CN109800477B - 锂离子电池三因素不一致性预测方法及装置 - Google Patents
锂离子电池三因素不一致性预测方法及装置 Download PDFInfo
- Publication number
- CN109800477B CN109800477B CN201811624454.0A CN201811624454A CN109800477B CN 109800477 B CN109800477 B CN 109800477B CN 201811624454 A CN201811624454 A CN 201811624454A CN 109800477 B CN109800477 B CN 109800477B
- Authority
- CN
- China
- Prior art keywords
- parameters
- probability
- dimensional
- parameter
- local
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种锂离子电池三因素不一致性预测方法及装置，方法包括：获取决定电池性能的三类电池工艺参数的统计值；根据预设物理模型，将电池性能参数拆分为多级别、多局部参数的结合体，根据决定电池性能的三类电池工艺参数的统计值，建立不一致性分析统计‑物理模型；通过三种途径获取每个局部参数与电池性能参数的不一致性的关系。本发明通过采集决定电池性能的三类参数的设计数值和生产过程的统计偏差作对不一致性模型的输入参数，将性能参数拆解为若干局部参数，通过三种途径对局部参数分别从概率匹配关系、数值变化关系进行仿真和分析，获取电池性能参数不一致性规律，对有效控制生产工艺波动引起的电池性能参数不一致性具有指导意义。
Description
技术领域
本发明涉及锂离子电池技术领域，具体涉及一种锂离子电池三因素不一致性预测方法及装置。
背景技术
锂离子电池系统由于具有较高的能量密度、功率密度、环境友好的工作方式以及较长的循环寿命，因此一直受到电动汽车的青睐。然而，在对电动汽车要求逐渐升高的同时，动力电池系统存在的问题也逐渐突出。电动汽车的电池系统以单体成组形式工作，由于单体间各项参数存在不一致性，这不仅使锂离子电池原本具有的优势特型大大减弱，还使缺点显著增加，如：容量衰减快、温度易失控、不耐过充放等等。
生产过程是电池不一致性产生的源头，也是控制不一致的源头。电池制造工艺偏差造成电池微观结构参数和组分参数的波动，是造成电池宏观性能参数(如容量、内阻、电压等)不一致性的主要原因。
电池微观参数是由电池设计阶段确定的。在电池设计阶段，每一个参数的数值设定在不同的区间，不尽可以改变电池性能，更重要的是电池性能对其敏感度也将会发生变化。因此，电池设计参数的取值也影响着电池宏观性能不一致性的形成，同时生产过程的工艺偏差造成的电池不一致性也将导致成品电池的性能不同于设计预期的性能。
由于电池生产过程的不一致性问题是面向一批电池产品，无法用实验方法对每个电池的性能参数一一获取，因此目前只能从理论上对电池的不一致性给出解释和分析，无法从根本上对电池的不一致性进行预测以及为电池设计和不一致性的控制提供指导依据。
发明内容
针对现有技术中的问题，本发明提供一种锂离子电池三因素不一致性预测方法及装置。
具体地，本发明提供以下技术方案：
第一方面，本发明提供了一种锂离子电池三因素不一致性预测方法，包括：
获取决定电池性能的三类电池工艺参数的统计值；其中，每种电池工艺参数统计值包括电池设计数值和生产过程的统计偏差；
根据预设物理模型，将电池性能参数拆分为多级别的多个参数的局部参数的结合体，根据决定电池性能的三类电池工艺参数的统计值，利用预设的物理模型，建立不一致性分析统计-物理模型，通过三种途径获取每个局部参数和电池性能参数的不一致性一维统计结果。
进一步地，所述方法还包括：
基于工艺参数在生产过程中的互不相关性，确定由两个互不相关工序决定的工艺参数的随机数组作为输入变量，利用预设的电池性能参数物理模型，获取性能参数不一致性一维统计结果；
基于工艺参数在生产过程中的不相关性，确定由两个互不相关工序决定的工艺参数的匹配结果，建立三类匹配的工艺参数随机匹配的三维联合概率体和三类工艺参数变化关系的三维等值曲面，将两者结合可视化地分析性能参数不一致性关于三类工艺参数波动的分布规律，通过条件概率估计建立工艺-性能参数不一致性预测模型，获取电池性能参数的不一致性的一维分布结果；
根据影响性能参数关键的中间参数与部分工艺参数的函数关系，确定中间参数与部分工艺参数的相关性，通过所述函数关系，重新构建原三维联合概率体，建立存在相关性的中间参数和部分工艺参数随机匹配的三维联合概率体，并结合局部参数关于中间参数和部分工艺参数变化关系的三维等值曲面，分析局部参数不一致性关于中间参数不一致性的分布规律，通过条件概率估计建立工艺/中间-局部参数不一致性预测模型，获取电池局部参数的不一致性的一维分布结果；
根据局部参数的一维概率分布和预设物理模型，推导由电池局部参数作为变量的随机匹配的三维概率体和电池性能参数等值曲面。
进一步地，所述获取决定电池性能的三类电池工艺参数的统计值，包括：
获取决定电池性能的三类电池微观参数-极片面密度、极片厚度和电解液锂离子浓度作为设计参数的绝对数值；
所述极片面密度，包括：
正极极片面密度和负极极片面密度；
所述极片厚度，包括：
正极极片厚度和负极极片厚度；
获取决定电池性能的三类电池微观参数-正/负极极片面密度、正/ 负极极片厚度、电解液锂离子弄浓度作为工艺参数在生产阶段存在工艺偏差的数值统计值，包括均值和标准差；
相应地，根据电池微观参数再生产阶段存在工艺偏差的数值的统计值，利用预设物理模型，获取电池宏观性能参数-电池内阻、中间参数-正/负极电极孔隙率、局部参数-正/负固相电阻、正/负液相电阻、正极电阻、负极电阻和隔膜区域电阻的预期结果并将电阻计算结果与实际结果验证；
相应地，根据电池微观参数在生产阶段存在工艺偏差的数值的统计值，利用预设物理模型，获取电池宏观性能参数-电池内阻、中间参数-正/负极电极孔隙率、局部参数-正/负固相电阻、正/负液相电阻、正极电阻、负极电阻和隔膜区域电阻的不一致性分布结果并将电阻不一致性分布与实际参数统计结果验证。
进一步地，所述方法还包括：
根据下面第一模型确定电池内阻的预期设计结果：
其中，由正负极极片面密度和正负极极片厚度确定电池内阻：
其中，δ为极片/隔膜厚度，κ为固相电导率，σ为液相电导率，与锂离子浓度相关，A为电极面积；下标p，n，s为正极、负极和隔膜；上标eff为该参数多孔体有效数值；
由电极多孔结构参数获取多孔体有效电导率：
其中，ε为多孔体体积占比，τ为多孔体扭曲率；下标sol为固相， liq为液相；
其中，由电极结构参数获取电极多孔体体积占比：
其中，ρ0为电极材料真密度，ρA为电极材料面密度，液相体积比为孔隙率，用ε表示。
进一步地，所述电池内阻的模型拆分为多个一级局部物理模型，包括：
正极内阻：
负极内阻：
隔膜区域内阻：
电池内阻：R＝Rp+Rn+Rs
根据三类工艺参数的统计值与上面的局部物理模型，建立局部统计-物理模型，获取局部参数-电池正极、负极和隔膜区域内阻的不一致
性一维分布概率。
进一步地，所述方法还包括：
获取一级局部参数正极内阻与三类工艺参数之间的随机匹配联合概率三维概率体图和相应数值关系的三维等值曲面图；
分析三类工艺参数与一级局部参数的变化关系，以及由三类参数的概率引起的一级局部参数概率的变化规律，根据三因素条件概率估计方法，计算一级局部参数的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
进一步地，所述方法还包括：
获取一级局部参数负极内阻与三类工艺参数之间的随机匹配联合概率三维概率体图和相应数值关系的三维等值曲面图；
分析三类工艺参数与局部参数的变化关系，以及由三类参数的概率引起的局部参数概率的变化规律，根据三因素条件概率估计方法，计算一级局部参数的一维分布概率；其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
进一步地，所述方法还包括：
获取一级局部参数隔膜区域内阻与相应工艺参数的随机分配的概率和相应数值关系的函数曲线；
分析工艺参数与一级局部参数的变化关系，以及由工艺参数的概率引起的局部参数概率的变化规律；根据条件概率估计方法，计算局部参数隔膜区域内阻的一维分布概率。
进一步地，所述方法还包括：
根据正极内阻、负极内阻与正极孔隙率、负极孔隙率的相关性，将正极孔隙率、负极孔隙率作为中间参数，建立中间参数物理模型，获取上述中间参数不一致性一维分布概率。
进一步地，所述方法还包括：
获取中间参数正极空隙率与相关的两类工艺参数的数值关系的二维等值曲线图和工艺参数之间的随机匹配联合概率二维概率云图；
将二维概率云图与二维等值曲线图相结合，分析两类工艺参数与中间参数的变化关系，以及由两类参数的概率引起的中间参数概率的变化规律；
根据两因素条件概率估计方法，计算每个中间参数的一维分布概率；其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定； p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
进一步地，所述方法还包括：
获取中间参数负极空隙率与相关的两类工艺参数的数值关系的二维等值曲线图和工艺参数之间的随机匹配联合概率二维概率云图；
将二维概率云图与二维等值曲线图相结合，分析两类工艺参数与中间参数的变化关系，以及由两类参数的概率引起的中间参数概率的变化规律；
根据两因素条件概率估计方法，计算每个中间参数的一维分布概率；其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定； p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
进一步地，所述方法还包括：
根据中间参数与一级局部参数正极内阻的相关性，建立中间-一级局部参数存在相关性的统计——物理模型，获取由中间参数以部分工艺参数重新构建的新的三类参数之间存在相关性的三维随机匹配概率体图和三类参数以及上述参数与一级局部参数变化关系的等值曲面图；
将三维概率体图与三维等值曲面图相结合，分析三类工艺参数与一级局部参数的变化关系，以及由三类参数的概率引起的一级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算每个一级局部参数正极内阻的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
进一步地，所述方法还包括：
根据中间参数与一级局部参数负极内阻的相关性，建立中间-一级局部参数存在相关性的统计-物理模型，获取由中间参数以部分工艺参数重新构建的新的三类参数之间存在相关性的三维随机匹配概率体图和三类参数以及上述参数与一级局部参数变化关系的等值曲面图；
将三维概率体图与三维等值曲面图相结合，分析三类工艺参数与一级局部参数的变化关系，以及由三类参数的概率引起的一级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算每个一级局部参数负极内阻的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
进一步地，所述方法还包括：
根据一级局部参数与性能参数的相关性，建立一级局部参数-性能参数存在相关性的统计-物理模型，获取性能参数与一级局部参数的数值关系的三维等值曲面图和一级局部参数之间的存在相关性的三维随机匹配概率体图；
将三维概率体图与三维等值曲面图相结合，分析三类一级局部参数与性能参数的变化关系，以及由三类一级局部参数的概率引起的性能参数概率的变化规律；
根据三因素条件概率估计方法，计算性能参数的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定；p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
进一步地，所述电极电阻拆分为两个二级局部物理模型，包括：
电极固相内阻：
电极液相内阻：
电池电极内阻：
液-固相电阻比值：
根据三类工艺参数的统计值与上述预设物理模型，建立二级局部统计-物理模型，获取二级局部参数-固相内阻、液相内阻的不一致性一维分布概率。
进一步地，所述方法还包括：
根据预设物理模型，获取二级局部参数电极固相电阻与相应两类工艺参数的数值关系的二维等高曲面图和工艺参数之间的随机匹配联合概率二维概率云图；
分析两类工艺参数与二级局部参数电极固相电阻的变化关系，以及由两类参数的概率引起的二级局部参数概率的变化规律；
根据两因素条件概率估计方法，计算二级局部参数电极固相电阻的一维分布概率，其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定； p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
进一步地，所述方法还包括：
根据预设物理模型，获取二级局部参数电极液相电阻与相应三类工艺参数的数值关系的三维等高曲面图和工艺参数之间的随机匹配联合概率二维概率体图；
分析三类工艺参数与二级局部参数电极液相电阻的变化关系，以及由三类参数的概率引起的二级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算二级局部参数电极液相电阻的一维分布概率；
其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
进一步地，所述方法还包括：
根据中间参数与二级局部参数电极固相电阻的相关性，建立中间/ 工艺-二级局部参数电极固相电阻存在相关性的统计——物理模型，获取由中间参数以部分工艺参数重新构建的两类参数之间存在相关性的二维随机匹配概率体图和两类参数以及上述参数与二级局部参数变化关系的等值曲面图；
将二维概率体图与二维等值曲面图相结合，分析两类工艺参数与二级局部参数电极固相电阻的变化关系，以及由两类参数的概率引起的二级局部参数电极固相电阻概率的变化规律；
根据两因素条件概率估计方法，计算二级中间参数电极固相电阻的一维分布概率，其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定； p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
进一步地，所述方法还包括：
根据中间参数与二级局部参数电极液相电阻的相关性，建立中间- 二级局部参数存在相关性的统计——物理模型，获取由中间参数以部分工艺参数重新构建的三类参数之间存在相关性的三维随机匹配概率体图和三类参数以及上述参数与二级局部参数变化关系的等值曲面图；
将三维概率体图与三维等值曲面图相结合，分析三类工艺参数与二级局部参数的变化关系，以及由三类参数的概率引起的二级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算每个二级中间参数电极液相电阻的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
进一步地，所述方法还包括：
通过中间参数和部分工艺参数与二级局部参数比值的关系，建立二级参数比值的统计-物理模型；
通过二级参数的统计值，获取二级局部参数随机数值和构建的存在相关性的二维随机匹配概率云图和以及二级局部参数比值变化关系的等值曲线图；
将二维概率云图与二维等值曲线图相结合，分析中间参数和部分工艺参数与二级局部参数比值的变化关系，以及由二级参数的概率引起的一级局部参数概率的变化规律；
根据两因素条件概率估计方法，计算每个中间参数的一维分布概率，其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定； p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
进一步地，所述方法还包括：
通过正态分布和威布尔分布两种概率模型对最终一致性估计结果进行统计分析。
第二方面，本发明还提供了一种基于数值仿真的锂离子电池不一致性三因素预测装置，包括：
第一获取模块，用于获取决定电池性能的三类电池工艺参数统计值；其中，每种电池工艺参数统计值包括电池设计参数数值和生产过程的工艺参数偏差值的统计值；
第二获取模块，用于根据预设物理模型，将电池性能参数拆分为多级别、多局部参数的结合体，根据决定电池性能的三类电池工艺参数的统计值，建立不一致性分析统计-物理模型；
第三获取模块，通过三种途径获取电池性能参数的不一致性一维统计结果。
第三方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述锂离子电池三因素不一致性预测的步骤。
第四方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述锂离子电池三因素不一致性预测的步骤。
由上面技术方案可知，本发明提供的锂离子电池三因素不一致性预测方法，包括：获取决定电池性能的三类电池工艺参数的统计值；其中，每种电池工艺参数统计值包括电池设计数值和生产过程的统计偏差；根据预设物理模型，将电池性能参数拆分为多级别的多个参数的局部参数的结合体，根据决定电池性能的三类电池工艺参数的统计值，利用预设的物理模型，建立不一致性分析统计-物理模型，通过三种途径获取每个局部参数和电池性能参数的不一致性一维统计结果。本发明通过采集决定电池性能的三类电池设计参数绝对数值和相应的生产序制成的工艺参数偏差的统计值作对电池不一致性模型的输入参数，将性能参数拆解为若干局部参数，通过三种途径对局部参数分别从数值变化关系、概率匹配关系进行仿真和分析，用一维、二维、三维的对由三类因素引起的电池局部不一致性进行数值呈现和统计分析，由此推导和预测三类工艺参数对电池性能不一致性的影响，对有效控制生产工艺波动引起的电池性能参数不一致性以及减小由不一致性引起的电池性能参数偏离预期设计数值具有指导意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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，下面描述中的附图是本发明的一些实施例，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他的附图。
图1是本发明一实施例提供的锂离子电池三因素不一致性预测方法的流程图；
图2是本发明一实施例提供的电池内阻计算原理图；
图3是本发明一实施例提供的电池概率直方图；
图4是本发明一实施例提供的通过三种方法计算得到的正极内阻分布概率直方图；
图5是本发明一实施例提供的通过三种方法计算得到的负极内阻分布概率直方图；
图6是本发明一实施例提供的隔膜区域电解液锂离子浓度概率分布直方图、锂离子浓度与与内阻关系曲线及内阻概率概率分布直方图；
图7是本发明一实施例提供的正极极片厚度、面密度和电解液锂离子浓度随机匹配的概率体图和正极内阻与之数值关系等值曲面；
图8是本发明一实施例提供的正极极片厚度、面密度和电解液锂离子浓度随机匹配的概率体图和负极内阻与之数值关系等值曲面；
图9是本发明一实施例提供的正极极片厚度、孔隙率、电解液锂离子浓度随机匹配的概率体图和正极内阻与之数值关系等值曲面；
图10是本发明一实施例提供的负极极片厚度、孔隙率、电解液锂离子浓度随机匹配的概率体图和负极内阻与之数值关系等值曲面；
图11是本发明一实施例提供的通过两种方法计算得到的正极孔隙率分布概率直方图；
图12是本发明一实施例提供的通过两种方法计算得到的负极孔隙率分布概率直方图；
图13是本发明一实施例提供的正极极片厚度、面密度随机匹配的二维概率云图和正极孔隙率与之数值关系二维等值曲线图；
图14是本发明一实施例提供的负极极片厚度、面密度随机匹配的二维概率云图和负极孔隙率与之数值关系二维等值曲线图；
图15是本发明一实施例提供的正极极片厚度、面密度随机匹配的二维概率云图和正极固相内阻与之数值关系二维等值曲线图；
图16是本发明一实施例提供的负极极片厚度、面密度随机匹配的二维概率云图和负极固相内阻与之数值关系二维等值曲线图；
图17是本发明一实施例提供的正极极片厚度、孔隙率随机匹配的二维概率云图和正极固相内阻与之数值关系二维等值曲线图；
图18是本发明一实施例提供的负极极片厚度、孔隙率随机匹配的二维概率云图和负极固相内阻与之数值关系二维等值曲线图；
图19是本发明一实施例提供的正极极片厚度、面密度、电解液锂离子浓度随机匹配的概率体图和正极液相内阻与之数值关系等值曲面；
图20是本发明一实施例提供的负极极片厚度、面密度、电解液锂离子浓度随机匹配的概率体图和负极液相内阻与之数值关系等值曲面；
图21是本发明一实施例提供的正极极片厚度、孔隙率、电解液锂离子浓度随机匹配的概率体图和正极液相内阻与之数值关系等值曲面；
图22是本发明一实施例提供的负极极片厚度、孔隙率、电解液锂离子浓度随机匹配的概率体图和负极液相内阻与之数值关系等值曲面；
图23是本发明一实施例提供的正极孔隙率、电解液锂离子浓度随机匹配的二维概率云图和正极液相与固相内阻之比数值关系二维等值曲线图；
图24是本发明一实施例提供的负极孔隙率、电解液锂离子浓度随机匹配的二维概率云图和负极液相与固相内阻之比数值关系二维等值曲线图；
图25是本发明一实施例提供的通过两种方法计算得到的电池内阻分布概率直方图；
图26是本发明又一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示出了本发明一实施例提供的锂离子电池三因素不一致性预测方法的流程图。如图1所示，本实施例提供的锂离子电池三因素不一致性预测方法，包括：
步骤101：获取决定电池性能的三类电池工艺参数的统计值；其中，每种电池工艺参数统计值包括电池设计数值和生产过程的统计偏差。
步骤102：根据预设物理模型，将电池性能参数拆分为多级别的多个参数的局部参数的结合体，根据决定电池性能的三类电池工艺参数的统计值，利用预设的物理模型，建立不一致性分析统计-物理模型。
步骤103：通过三种途径获取每个局部参数和电池性能参数的不一致性一维统计结果。
由上面技术方案可知，本实施例提供的锂离子电池三因素不一致性预测方法，包括：获取决定电池性能的三类电池工艺参数的统计值；其中，每种电池工艺参数统计值包括电池设计数值和生产过程的统计偏差；根据预设物理模型，将电池性能参数拆分为多级别的多个参数的局部参数的结合体，根据决定电池性能的三类电池工艺参数的统计值，利用预设的物理模型，建立不一致性分析统计-物理模型，通过三种途径获取每个局部参数和电池性能参数的不一致性一维统计结果。本实施例通过采集决定电池性能的三类电池设计参数绝对数值和相应的生产工序造成的工艺参数偏差的统计值作对电池不一致性模型的输入参数，将性能参数拆解为若干局部参数，通过三种途径对局部参数分别从数值变化关系、概率匹配关系进行仿真和分析，用一维、二维、三维的对由三类因素引起的电池局部不一致性进行数值呈现和统计分析，由此推导和预测三类工艺参数对电池性能不一致性的影响，对有效控制生产工艺波动引起的电池性能参数不一致性以及减小由不一致性引起的电池性能参数偏离预期设计数值具有指导意义。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
基于工艺参数在生产过程中的互不相关性，确定由两个互不相关工序决定的工艺参数的随机数组作为输入变量，利用预设的电池性能参数物理模型，获取性能参数不一致性一维统计结果；
基于工艺参数在生产过程中的不相关性，确定由两个互不相关工序决定的工艺参数的匹配结果，建立三类匹配的工艺参数随机匹配的三维联合概率体和三类工艺参数变化关系的三维等值曲面，将两者结合可视化地分析性能参数不一致性关于三类工艺参数波动的分布规律，通过条件概率估计建立工艺-性能参数不一致性预测模型，获取电池性能参数的不一致性的一维分布结果；
根据影响性能参数关键的中间参数与部分工艺参数的函数关系，确定中间参数与部分工艺参数的相关性，通过所述函数关系，重新构建原三维联合概率体，建立存在相关性的中间参数和部分工艺参数随机匹配的三维联合概率体，并结合局部参数关于中间参数和部分工艺参数变化关系的三维等值曲面，分析局部参数不一致性关于中间参数不一致性的分布规律，通过条件概率估计建立工艺/中间-局部参数不一致性预测模型，获取电池局部参数的不一致性的一维分布结果；
根据局部参数的一维概率分布和预设物理模型，推导由电池局部参数作为变量的随机匹配的三维概率体和电池性能参数等值曲面。
基于上述实施例的内容，在一种可选实施方式中，所述获取决定电池性能的三类电池工艺参数的统计值，包括：
获取决定电池性能的三类电池微观参数-极片面密度、极片厚度和电解液锂离子浓度作为设计参数的绝对数值；
所述极片面密度，包括：
正极极片面密度和负极极片面密度；
所述极片厚度，包括：
正极极片厚度和负极极片厚度；
获取决定电池性能的三类电池微观参数-正/负极极片面密度、正/ 负极极片厚度、电解液锂离子弄浓度作为工艺参数在生产阶段存在工艺偏差的数值统计值，包括均值和标准差；
相应地，根据电池微观参数再生产阶段存在工艺偏差的数值的统计值，利用预设物理模型，获取电池宏观性能参数-电池内阻、中间参数-正/负极电极孔隙率、局部参数-正/负固相电阻、正/负液相电阻、正极电阻、负极电阻和隔膜区域电阻的预期结果并将电阻计算结果与实际结果验证；
相应地，根据电池微观参数在生产阶段存在工艺偏差的数值的统计值，利用预设物理模型，获取电池宏观性能参数-电池内阻、中间参数-正/负极电极孔隙率、局部参数-正/负固相电阻、正/负液相电阻、正极电阻、负极电阻和隔膜区域电阻的不一致性分布结果并将电阻不一致性分布与实际参数统计结果验证。
具体来说，对于电池内阻这一特性参数，其计算原理如图2所示。电池总体内阻为正极、隔膜、负极三部分内阻串联总和。其中，正负极内阻为固相和电解液内阻并联得到，隔膜部分只有电解液内阻。每部分内阻计算方法如下所示：
电极孔隙率和扭曲率为影响电池内阻的主要参数，计算如下：
通过电极孔隙率和扭曲率电极材料和电解液的本征电导率转化为有效电导率：
全电池的内阻计算如下：
上述容量和内阻的模型都可以表示为关于观测的工艺参数的函数。如果一次同时观察两个参数，可以将输出的性能参数和两个输入的工艺参数之间建立数值关系，并且可以用而二维曲面、等高线表示，这是后续实施例将要介绍的内容。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
根据下面第一模型确定电池内阻的预期设计结果：
其中，由正负极极片面密度和正负极极片厚度确定电池内阻：
其中，δ为极片/隔膜厚度，κ为固相电导率，σ为液相电导率，与锂离子浓度相关，A为电极面积；下标p，n，s为正极、负极和隔膜；上标eff为该参数多孔体有效数值；
由电极多孔结构参数获取多孔体有效电导率：
其中，ε为多孔体体积占比，τ为多孔体扭曲率；下标sol为固相， liq为液相；
其中，由电极结构参数获取电极多孔体体积占比：
其中，ρ0为电极材料真密度，ρA为电极材料面密度，液相体积比为孔隙率，用ε表示。
基于上述实施例的内容，在一种可选实施方式中，所述电池内阻的模型拆分为多个一级局部物理模型，包括：
正极内阻：
负极内阻：
隔膜区域内阻：
电池内阻：R＝Rp+Rn+Rs
根据三类工艺参数的统计值与上面的局部物理模型，建立局部统计-物理模型，获取局部参数-电池正极、负极和隔膜区域内阻的不一致
性一维分布概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
获取一级局部参数正极内阻与三类工艺参数之间的随机匹配联合概率三维概率体图和相应数值关系的三维等值曲面图；
分析三类工艺参数与一级局部参数的变化关系，以及由三类参数的概率引起的一级局部参数概率的变化规律，根据三因素条件概率估计方法，计算一级局部参数的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
获取一级局部参数负极内阻与三类工艺参数之间的随机匹配联合概率三维概率体图和相应数值关系的三维等值曲面图；
分析三类工艺参数与局部参数的变化关系，以及由三类参数的概率引起的局部参数概率的变化规律，根据三因素条件概率估计方法，计算一级局部参数的一维分布概率；其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
获取一级局部参数隔膜区域内阻与相应工艺参数的随机分配的概率和相应数值关系的函数曲线；
分析工艺参数与一级局部参数的变化关系，以及由工艺参数的概率引起的局部参数概率的变化规律；根据条件概率估计方法，计算局部参数隔膜区域内阻的一维分布概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
根据正极内阻、负极内阻与正极孔隙率、负极孔隙率的相关性，将正极孔隙率、负极孔隙率作为中间参数，建立中间参数物理模型，获取上述中间参数不一致性一维分布概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
获取中间参数正极空隙率与相关的两类工艺参数的数值关系的二维等值曲线图和工艺参数之间的随机匹配联合概率二维概率云图；
将二维概率云图与二维等值曲线图相结合，分析两类工艺参数与中间参数的变化关系，以及由两类参数的概率引起的中间参数概率的变化规律；
根据两因素条件概率估计方法，计算每个中间参数的一维分布概率；其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定； p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
获取中间参数负极空隙率与相关的两类工艺参数的数值关系的二维等值曲线图和工艺参数之间的随机匹配联合概率二维概率云图；
将二维概率云图与二维等值曲线图相结合，分析两类工艺参数与中间参数的变化关系，以及由两类参数的概率引起的中间参数概率的变化规律；
根据两因素条件概率估计方法，计算每个中间参数的一维分布概率；其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定； p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
根据中间参数与一级局部参数正极内阻的相关性，建立中间-一级局部参数存在相关性的统计-物理模型，获取由中间参数以部分工艺参数重新构建的新的三类参数之间存在相关性的三维随机匹配概率体图和三类参数以及上述参数与一级局部参数变化关系的等值曲面图；
将三维概率体图与三维等值曲面图相结合，分析三类工艺参数与一级局部参数的变化关系，以及由三类参数的概率引起的一级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算每个一级局部参数正极内阻的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
根据中间参数与一级局部参数负极内阻的相关性，建立中间-一级局部参数存在相关性的统计-物理模型，获取由中间参数以部分工艺参数重新构建的新的三类参数之间存在相关性的三维随机匹配概率体图和三类参数以及上述参数与一级局部参数变化关系的等值曲面图；
将三维概率体图与三维等值曲面图相结合，分析三类工艺参数与一级局部参数的变化关系，以及由三类参数的概率引起的一级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算每个一级局部参数负极内阻的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定；p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
根据一级局部参数与性能参数的相关性，建立一级局部参数-性能参数存在相关性的统计-物理模型，获取性能参数与一级局部参数的数值关系的三维等值曲面图和一级局部参数之间的存在相关性的三维随机匹配概率体图；
将三维概率体图与三维等值曲面图相结合，分析三类一级局部参数与性能参数的变化关系，以及由三类一级局部参数的概率引起的性能参数概率的变化规律；
根据三因素条件概率估计方法，计算性能参数的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述电极电阻拆分为两个二级局部物理模型，包括：
电极固相内阻：
电极液相内阻：
电池电极内阻：
液-固相电阻比值：
根据三类工艺参数的统计值与上述预设物理模型，建立二级局部统计-物理模型，获取二级局部参数-固相内阻、液相内阻的不一致性一维分布概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
根据预设物理模型，获取二级局部参数电极固相电阻与相应两类工艺参数的数值关系的二维等高曲面图和工艺参数之间的随机匹配联合概率二维概率云图；
分析两类工艺参数与二级局部参数电极固相电阻的变化关系，以及由两类参数的概率引起的二级局部参数概率的变化规律；
根据两因素条件概率估计方法，计算二级局部参数电极固相电阻的一维分布概率，其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定； p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
根据预设物理模型，获取二级局部参数电极液相电阻与相应三类工艺参数的数值关系的三维等高曲面图和工艺参数之间的随机匹配联合概率二维概率体图；
分析三类工艺参数与二级局部参数电极液相电阻的变化关系，以及由三类参数的概率引起的二级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算二级局部参数电极液相电阻的一维分布概率；
其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
根据中间参数与二级局部参数电极固相电阻的相关性，建立中间/ 工艺-二级局部参数电极固相电阻存在相关性的统计-物理模型，获取由中间参数以部分工艺参数重新构建的两类参数之间存在相关性的二维随机匹配概率体图和两类参数以及上述参数与二级局部参数变化关系的等值曲面图；
将二维维概率体图与二维等值曲线图相结合，分析两类工艺参数与二级局部参数电极固相电阻的变化关系，以及由两类参数的概率引起的二级局部参数电极固相电阻概率的变化规律；
根据两因素条件概率估计方法，计算二级中间参数电极固相电阻的一维分布概率，其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定； p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
根据中间参数与二级局部参数电极液相电阻的相关性，建立中间- 二级局部参数存在相关性的统计-物理模型，获取由中间参数以部分工艺参数重新构建的三类参数之间存在相关性的三维随机匹配概率体图和三类参数以及上述参数与二级局部参数变化关系的等值曲面图；
将三维概率体图与三维等值曲面图相结合，分析三类工艺参数与二级局部参数的变化关系，以及由三类参数的概率引起的二级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算每个二级中间参数电极液相电阻的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定； p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：
通过中间参数和部分工艺参数与二级局部参数比值的关系，建立二级参数比值的统计-物理模型；
通过二级参数的统计值，获取二级局部参数随机数值和构建的存在相关性的二维随机匹配概率云图和以及二级局部参数比值变化关系的等值曲线图；
将二维概率云图与二维等值曲线图相结合，分析中间参数和部分工艺参数与二级局部参数比值的变化关系，以及由二级参数的概率引起的一级局部参数概率的变化规律；
根据两因素条件概率估计方法，计算每个中间参数的一维分布概率，其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定； p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
由上面技术方案可知，本实施例根据预设物理模型，通过三种途径建立电池不一致性预测方法：途径一，基于工艺参数在生产过程中的互不相关性，确定由两个互不相关工序决定的工艺参数的随机数组作为输入变量，利用预设的电池性能参数物理模型，获取性能参数不一致性一维统计结果；途径二，基于工艺参数在生产过程中的不相关性，确定由两个互不相关工序决定的工艺参数的匹配结果，建立三类匹配的工艺参数随机匹配的三维联合概率体和三类工艺参数变化关系的三维等值曲面，将两者结合可视化地分析性能参数不一致性关于三类工艺参数波动的分布规律，通过条件概率估计建立工艺-性能参数不一致性预测模型，获取电池性能参数的不一致性的一维分布结果；途径三，根据影响性能参数关键的中间参数与部分工艺参数的函数关系，确定中间参数与部分工艺参数的相关性，通过上述函数关系，对原三维联合概率体进行坐标变换，建立存在相关性的中间参数和部分工艺参数随机匹配的三维联合概率体和数值关系的三维等值曲面，将两者结合可视化地分析性能参数不一致性关于三类工艺参数波动的分布规律，通过条件概率估计建立工艺-性能参数不一致性预测模型，获取电池性能参数的不一致性的一维分布结果。
由上面技术方案可知，本实施例根据预设物理模型，将性能参数进行合理拆分为多个参数的一级局部参数的结合体，根据电池工艺参数统计值，利用预设统计-物理模型，利用上述三种途径获取每个局部参数和最终电池性能参数的不一致性一维统计结果并用性能参数的统计结果验证统计-物理模型合理性；根据模型结结构，将一级局部参数拆解为两个二级局部参数，利用上述三种途径，获取电池局部参数的不一致性的一维分布结果；根据局部参数的一维概率分布和预设物理模型，通过第二种途径推导由电池局部参数作为变量的随机匹配的三维概率体和电池性能参数等值曲面。
可见，本实施例通过采集决定电池性能的三类电池设计参数绝对数值和相应的生产序制成的工艺参数偏差的统计值作对电池不一致性模型的输入参数，将性能参数拆解为若干局部参数，通过三种途径对局部参数分别从数值变化关系、概率匹配关系进行仿真和分析，用一维、二维、三维的对由三类因素引起的电池局部不一致性进行数值呈现和统计分析，由此推导和预测三类工艺参数对电池性能不一致性的影响，对有效控制生产工艺波动引起的电池性能参数不一致性以及减小由不一致性引起的电池性能参数偏离预期设计数值具有指导意义。
基于上述实施例的内容，在一种可选实施方式中，所述方法还包括：通过可视化呈现方法，将电池性能参数与工艺参数的数值关系等值曲线图和工艺参数的匹配概率体、云图相结合，获取电池被拆解参数不一致性分布的一维概率分布。
在本实施方式中，通过可视化呈现方式，可以根据三种工艺参数匹配的概率体图和电池被拆解参数的数值等值曲线图，最终获取被拆解参数-内阻的概率直方图，最终获取电池性能参数不一致性分布的一维概率分布，从而得到电池性能参数和各级被拆解的局部参数的分析结果。后续还将通过具体实例以及附图进行详细说明。
由上面描述可知，本实施例通过采集电池设计参数数值和生产过程的工艺参数偏差的统计值作对电池不一致性模型的输入参数，再采集电池成品性能测试的统计数据作为验证依据。根据对仿真结果分别进行一维、二维、三维的数值呈现和统计分析，并将两者结合起来用可视化的方法对不同输入参数变化对电池性能不一致性的影响进行分析。
下面结合附图以及具体案例对本实施例提供的锂离子电池三因素不一致性预测方法进行详细说明。具体地，根据上述模型和方法，对实际电池生产过程的工艺参数进行采集和统计，并结合其他非波动的参数，模型输入参数如表1，输入参数统计值如表2所示，仿真结果的统计值如表3。
表1模型参数设定
表2模型参数统计值设定
备注：N为正态分布，U为均匀分布
表3仿真结果验证
将与内阻相关的工艺参数是正负极极片面密度、厚度和电解液锂离子弄浓度作为内阻模型的输入参数，根据表1计算得到电池内阻在设计阶段的期望数值。根据表2参数的统计值计算得到实际生产过程电池内阻的不一致性分布，其统计分析得到的概率直方图，如图3。
为进一步分析电池内阻的构成，将电池内阻拆分为正极内阻、负极内阻和隔膜区域内阻三个一级局部参数，根据三种工艺参数对一级局部参数的关系，由工艺-一级局部参数物理模型，利用第一种途径计算得到三个一级局部参数的不一致性概率分布直方图，如图4、5、6；利用第二种途径，对正极内阻和负极内阻两个一级局部参数分别用上述进行一致性估计和分析，得到正极内阻和负极内阻关于三类工艺参数的可视化的三维概率分布体与等值曲面的结合图，如图7、8，通过每个等值曲面上的概率分布云图，可以了解一级局部参数不一致性的形成机理。再根据条件概率估计方法由上述三维图像计算得到正极内阻和负极内阻的不一致性一维概率分布直方图，如图4、5；利用第三种途径，对正极内阻和负极内阻两个一级局部参数分别用上述进行一致性估计和分析，得到中间参数和部分三类工艺参数关于正极内阻和负极内阻的可视化的三维概率分布体与等值曲面的结合图，如图9、10，通过每个等值曲面上的概率分布云图，可以了解一级局部参数不一致性的形成机理。再根据条件概率估计方法由上述三维图像计算得到正极内阻和负极内阻的不一致性一维概率分布直方图，如图4、5。
由工艺-中间参数物理模型，利用第一种途径计算得到正极、负极中间参数孔隙率的不一致性概率分布直方图，如图11、12；利用第二种途径利用第二途径对正极、负极孔隙率分别进行一致性估计和分析，得到可视化的二维概率分布体与等值曲面的结合图，如图13、14，通过每条等高曲线上的概率分布，可以了解孔隙率不一致性的形成机理，通过条件概率估计，计算得到正极、负极中间参数的不一致性概率分布直方图，如图11、12。
再进一步地，将正极内阻和负极内阻两个一级局部参数分别拆分为固相内阻和液相内阻。根据两种工艺参数对二级局部参数的关系，由工艺-二级局部参数物理模型，利用第二途径对正极固相内阻和负极固相内阻分别进行一致性估计和分析，得到可视化的二维概率分布体与等值曲面的结合图，如图15、16，通过每条等高曲线上的概率分布，可以了解二级局部参数不一致性的形成机理；根据中间参数和部分工艺参数对二级局部参数的关系，由中间/工艺-二级局部参数物理模型，利用第三途径对正极固相内阻和负极固相内阻分别进行一致性估计和分析，得到中间参数和部分三类工艺参数关于正极内阻和负极内阻的可视化的三维概率分布体与等值曲面的结合图，如图17、18，通过每条等高曲线上的概率分布，可以了解二级局部参数不一致性的形成机理。
根据三种工艺参数对二级局部参数的关系，由工艺-二级局部参数物理模型，利用第二途径对正极液相内阻和负极液相内阻分别进行一致性估计和分析，得到可视化的三维概率分布体与等值曲面的结合图，如图19、20，通过每个等值曲面上的概率分布云图，可以了解二级局部参数不一致性的形成机理；根据中间参数和部分工艺参数对二级局部参数的关系，由中间/工艺-二级局部参数物理模型，利用第三途径对正极固相内阻和负极固相内阻分别进行一致性估计和分析，得到中间参数和部分三类工艺参数关于正极内阻和负极内阻的可视化的三维概率分布体与等值曲面的结合图，如图21、22，通过每个等值曲面上的概率分布云图，可以了解一级局部参数不一致性的形成机理。
此外，根据二级局部参数同极的固相电阻和液相电阻的比值关系，可以建立固液相电阻比值关于中间参数和部分工艺参数随机匹配的二维概率云图和数值关系的等值曲线图，如图23、24。
根据上述过程求得的三个电池一级局部参数的一维不一致性统计结果，利用电池性能参数物理模型和三个一级局部参数的随机匹配结果，，得到可视化的电池内阻关于三个局部参数和的三维概率分布体与等值曲面的结合图，如图25，通过每个等值曲面上的概率分布云图，可以了解一级局部参数不一致性的形成机理。根据条件概率估计，计算得到电池内阻的不一致性概率分布直方图，如图3。
通过第一、二两种途径，计算得到的三组内阻概率直方图的误差均小于5％，说明内阻不一致性的计算方法得到的结果是可以相互佐证的，从而验证了上述用三维统计—物理模型对三因素内阻不一致性估计的正确性。计算结果的标准差误差低于内阻的标准差，是由于实际生产过程存在更多地不确定因素，是成品电池的内阻不一致性比理论计算结果更高。
在一种可选实施方式中，可以通过正态分布和威布尔分布两种概率模型对最终一致性估计结果进行统计分析。
由上面描述可知，本实施例通过采集电池设计参数和电池生产过程工艺参数作为模型的输入参数，采集成品电池测试参数的统计数值作为模型的验证依据，保证了后续电池不一致性分析的可靠性。此外，本实施例对电池不一致性的分析方法由传统的一维统计方法转化为二维统计方法。此外，本实施例通过可视化呈现方法，将电池性能参数与工艺参数的数值关系等值曲线图和工艺参数的匹配概率云图相结合，获得更加直观的电池不一致的形成机理，由此直接计算得到性能参数不一致性分布的一维概率分布。此外，本实施例将关键设计参数作为电池不一致性的影响因素，替代原始计算模型中比较不重要的工艺参数，通过坐标变换得到以关键设计参数作为输入参数的概率云图和数值等值曲线图，由此能够观察关键设计参数与性能参数的直接关系，根据条件概率可计算得到性能不一致性的一维概率分布。此外，本实施例采用正态分布和威布尔分布的统计值评价电池性能不一致性，统计值与工艺参数变化的关系，更加准确了解工艺参数的波动对电池性能不一致性的影响方式。
综上所述，本实施例通过仿真方法对电池设计阶段的参数设定过程和生产阶段产品参数的不一致性形成过程进行模拟，从而确定实际生产与理论设计产生偏差的原因，由此可以高效地确定电池设计参数范围并生产工艺参数的控制精度，缩短电池研发设计周期并提高产品质量控制成本。本实施例通过二维概率模型的电池不一致性分析方法，可以对现有生产条件的电池产品不一致性做出准确的预测对工程制造就有很强的指导意义。此外，本实施例通过性能参数与工艺参数的二维数值关系图，对理解电池微观参数与宏观性能之间的关系具有理论指导意义。
图26示出了本发明又一实施例的电子设备的结构示意图。如图26 所示，本实施例提供的电子设备，具体包括如下内容：处理器601、存储器602、通信接口603和总线604；
其中，所述处理器601、存储器602、通信接口603通过所述总线 604完成相互间的通信；所述通信接口603用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输；
所述处理器601用于调用所述存储器602中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例一中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤101：获取决定电池性能的三类电池工艺参数的统计值；其中，每种电池工艺参数统计值包括电池设计数值和生产过程的统计偏差。
步骤102：根据预设物理模型，将电池性能参数拆分为多级别的多个参数的局部参数的结合体，根据决定电池性能的三类电池工艺参数的统计值，利用预设的物理模型，建立不一致性分析统计-物理模型。
步骤103：通过三种途径获取每个局部参数和电池性能参数的不一致性一维统计结果。
此外，上述的存储器中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
基于相同的发明构思，本发明又一实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例一的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤101：获取决定电池性能的三类电池工艺参数的统计值；其中，每种电池工艺参数统计值包括电池设计数值和生产过程的统计偏差。
步骤102：根据预设物理模型，将电池性能参数拆分为多级别的多个参数的局部参数的结合体，根据决定电池性能的三类电池工艺参数的统计值，利用预设的物理模型，建立不一致性分析统计-物理模型。
步骤103：通过三种途径获取每个局部参数和电池性能参数的不一致性一维统计结果。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
需要说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
Claims (21)
1.一种锂离子电池三因素不一致性预测方法，其特征在于，包括：
获取决定电池性能的三类电池工艺参数的统计值；其中，每种电池工艺参数统计值包括电池设计数值和生产过程的统计偏差；
根据预设物理模型，将电池性能参数拆分为多级别、多局部参数的结合体，根据决定电池性能的三类电池工艺参数的统计值，建立不一致性分析统计-物理模型；
通过三种途径获取每个局部参数与电池性能参数的不一致性的关系；
基于工艺参数在生产过程中的互不相关性，确定由两个互不相关工序决定的工艺参数的随机数组作为输入变量，利用预设的电池性能参数物理模型，获取性能参数不一致性一维统计结果；
基于工艺参数在生产过程中的不相关性，确定由两个互不相关工序决定的工艺参数的匹配结果，建立三类匹配的工艺参数随机匹配的三维联合概率体和三类工艺参数变化关系的三维等值曲面，将两者结合可视化地分析性能参数不一致性关于三类工艺参数波动的分布规律，通过条件概率估计建立工艺-性能参数不一致性预测模型，获取电池性能参数的不一致性的一维分布结果；
根据影响性能参数关键的中间参数与部分工艺参数的函数关系，确定中间参数与部分工艺参数的相关性，通过所述函数关系，重新构建原三维联合概率体，建立存在相关性的中间参数和部分工艺参数随机匹配的三维联合概率体，并结合局部参数关于中间参数和部分工艺参数变化关系的三维等值曲面，分析局部参数不一致性关于中间参数不一致性的分布规律，通过条件概率估计建立工艺/中间-局部参数不一致性预测模型，获取电池局部参数的不一致性的一维分布结果；
根据局部参数的一维概率分布和预设物理模型，推导由电池局部参数作为变量随机匹配的三维概率体和电池性能参数等值曲面；所述获取决定电池性能的三类电池工艺参数的统计值，包括：
获取决定电池性能的三类电池微观参数-极片面密度、极片厚度和电解液锂离子浓度作为设计参数的绝对数值；
所述极片面密度，包括：
正极极片面密度和负极极片面密度；
所述极片厚度，包括：
正极极片厚度和负极极片厚度；
获取决定电池性能的三类电池微观参数-正/负极极片面密度、正/负极极片厚度、电解液锂离子浓度作为工艺参数在生产阶段的统计值，包括均值和标准差；
相应地，根据电池微观参数在生产阶段的统计值，利用预设物理模型，获取电池宏观性能参数-电池内阻、中间参数-正/负极电极孔隙率、局部参数-正/负固相电阻、正/负液相电阻、正极电阻、负极电阻和隔膜区域电阻的预期结果并将电阻计算结果与实际结果验证；
相应地，根据电池微观参数在生产阶段的统计值，利用预设物理模型，获取电池宏观性能参数-电池内阻、中间参数-正/负极电极孔隙率、局部参数-正/负固相电阻、正/负液相电阻、正极电阻、负极电阻和隔膜区域电阻的不一致性分布结果并将电阻不一致性分布与实际参数统计结果验证。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据下面第一模型确定电池内阻的预期设计结果：
其中，由正负极极片面密度和正负极极片厚度确定电池内阻：
其中，δ为极片/隔膜厚度，κ为固相电导率，ζ为液相电导率，与锂离子浓度相关，A为电极面积；下标p，n，s为正极、负极和隔膜；上标eff为该参数多孔体有效数值；
由电极多孔结构参数获取多孔体有效电导率：
其中，ε为多孔体体积占比，η为多孔体扭曲率；下标sol为固相，liq为液相；
其中，由电极结构参数获取电极多孔体体积占比：
其中，ρ0为电极材料真密度，ρA为电极材料面密度，液相体积比为孔隙率，用ε表示。
3.根据权利要求2所述的方法，其特征在于，所述电池内阻的模型拆分为多个一级局部物理模型，包括：
正极内阻：
负极内阻：
隔膜区域内阻：
电池内阻：R＝Rp+Rn+Rs
根据三类工艺参数的统计值与上面的局部物理模型，建立局部统计-物理模型，获取局部参数-电池正极、负极和隔膜区域内阻的不一致性一维分布概率。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取一级局部参数正极内阻与三类工艺参数之间的随机匹配联合概率三维概率体图和相应数值关系的三维等值曲面图；
分析三类工艺参数与一级局部参数的变化关系，以及由三类参数的概率引起的一级局部参数概率的变化规律，根据三因素条件概率估计方法，计算一级局部参数的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定；p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取一级局部参数负极内阻与三类工艺参数之间的随机匹配联合概率三维概率体图和相应数值关系的三维等值曲面图；
分析三类工艺参数与局部参数的变化关系，以及由三类参数的概率引起的局部参数概率的变化规律，根据三因素条件概率估计方法，计算一级局部参数的一维分布概率；其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定；p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取一级局部参数隔膜区域内阻与相应工艺参数的随机分配的概率和相应数值关系的函数曲线；
分析工艺参数与一级局部参数的变化关系，以及由工艺参数的概率引起的局部参数概率的变化规律；根据条件概率估计方法，计算局部参数隔膜区域内阻的一维分布概率。
7.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据正极内阻、负极内阻与正极孔隙率、负极孔隙率的相关性，将正极孔隙率、负极孔隙率作为中间参数，建立中间参数物理模型，获取上述中间参数不一致性一维分布概率。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
获取中间参数正极空隙率与相关的两类工艺参数的数值关系的二维等值曲线图和工艺参数之间的随机匹配联合概率二维概率云图；
将二维概率云图与二维等值曲线图相结合，分析两类工艺参数与中间参数的变化关系，以及由两类参数的概率引起的中间参数概率的变化规律；
根据两因素条件概率估计方法，计算每个中间参数的一维分布概率；其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定；p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
9.根据权利要求7所述的方法，其特征在于，所述方法还包括：
获取中间参数负极孔隙率与相关的两类工艺参数的数值关系的二维等值曲线图和工艺参数之间的随机匹配联合概率二维概率云图；
将二维概率云图与二维等值曲线图相结合，分析两类工艺参数与中间参数的变化关系，以及由两类参数的概率引起的中间参数概率的变化规律；
根据两因素条件概率估计方法，计算每个中间参数的一维分布概率；其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定；p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
10.根据权利要求3、4或7所述的方法，其特征在于，所述方法还包括：
根据中间参数与一级局部参数正极内阻的相关性，建立中间-一级局部参数存在相关性的统计-物理模型，获取由中间参数以部分工艺参数重新构建的新的三类参数之间存在相关性的三维随机匹配概率体图和三类参数以及上述参数与一级局部参数变化关系的等值曲面图；
将三维概率体图与三维等值曲面图相结合，分析三类工艺参数与一级局部参数的变化关系，以及由三类参数的概率引起的一级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算每个一级局部参数正极内阻的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定；p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
11.根据权利要求3、4或7所述的方法，其特征在于，所述方法还包括：
根据中间参数与一级局部参数负极内阻的相关性，建立中间-一级局部参数存在相关性的统计-物理模型，获取由中间参数以部分工艺参数重新构建的新的三类参数之间存在相关性的三维随机匹配概率体图和三类参数以及上述参数与一级局部参数变化关系的等值曲面图；
将三维概率体图与三维等值曲面图相结合，分析三类工艺参数与一级局部参数的变化关系，以及由三类参数的概率引起的一级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算每个一级局部参数负极内阻的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定；p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
12.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据一级局部参数与性能参数的相关性，建立一级局部参数-性能参数存在相关性的统计-物理模型，获取性能参数与一级局部参数的数值关系的三维等值曲面图和一级局部参数之间的存在相关性的三维随机匹配概率体图；
将三维概率体图与三维等值曲面图相结合，分析三类一级局部参数与性能参数的变化关系，以及由三类一级局部参数的概率引起的性能参数概率的变化规律；
根据三因素条件概率估计方法，计算性能参数的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定；p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
13.根据权利要求3所述的方法，其特征在于，电极电阻拆分为两个二级局部物理模型，包括：
电极固相内阻：
电极液相内阻：
电池电极内阻：
液-固相电阻比值：
根据三类工艺参数的统计值与上述预设物理模型，建立二级局部统计-物理模型，获取二级局部参数-固相内阻、液相内阻的不一致性一维分布概率。
14.根据权利要求13所述的方法，其特征在于，所述方法还包括：
根据预设物理模型，获取二级局部参数电极固相电阻与相应两类工艺参数的数值关系的二维等高曲面图和工艺参数之间的随机匹配联合概率二维概率云图；
分析两类工艺参数与二级局部参数电极固相电阻的变化关系，以及由两类参数的概率引起的二级局部参数概率的变化规律；
根据两因素条件概率估计方法，计算二级局部参数电极固相电阻的一维分布概率，其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定；p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
15.根据权利要求13所述的方法，其特征在于，所述方法还包括：
根据预设物理模型，获取二级局部参数电极液相电阻与相应三类工艺参数的数值关系的三维等高曲面图和工艺参数之间的随机匹配联合概率二维概率体图；
分析三类工艺参数与二级局部参数电极液相电阻的变化关系，以及由三类参数的概率引起的二级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算二级局部参数电极液相电阻的一维分布概率；
其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定；p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
16.根据权利要求7、13或14所述的方法，其特征在于，所述方法还包括：
根据中间参数与二级局部参数电极固相电阻的相关性，建立中间/工艺-二级局部参数电极固相电阻存在相关性的统计-物理模型，获取由中间参数以部分工艺参数重新构建的两类参数之间存在相关性的二维随机匹配概率体图和两类参数以及上述参数与二级局部参数变化关系的等值曲面图；
将二维概率体图与二维等值曲面图相结合，分析两类工艺参数与二级局部参数电极固相电阻的变化关系，以及由两类参数的概率引起的二级局部参数电极固相电阻概率的变化规律；
根据两因素条件概率估计方法，计算二级中间参数电极固相电阻的一维分布概率，其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定；p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
17.根据权利要求7、13或15所述的方法，其特征在于，所述方法还包括：
根据中间参数与二级局部参数电极液相电阻的相关性，建立中间-二级局部参数存在相关性的统计-物理模型，获取由中间参数以部分工艺参数重新构建的三类参数之间存在相关性的三维随机匹配概率体图和三类参数以及上述参数与二级局部参数变化关系的等值曲面图；
将三维概率体图与三维等值曲面图相结合，分析三类工艺参数与二级局部参数的变化关系，以及由三类参数的概率引起的二级局部参数概率的变化规律；
根据三因素条件概率估计方法，计算每个二级中间参数电极液相电阻的一维分布概率，其中，三因素条件概率估计公式为：
其中，v为观测对象的三因素观测值，由随机变量x，y，z决定；p(v)为观测对象的观测值为V的概率；p(x,y,z)为三个随机变量的随机匹配概率。
18.根据权利要求9所述的方法，其特征在于，所述方法还包括：
通过中间参数和部分工艺参数与二级局部参数比值的关系，建立二级参数比值的统计-物理模型；
通过二级参数的统计值，获取二级局部参数随机数值和构建的存在相关性的二维随机匹配概率云图和以及二级局部参数比值变化关系的等值曲线图；
将二维概率云图与二维等值曲线图相结合，分析中间参数和部分工艺参数与二级局部参数比值的变化关系，以及由二级参数的概率引起的一级局部参数概率的变化规律；
根据两因素条件概率估计方法，计算每个中间参数的一维分布概率，其中，两因素条件概率估计公式为：
其中，F为观测对象的两因素观测值，由随机变量x，y，z决定；p(F)为观测对象的观测值为F的概率；p(x,y)为两个随机变量的随机匹配概率。
19.根据权利要求1所述的方法，其特征在于，所述方法还包括：
通过正态分布和威布尔分布两种概率模型对最终一致性估计结果进行统计分析。
20.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至19任一项所述锂离子电池三因素不一致性预测方法的步骤。
21.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至19任一项所述锂离子电池三因素不一致性预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811624454.0A CN109800477B (zh) | 2018-12-28 | 2018-12-28 | 锂离子电池三因素不一致性预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811624454.0A CN109800477B (zh) | 2018-12-28 | 2018-12-28 | 锂离子电池三因素不一致性预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109800477A CN109800477A (zh) | 2019-05-24 |
| CN109800477B true CN109800477B (zh) | 2023-04-07 |
Family
ID=66557973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811624454.0A Active CN109800477B (zh) | 2018-12-28 | 2018-12-28 | 锂离子电池三因素不一致性预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109800477B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111898846B (zh) * | 2020-06-04 | 2023-12-05 | 浙江电力交易中心有限公司 | 电力消费量缺失数据的提取方法 |
| CN112827863A (zh) * | 2020-12-30 | 2021-05-25 | 国联汽车动力电池研究院有限责任公司 | 一种基于制造过程的电池一致性筛选方法及装置 |
| CN113945763A (zh) * | 2021-11-15 | 2022-01-18 | 湖北亿纬动力有限公司 | 一种极片的液相电阻的测试方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106207265A (zh) * | 2016-07-26 | 2016-12-07 | 金龙联合汽车工业（苏州）有限公司 | 一种提高锂离子电池一致性的制备方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10127342B2 (en) * | 2016-04-08 | 2018-11-13 | Nano And Advanced Materials Institute Limited | Method of designing and modifying lithium ion battery cathode materials |
-
2018
- 2018-12-28 CN CN201811624454.0A patent/CN109800477B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106207265A (zh) * | 2016-07-26 | 2016-12-07 | 金龙联合汽车工业（苏州）有限公司 | 一种提高锂离子电池一致性的制备方法 |
Non-Patent Citations (3)
| Title |
|---|
| 动力锂离子电池制备工艺对一致性影响研究;罗雨;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20130315(第3期);17-39 * |
| 电动汽车用锂离子电池制备及其一致性演变分析;安富强等;《材料热处理学报》;20150425(第04期);239-246 * |
| 车用动力锂离子电池单体不一致性问题研究综述;戴海峰等;《汽车工程》;20140225(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109800477A (zh) | 2019-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109800477B (zh) | 锂离子电池三因素不一致性预测方法及装置 | |
| CN108805217A (zh) | 一种基于支持向量机的锂离子电池健康状态估计方法及系统 | |
| CN110658460B (zh) | 一种电池包的电池寿命预测方法及装置 | |
| CN109768340B (zh) | 一种电池放电过程电压不一致性估计方法及装置 | |
| CN109840353B (zh) | 锂离子电池双因素不一致性预测方法及装置 | |
| CN112990330B (zh) | 用户用能异常数据检测方法及设备 | |
| CN112791997A (zh) | 一种退役电池梯次利用筛选的方法 | |
| CN109800446B (zh) | 一种锂离子电池放电过程电压不一致性估计方法及装置 | |
| CN111061624A (zh) | 策略执行效果确定方法、装置、电子设备及存储介质 | |
| CN117078048A (zh) | 基于数字孪生的智慧城市资源管理方法及系统 | |
| CN116187838A (zh) | 一种电力设备的质量评估方法、系统、装置及存储介质 | |
| Lyu et al. | A semiparametric clustering method for the screening of retired Li-ion batteries from electric vehicles | |
| Chen et al. | State of health estimation of lithium-ion batteries based on equivalent circuit model and data-driven method | |
| US20240038341A1 (en) | Method, system and storage medium for consistency analysis of lithium battery module | |
| CN112084459A (zh) | 电池充放电循环寿命的预测方法、装置、电子终端、及存储介质 | |
| CN117318033B (zh) | 一种结合数据孪生的电网数据管理方法及系统 | |
| CN117556369A (zh) | 一种动态生成的残差图卷积神经网络的窃电检测方法及系统 | |
| CN117289167A (zh) | 基于多重神经网络的电池剩余寿命预测方法、装置及介质 | |
| CN116204771A (zh) | 电力系统暂态稳定关键特征选择方法、装置及产品 | |
| CN114462294A (zh) | 一种两阶段代理模型辅助参数估计方法以及系统 | |
| CN107491576B (zh) | 基于性能退化数据的导弹部件可靠性分析方法 | |
| CN113837486A (zh) | 一种基于rnn-rbm的配网馈线长期负荷预测方法 | |
| CN117454186B (zh) | 模型训练、电池性能预测方法、装置、设备及存储介质 | |
| CN110323743B (zh) | 一种暂态功角稳定评估历史数据的聚类方法及装置 | |
| CN117236233B (zh) | 半导体器件初始值评估方法、装置、电子设备及存储介质 |
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 |