括：电池充电倍率、电池放电倍率、循环次数或电芯温度；
所述循环使用衰减趋势用于表征电池被循环充电或放电使用过程中造成的电池容量的衰减变化速度。
3.如权利要求1或2所述电池寿命预测方法，其中，
依据所述历史数据和至少一个衰减因素计算电池的容量衰减趋势，包括：
依据第二历史数据获取仅由于存放造成的电池的存储衰减趋势；
其中，所述第二历史数据包括：电压高于第一阈值的存储时间、电压高于位于第五阈值和第六阈值之间的存储时间、电压低于第六阈值的存储时间、温度高于第二阈值的存储时间、温度在第二阈值和第三阈值之间的存储时间以及温度低于第三阈值的存储时间；
所述存储衰减趋势用于表征电池未被使用时仅由于存放导致的电池容量衰减变化的速度。
4.如权利要求3所述电池寿命预测方法，其中，
依据所述历史数据和至少一个衰减因素计算电池的容量衰减趋势，包括：
基于所述循环使用衰减趋势与所述存储衰减趋势获得总容量衰减趋势。
5.如权利要求4所述电池寿命预测方法，还包含：
如果所述总容量衰减趋势与预定趋势相比达到第四阈值，则统计用户使用习惯；
基于所述使用习惯获取更新策略，并基于所述更新策略指示用户使用电池的方式。
6.如权利要求1所述电池寿命预测方法，还包括：
设定时间阈值；
在所述时间阈值范围内记录使用电池的历史数据。
7.一种电池寿命预测装置，包括：
记录单元，用于记录使用电池的历史数据；
计算单元，用于依据所述历史数据和至少一个衰减因素计算电池的容量衰减趋势；
输出单元，用于输出所述容量衰减趋势；
其中，所述电池的容量衰减趋势用于表征未来一时间段内所述电池的电池容量的衰减速度。
8.如权利要求7所述电池寿命预测装置，其中，
所述计算单元进一步依据第一历史数据获取循环使用电池造成的循环使用衰减趋势；
其中，所述第一历史数据包括：电池充电倍率、电池放电倍率、循环次数或电芯温度；
所述循环使用衰减趋势用于表征电池被循环充电或放电使用过程中造成的电池容量的衰减变化速度。
9.如权利要求7或8所述电池寿命预测装置，其中，
所述计算单元进一步依据第二历史数据获取仅由于存放造成的电池的存储衰减趋势；
其中，所述第二历史数据包括：电压高于第一阈值的存储时间、电压高于位于第五阈值和第六阈值之间的存储时间、电压低于第六阈值的存储时间、温度高于第二阈值的存储时间、温度在第二阈值和第三阈值之间的存储时间以及温度低于第三阈值的存储时间；
所述存储衰减趋势用于表征电池未被使用时仅由于存放导致的电池容量衰减变化的速度。
10.如权利要求9所述电池寿命预测装置，其中，
所述计算单元基于所述循环使用衰减趋势与所述存储衰减趋势获得总容量衰减趋势。
11.如权利要求10所述电池寿命预测装置，还包含：
统计单元，用于如果所述总容量衰减趋势与预定趋势相比达到第四阈值，则统计用户使用习惯；
指示单元，用于基于所述使用习惯获取更新策略，并基于所述更新策略指示用户使用电池的方式。
12.如权利要求7所述电池寿命预测装置，还包括：
时间阈值设定单元，用于设定时间阈值；
所述记录单元进一步在所述时间阈值范围内记录使用电池的历史数据。
CN201710066104.6A 2017-02-06 2017-02-06 一种预测电池寿命的方法及装置 Active CN106772100B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710066104.6A CN106772100B (zh) 2017-02-06 2017-02-06 一种预测电池寿命的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710066104.6A CN106772100B (zh) 2017-02-06 2017-02-06 一种预测电池寿命的方法及装置

Publications (2)

Publication Number Publication Date
CN106772100A true CN106772100A (zh) 2017-05-31
CN106772100B CN106772100B (zh) 2020-02-21

Family

ID=58956587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710066104.6A Active CN106772100B (zh) 2017-02-06 2017-02-06 一种预测电池寿命的方法及装置

Country Status (1)

Country Link
CN (1) CN106772100B (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108808132A (zh) * 2018-04-26 2018-11-13 江西优特汽车技术有限公司 一种动力电池的sop控制方法
CN109001645A (zh) * 2018-09-03 2018-12-14 日立楼宇技术（广州）有限公司 一种电梯电池检测方法、装置、设备及存储介质
CN109063261A (zh) * 2018-06-29 2018-12-21 深圳市科列技术股份有限公司 一种动力电池老化趋势的判断方法和装置
CN109541490A (zh) * 2018-11-16 2019-03-29 北汽福田汽车股份有限公司 电池的寿命估算方法、系统及车辆
CN110723027A (zh) * 2019-10-08 2020-01-24 昆山宝创新能源科技有限公司 车辆及其电池包的监控方法和监控装置
CN110806544A (zh) * 2018-07-18 2020-02-18 北汽福田汽车股份有限公司 电池剩余寿命的预测方法和装置
CN111044905A (zh) * 2019-12-05 2020-04-21 国网北京市电力公司 数据确定方法及装置
CN111104342A (zh) * 2018-10-29 2020-05-05 伊姆西Ip控股有限责任公司 用于存储的方法、电子设备和计算机程序产品
CN111106645A (zh) * 2019-12-25 2020-05-05 深圳供电局有限公司 配网自动化电源的管理系统及方法
CN111353704A (zh) * 2020-02-28 2020-06-30 广州极飞科技有限公司 电池模块的评估方法、装置、存储介质及电子设备
CN111426952A (zh) * 2019-01-10 2020-07-17 郑州宇通客车股份有限公司 一种锂离子电池的寿命预测方法
CN111983492A (zh) * 2019-05-21 2020-11-24 彩虹无线（北京）新技术有限公司 电池健康分析方法、装置和设备
CN112034352A (zh) * 2020-08-28 2020-12-04 湖北亿纬动力有限公司 一种电池寿命预测方法以及系统
CN112034353A (zh) * 2020-08-28 2020-12-04 湖北亿纬动力有限公司 一种电池寿命预测方法以及系统
CN112216884A (zh) * 2020-10-14 2021-01-12 天能电池(芜湖)有限公司 一种手机电池使用寿命的记录芯片
CN112417767A (zh) * 2020-12-09 2021-02-26 东软睿驰汽车技术（沈阳）有限公司 一种衰减趋势确定模型构建方法、衰减趋势确定方法
WO2021143482A1 (zh) * 2020-01-16 2021-07-22 郑州宇通客车股份有限公司 一种soh检测方法及装置
CN114261312A (zh) * 2020-09-16 2022-04-01 蓝谷智慧(北京)能源科技有限公司 一种动力电池充电过程监控方法、装置及设备
CN116593902A (zh) * 2023-07-13 2023-08-15 中国铁塔股份有限公司江西省分公司 基于铁锂电池的性能参数融合成ai模型的故障诊断方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103023075A (zh) * 2011-09-20 2013-04-03 联想(北京)有限公司 一种电池充放电控制方法及电子设备
WO2013163916A1 (en) * 2012-04-10 2013-11-07 Tencent Technology (Shenzhen) Company Limited Method for monitoring and manging battery charge level and apparatus for performing the same
US20160064961A1 (en) * 2014-09-02 2016-03-03 Apple Inc. User-behavior-driven battery charging
CN105717456A (zh) * 2016-02-01 2016-06-29 中国第一汽车股份有限公司 动力电池寿命性能衰减的预测方法
CN105974326A (zh) * 2016-06-01 2016-09-28 华霆（合肥）动力技术有限公司 锂电池寿命预估方法及装置
CN106093781A (zh) * 2016-05-27 2016-11-09 合肥国轩高科动力能源有限公司 一种动力锂离子电池日历寿命测试方法
CN106291372A (zh) * 2016-07-22 2017-01-04 南京工业大学 一种新的锂离子动力电池剩余寿命预测方法
CN106324524A (zh) * 2016-10-11 2017-01-11 合肥国轩高科动力能源有限公司 一种锂离子电池循环寿命的快速预测方法
CN106324518A (zh) * 2016-08-31 2017-01-11 浙江长兴笛卡尔科技有限公司 一种电动汽车动力电池soh估算方法
US20170026486A1 (en) * 2015-07-24 2017-01-26 Nvidia Corporation System, method and device for providing crowd-sourced, cloud-based custom tuning for applications

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103023075A (zh) * 2011-09-20 2013-04-03 联想(北京)有限公司 一种电池充放电控制方法及电子设备
WO2013163916A1 (en) * 2012-04-10 2013-11-07 Tencent Technology (Shenzhen) Company Limited Method for monitoring and manging battery charge level and apparatus for performing the same
US20160064961A1 (en) * 2014-09-02 2016-03-03 Apple Inc. User-behavior-driven battery charging
US20170026486A1 (en) * 2015-07-24 2017-01-26 Nvidia Corporation System, method and device for providing crowd-sourced, cloud-based custom tuning for applications
CN105717456A (zh) * 2016-02-01 2016-06-29 中国第一汽车股份有限公司 动力电池寿命性能衰减的预测方法
CN106093781A (zh) * 2016-05-27 2016-11-09 合肥国轩高科动力能源有限公司 一种动力锂离子电池日历寿命测试方法
CN105974326A (zh) * 2016-06-01 2016-09-28 华霆（合肥）动力技术有限公司 锂电池寿命预估方法及装置
CN106291372A (zh) * 2016-07-22 2017-01-04 南京工业大学 一种新的锂离子动力电池剩余寿命预测方法
CN106324518A (zh) * 2016-08-31 2017-01-11 浙江长兴笛卡尔科技有限公司 一种电动汽车动力电池soh估算方法
CN106324524A (zh) * 2016-10-11 2017-01-11 合肥国轩高科动力能源有限公司 一种锂离子电池循环寿命的快速预测方法

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108808132A (zh) * 2018-04-26 2018-11-13 江西优特汽车技术有限公司 一种动力电池的sop控制方法
CN109063261A (zh) * 2018-06-29 2018-12-21 深圳市科列技术股份有限公司 一种动力电池老化趋势的判断方法和装置
CN109063261B (zh) * 2018-06-29 2022-11-29 深圳市科列技术股份有限公司 一种动力电池老化趋势的判断方法和装置
CN110806544A (zh) * 2018-07-18 2020-02-18 北汽福田汽车股份有限公司 电池剩余寿命的预测方法和装置
CN109001645A (zh) * 2018-09-03 2018-12-14 日立楼宇技术（广州）有限公司 一种电梯电池检测方法、装置、设备及存储介质
CN111104342B (zh) * 2018-10-29 2023-08-04 伊姆西Ip控股有限责任公司 用于存储的方法、电子设备和计算机程序产品
CN111104342A (zh) * 2018-10-29 2020-05-05 伊姆西Ip控股有限责任公司 用于存储的方法、电子设备和计算机程序产品
CN109541490A (zh) * 2018-11-16 2019-03-29 北汽福田汽车股份有限公司 电池的寿命估算方法、系统及车辆
CN111426952A (zh) * 2019-01-10 2020-07-17 郑州宇通客车股份有限公司 一种锂离子电池的寿命预测方法
CN111983492A (zh) * 2019-05-21 2020-11-24 彩虹无线（北京）新技术有限公司 电池健康分析方法、装置和设备
CN110723027A (zh) * 2019-10-08 2020-01-24 昆山宝创新能源科技有限公司 车辆及其电池包的监控方法和监控装置
CN110723027B (zh) * 2019-10-08 2021-05-28 昆山宝创新能源科技有限公司 车辆及其电池包的监控方法和监控装置
CN111044905A (zh) * 2019-12-05 2020-04-21 国网北京市电力公司 数据确定方法及装置
CN111106645A (zh) * 2019-12-25 2020-05-05 深圳供电局有限公司 配网自动化电源的管理系统及方法
WO2021143482A1 (zh) * 2020-01-16 2021-07-22 郑州宇通客车股份有限公司 一种soh检测方法及装置
CN111353704A (zh) * 2020-02-28 2020-06-30 广州极飞科技有限公司 电池模块的评估方法、装置、存储介质及电子设备
CN112034352A (zh) * 2020-08-28 2020-12-04 湖北亿纬动力有限公司 一种电池寿命预测方法以及系统
CN112034353B (zh) * 2020-08-28 2023-06-30 湖北亿纬动力有限公司 一种电池寿命预测方法以及系统
CN112034352B (zh) * 2020-08-28 2023-06-30 湖北亿纬动力有限公司 一种电池寿命预测方法以及系统
CN112034353A (zh) * 2020-08-28 2020-12-04 湖北亿纬动力有限公司 一种电池寿命预测方法以及系统
CN114261312A (zh) * 2020-09-16 2022-04-01 蓝谷智慧(北京)能源科技有限公司 一种动力电池充电过程监控方法、装置及设备
CN112216884A (zh) * 2020-10-14 2021-01-12 天能电池(芜湖)有限公司 一种手机电池使用寿命的记录芯片
CN112417767A (zh) * 2020-12-09 2021-02-26 东软睿驰汽车技术（沈阳）有限公司 一种衰减趋势确定模型构建方法、衰减趋势确定方法
CN116593902A (zh) * 2023-07-13 2023-08-15 中国铁塔股份有限公司江西省分公司 基于铁锂电池的性能参数融合成ai模型的故障诊断方法
CN116593902B (zh) * 2023-07-13 2023-10-31 中国铁塔股份有限公司江西省分公司 基于铁锂电池的性能参数融合成ai模型的故障诊断方法

Also Published As

Publication number Publication date
CN106772100B (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN106772100A (zh) 一种预测电池寿命的方法及装置
Misyris et al. State-of-charge estimation for li-ion batteries: A more accurate hybrid approach
Wenzl et al. Life prediction of batteries for selecting the technically most suitable and cost effective battery
Weigert et al. State-of-charge prediction of batteries and battery–supercapacitor hybrids using artificial neural networks
Schmalstieg et al. From accelerated aging tests to a lifetime prediction model: Analyzing lithium-ion batteries
Schiffer et al. Model prediction for ranking lead-acid batteries according to expected lifetime in renewable energy systems and autonomous power-supply systems
CN104584376B (zh) 针对预定义充电持续时间在积分退化全局最小化下对电池进行充电的方法和装置
CN103682498B (zh) 一种充电方法及电子设备
CN106796267B (zh) 蓄电池评价装置、蓄电系统及蓄电池评价方法
KR102032505B1 (ko) 배터리 테스트 장치 및 방법
An et al. Cell sorting for parallel lithium-ion battery systems: Evaluation based on an electric circuit model
EP3352287A1 (en) Storage battery control device, control method, program, power storage system, electric power system
WO2014128902A1 (ja) 二次電池の劣化診断方法およびそれを用いた装置
JP2024059625A (ja) バッテリー性能予測
JP7170288B2 (ja) バッテリを備えた電子機器
CN111426952A (zh) 一种锂离子电池的寿命预测方法
CN106992325B (zh) 电池模块充放电控制方法及充放电控制系统
CN107340476A (zh) 电池的电气状态监测系统和电气状态监测方法
CN113075557B (zh) 一种车主自适应的动力电池剩余寿命预测方法
CN110221210A (zh) 一种锂离子电池循环寿命快速预测方法
Tanaka et al. Accurate and versatile simulation of transient voltage profile of lithium-ion secondary battery employing internal equivalent electric circuit
CN115616425A (zh) 电池性能分析方法、电子设备及储能系统
CN114243867A (zh) 电池均衡优化容量估计方法、系统、电子设备及存储介质
CN110857962A (zh) 电池性能评价方法
CN108199433A (zh) 电池充电时间的计算方法、终端和计算机可读存储介质

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