CN110750874B - 一种退役动力电池寿命预测方法 - Google Patents

Abstract

本发明公开了一种退役动力电池寿命预测的方法，本发明针对经过筛选后状态参数相同的同型退役动力电池的寿命预测。利用动力电池充放电过程中，温度T、放电倍率C以及放电深度DOD对动力电池容量衰退影响，通过建立动力电池的充放电特性曲线和动力电池寿命模型得到动力电池寿命衰减曲线，利用寿命衰减曲线建立一个循环寿命关于容量损失率和函数关系

的三维关系图，并且将该三维关系图运用到同类型的电池，就能预测出电池在全寿命周期内性能衰减的情况。本发明通过少量的计算能够快速对退役动力电池进行寿命预测，大大提高了企业的工作效率。

Description

一种退役动力电池寿命预测方法

技术领域

本发明涉及新能源汽车的电池管理领域，具体涉及一种退役动力电池寿命预测方法。

技术背景

通常当新能源汽车动力电池剩余容量降低到初始容量的70％-80％时便无法满足车载使用要求，变成退役动力电池。但是退役动力电池经过测试、筛选、重组等环节，仍然有能力用于对电池性能要求较低的领域。

动力电池寿命测试包括循环寿命测试和日历寿命测试，但目前已有的寿命预测模型大多针对循环寿命或日历寿命提出，而电池实际使用寿命受循环工况和日历寿命的共同影响，而且，因为电池应用所处的环境千变万化，温度、放电制度等不同，都会影响电池的寿命，所以动力电池退役后，其寿命预测是一个非常复杂的过程。在工业上若对每一个退役动力电池都进行大量的实验得到剩余寿命，是非常影响企业的生产效率的，因此通过少量测试或试验建立简单有效的退役动力电池剩余寿命预测模型是非常有意义的，也是人们所期望的。

发明内容

为了解决上述存在的技术问题，本发明提供了一种先建立动力电池剩余寿命三维预测模型，再通过少量的计算反馈至三维模型内即可进行退役动力电池寿命预测的方法，其具体技术方案如下：

一种退役动力电池寿命预测方法，包括如下步骤：

步骤一、以若干个动力电池作为实验组，分别在不同放电倍率以及温度下进行充放电循环，记录循环寿命实验值以及循环后动力电池的剩余容量，并绘制动力电池各工况下的放电特性曲线；

步骤二、根据动力电池的剩余容量分别计算实验组各工况以及循环寿命下动力电池的容量损失率；

步骤三、根据步骤一所记录的循环寿命实验值以及步骤二所得到的容量损失率建立各工况下寿命衰减曲线；

步骤四、根据影响动力电池寿命的因素建立寿命预测模型，并将寿命预测模型与寿命衰减曲线拟合；

步骤五、根据拟合后的曲线，获得各工况下容量损失率所对应的循环寿命；

步骤六、建立放电倍率与温度的乘积、容量损失率以及循环寿命的三维图；

步骤七、求解同类型动力电池的剩余寿命时，根据步骤二计算容量损失率以及实际工况下放电倍率与温度的乘积，并代入步骤六所建立的三维图中，得到循环寿命，然后求解循环寿命与标称寿命的差值得到剩余寿命。

进一步的，所述步骤二中容量损失率求解公式为：Q_loss＝ΔQ/Q_τ×100％，其中Q_loss表示容量损失率，ΔQ表示电池容量衰减量，Q_τ为动力电池额定容量；所述电池容量衰减量通过：ΔQ＝Q_τ-Q_n获得，Q_n为电池经过n次循环后电池的剩余容量。

进一步的，所述步骤四中寿命衰减模型建立的过程如下：

S1、考虑响动力电池循环寿命的因素包括温度T，放电倍率C和放电深度DOD；

S2、由于电池的放电深度对电池的放电平台电压的影响很小，因此确定放电深度DOD为100％，并建立动力电池循环寿命模型：Q_loss＝f(T,C,t)；

S3、根据动力电池循环寿命衰减规律符合幂函数的特征，建立幂指数模型：Q_loss＝x^μ+d，其中d为温度常数；

S4、基于考虑温度的影响，进一步建立如下数学模型：

其中B是系数，K_a为与活化能相关的函数，K_TK_C为温度T与放电倍率C共同影响Q_loss的函数，α为幂函数因子，Q为实验过程中的放电容量Q＝n·C，T表示热力学温度，b为常数；

S5、根据幂函数因子α以及活化能a取值，α＝0.287，a＝3116-170·C，最终确定电池寿命预测模型为：Q_loss(f)＝Be^{(-lg(3116-170·C))·T·C}(n·C)^0.287+c。

进一步的，所述步骤六中三维图的建立包括利用MATLAB工具绘制放电倍率与温度的乘积、容量损失率以及循环寿命的三维散点图，再利用插值拟合将三维散点图拟合成三维图。

进一步的，所述步骤七中剩余寿命的计算公式为：N_剩余＝N_标称-N，其中N_标称表示标称寿命，N表示循环寿命。

有益效果：本发明建立了容量损失率Q_loss、温度和放电倍率乘积因子ω、循环寿命N的三维关系图形，当动力电池在实际应用中时，只需要测得其容量损失率Q_loss以及ω的值就能快速的得到其剩余寿命，并且本发明引入了温度和放电倍率乘积因子ω＝T*C作为参量，解决在实际应用中对应的工况条件下在T或C至少一个不同于建立模型时对应的值时，只需T*C相同就能达到同样的影响；另外本发明寿命预测模型的建立在原有的模型基础上中和考虑了温度、放电倍率以及动力电池活化能的影响，并将动力电池寿命预测模型与实验值进行拟合，大大提高了动力电池剩余寿命预测的准确性。

附图说明

图1为本发明具体实施例中寿命预测方法的结构框图；

图2为本发明具体实施例中放电倍率为5C时的寿命衰减曲线；

图3为本发明具体实施例中放电倍率为3C时的寿命衰减曲线；

图4为本发明具体实施例中放电倍率为1C时的寿命衰减曲线；

图5为本发明具体实施例中放电倍率为5C时的拟合结果；

图6为本发明具体实施例中放电倍率为3C时的拟合结果；

图7为本发明具体实施例中放电倍率为1C时的拟合结果；

图8为本发明具体实施例中三维模型图。

具体实施方式

下面结合附图对本发明一种退役动力电池寿命预测的方法进一步详细的说明。

以100Ah磷酸铁锂动力电池为例设置实验组，由于磷酸铁锂电池的高温特性差，同时电池存在的反应造成电极材料的溶解，而且电极材料溶解后还可能嵌入负极进一步造成负极活性材料的严重破坏。查询数据表明动力电池的最佳温度条件的范围在0-65℃，因此本实验组将温度范围设定在0℃到60℃。

将放电倍率设置为1C、3C、5C，实验温度为0,10,20,30,40,50,60，温度与放电倍率的乘积因子ω＝f(T,C)＝T·C有21种不同的工况，分别在上述21种不同工况下对动力电池进行充放电循环，记录循环寿命实验值(循环次数n)以及循环后动力电池的剩余容量，并绘制动力电池各工况下的放电特性曲线，动力电池放电特性曲线是研究电池性能的方法之一，工作电压随着时间的变化而变化，本发明中放电特性曲线的建立是由电池放电时电压U与容量Q的变化而绘制的曲线，本实施例中利用不同放电深度的条件下建立放电特性曲线是为了说明不同的放电深度条件对电池放电平台电压影响不大，因此后续步骤中预设实验条件的放电深度为100％。根据动力电池的剩余容量分别计算实验组各工况以及循环寿命下动力电池的容量损失率Q_loss，所述容量损失率用Q_loss来表示，Q_loss＝ΔQ/Q_τ×100％，上式ΔQ＝Q_τ-Q_n，是动力电池容量衰减量；Q_τ为动力电池额定容量；Q_n为电池经过n次循环后电池的剩余容量。

根据循环次数n以及相应的容量损失率Q_loss绘制分别在放电倍率为1C、3C、5C，实验温度为0,10,20,30,40,50,60工况下的寿命衰减曲线，如图2、图3以及图4所示。

分析影响动力电池寿命的因素建立寿命预测模型，影响动力电池循环寿命的因素主要包括温度T，放电倍率C和放电深度DOD，所以在本发明中将利用所述的影响因素来建立动力电池剩余寿命预测模型，由于动力电池的循环寿命与温度、放电倍率、放电深度存在某种函数关系，容量衰减率是其参数集f的函数，因此动力电池循环寿命模型可表示为：

Q_loss＝f(T,C,DOD,t)，由于容量损失率Q_loss的变化与电池已使用的寿命N存在着函数关系，因此用容量损失率Q_loss的模型建立来代表寿命模型，根据上述已有的结论，电池的放电深度对电池的放电平台电压的影响很小，放电深度取值为100％，动力电池循环寿命模型可进一步简化为：Q_loss＝f(T,C,t)，根据研究，动力电池循环寿命衰减规律符合幂函数的特征，则所述电池寿命预测的幂指数模型可表达为：Q_loss＝x^μ+d，其中d为温度常数，温度通常被认为是动力电池衰退的主要因素，因此仅以基于容量衰减率函数Q_loss＝f(T)的动力电池循环寿命方法来预测其循环寿命，往往会导致大的预测误差。本发明在幂指数模型基础上考虑温度的影响，提出如下数学模型：

其中B是系数，K_a为与活化能相关的函数，K_TK_C为温度T与放电倍率C共同影响Q_loss的函数关系，单位为KJ·mol^-1·K^-1，α为幂函数因子，Q为实验过程中的放电容量，T表示热力学温度，b为常数。

因所述幂函数因子α在任意放电倍率C、温度T、放电深度DOD条件下基本保持不变，可得取α平均值0.287。在不同的充放电倍率下，动力电池的活化能a可表示为a＝3116-170·C，单位是KJ·mol^-1。当放电倍率C为定值时，放电容量Q与放电循环次数n成正相关，它们之间的关系可以表示成Q＝n·C。再结合所述模型，就能将动力电池寿命预测模型最终确定为：Q_loss(f)＝Be^{(-lg(3116-170·C))·T·C}(n·C)^0.287+c，所述模型中B的取值在1C、3C、5C的放电倍率下分别为66.8、172.3、326.8。

根据影响动力电池寿命的因素建立寿命预测模型，并将寿命预测模型与寿命衰减曲线拟合；拟合后的曲线如图5、图6以及图7所示，动力电池的衰减速率由温度T与放电倍率两个变量因素影响，动力电池容量衰减随着当时实验条件下的温度T值的增加而加快。利用所述的动力电池剩余寿命预测模型拟合所得电池容量衰减速率，将所述预测模型的误差率控制在范围内。采用所述的动力电池剩余寿命预测模型能较好的体现出电池实际容量衰减速率。

根据拟合后的曲线获得各工况下容量损失率Q_loss所对应的循环寿命N，利用MATLAB工具绘制放电倍率与温度的乘积ω、容量损失率Q_loss以及循环寿命N的三维散点图，再利用插值拟合将三维散点图拟合成三维图，如图8所示。

利用建立好的三维模型对同类型的退役动力电池进行剩余寿命的预测时，只需要获得实际工况下温度与放电倍率的乘积因子ω以及计算容量损失率Q_loss，然后代入到所建立的三维模型中，就可以直观的得到循环寿命N，再利用N_剩余＝N_标称-N就能计算出剩余寿命。

应当注意的是，以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种退役动力电池寿命预测方法，其特征在于包括如下步骤：

步骤一、以若干个动力电池作为实验组，分别在不同放电倍率以及温度下进行充放电循环，记录循环寿命实验值以及循环后动力电池的剩余容量，并绘制动力电池各工况下的放电特性曲线；

步骤二、根据动力电池的剩余容量分别计算实验组各工况以及循环寿命下动力电池的容量损失率；

步骤三、根据步骤一所记录的循环寿命实验值以及步骤二所得到的容量损失率建立各工况下寿命衰减曲线；

步骤四、根据影响动力电池寿命的因素建立寿命预测模型，并将寿命预测模型与寿命衰减曲线拟合；

步骤五、根据拟合后的曲线，获得各工况下容量损失率所对应的循环寿命；

步骤六、建立放电倍率与温度的乘积、容量损失率以及循环寿命的三维图；

步骤七、求解同类型动力电池的剩余寿命时，根据步骤二计算容量损失率以及实际工况下放电倍率与温度的乘积，并代入步骤六所建立的三维图中，得到循环寿命，然后求解循环寿命与标称寿命的差值得到剩余寿命；

所述步骤四中寿命衰减模型建立的过程如下：

S1、考虑响动力电池循环寿命的因素包括温度T，放电倍率C和放电深度DOD；

S2、确定放电深度DOD为100％，并建立动力电池循环寿命模型：Q_loss＝f(T,C,t)；

S3、根据动力电池循环寿命衰减规律符合幂函数的特征，建立幂指数模型：Q_loss＝x^μ+d，其中d为温度常数；

S4、基于考虑温度的影响，进一步建立如下数学模型：

其中B是系数，K_a为与活化能相关的函数，K_TK_C为温度T与放电倍率C共同影响Q_loss的函数，α为幂函数因子，Q为实验过程中的放电容量Q＝n·C，T表示热力学温度，b为常数；

S5、根据幂函数因子α以及活化能a取值，α＝0.287，a＝3116-170·C，最终确定电池寿命预测模型为：Q_loss(f)＝Be^{(-lg(3116-170·C))·T·C}(n·C)^0.287+c，其中c为常数。

2.根据权利要求1所述的一种退役动力电池寿命预测方法，其特征在于：所述步骤二中容量损失率求解公式为：Q_loss＝ΔQ/Q_τ×100％，其中Q_loss表示容量损失率，ΔQ表示电池容量衰减量，Q_τ为动力电池额定容量；所述电池容量衰减量通过：ΔQ＝Q_τ-Q_n获得，Q_n为电池经过n次循环后电池的剩余容量。

3.根据权利要求1所述的一种退役动力电池寿命预测方法，其特征在于：所述步骤六中三维图的建立包括利用MATLAB工具绘制放电倍率与温度的乘积、容量损失率以及循环寿命的三维散点图，再利用插值拟合将三维散点图拟合成三维图。

4.根据权利要求1所述的一种退役动力电池寿命预测方法，其特征在于：所述步骤七中剩余寿命的计算公式为：N_剩余＝N_标称-N，其中N_标称表示标称寿命，N表示循环寿命。

Images