CN111505519A - 一种基于声学测量的锂离子电池循环寿命预测方法 - Google Patents

一种基于声学测量的锂离子电池循环寿命预测方法 Download PDF

Info

Publication number
CN111505519A
CN111505519A CN202010261738.9A CN202010261738A CN111505519A CN 111505519 A CN111505519 A CN 111505519A CN 202010261738 A CN202010261738 A CN 202010261738A CN 111505519 A CN111505519 A CN 111505519A
Authority
CN
China
Prior art keywords
lithium ion
ion battery
ultrasonic
life
cycle life
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
CN202010261738.9A
Other languages
English (en)
Other versions
CN111505519B (zh
Inventor
沈越
邓哲
黄震宇
黄云辉
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.)
Wuxi Lingsheng Technology Co ltd
Original Assignee
Jiangsu Jihui Huake Intelligent Equipment Technology Co 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 Jiangsu Jihui Huake Intelligent Equipment Technology Co ltd filed Critical Jiangsu Jihui Huake Intelligent Equipment Technology Co ltd
Priority to CN202010261738.9A priority Critical patent/CN111505519B/zh
Publication of CN111505519A publication Critical patent/CN111505519A/zh
Application granted granted Critical
Publication of CN111505519B publication Critical patent/CN111505519B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/22—Details, e.g. general constructional or apparatus details
    • G01N29/26—Arrangements for orientation or scanning by relative movement of the head and the sensor
    • G01N29/265—Arrangements for orientation or scanning by relative movement of the head and the sensor by moving the sensor relative to a stationary material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H01M10/441—Methods for charging or discharging for several batteries or cells simultaneously or sequentially
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Acoustics & Sound (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Secondary Cells (AREA)
  • Battery Electrode And Active Subsutance (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明公开了一种基于声学测量的锂离子电池循环寿命预测方法，其包括以下步骤：(1)对锂离子电池进行充放电循环，在锂离子电池充电或放电的同时，或在充、放电的间歇期，对锂离子电池进行超声扫描获取超声透射率并制作超声透射扫描图像；(2)将超声透射扫描图像上的超声透射率≤K且面积≥A的区域所对应的循环圈数定义为声稳定寿命；(3)待测的锂离子电池的预测循环寿命＝待测的锂离子电池的声稳定寿命×寿命倍率Sc，寿命倍率Sc为与待测的锂离子电池同体系的锂离子电池的真实循环寿命除以该锂离子电池的声稳定寿命。本发明利用声稳定寿命与锂离子电池的循环寿命的倍率关系，可以大大缩短锂离子电池循环寿命预测所需时间。

Description

一种基于声学测量的锂离子电池循环寿命预测方法
技术领域
本发明属于锂离子电池领域，更具体地，涉及一种锂离子电池循环寿命预测方法。
背景技术
锂离子电池作为一种新型能源，因其工作电压高、比能量大、充放电效率高、自放电率低、无记忆效应等优点，近几年在生活中的应用越来越多，除了应用在手机、平板、笔记本等日常设备之外，锂离子电池还被广泛应用于航天飞行器、卫星、电动汽车、无人机等重要领域。锂离子在长期使用过程中，内部会发生一系列的电化学反应和物理变化，严重影响锂离子电池的寿命和安全性，甚至造成财产损失和人员伤亡。对锂离子电池的寿命进行预测可以有助于新型锂离子电池研发，及时调整锂离子电池工艺参数，在较短时间内有效判断其未来工作能力，及时发现问题，避免不必要的麻烦和损失。
锂离子电池的循环寿命，业内通常定义为：其容量衰减至初始容量的80％时，所对应的循环圈数。目前，对于锂离子电池的剩余寿命的预测方法主要分为三类：常规的循环测试方法、基于物理模型的剩余寿命预测方法和基于数据驱动的剩余寿命预测方法。
常规的循环充放电测试方法是在一定工况下进行循环测试，将容量保持率降至80％时的循环圈数作为锂离子电池的循环寿命。这种方法耗时长，完整的测试过程可达数年，占用设备和能源资源较多，不利于产品的研发和锂离子电池的筛选。
基于模型的剩余寿命预测方法依托于对锂离子电池材料属性、负载条件和失效机制等信息建立锂离子电池性能退化模型，实现剩余寿命预测。根据描述锂离子电池老化行为的角度，此类方法可进一步分为基于退化机理模型和基于经验退化模型两种方法：1)基于退化机理模型的预测方法从电化学机理的角度分析锂离子电池使用过程中的性能变化规律，综合考虑各个老化因素对锂离子电池状态变量(如电压、电流、荷电状态和电解液浓度等)的影响，建立锂离子电池老化模型，并将其应用于剩余寿命预测。但由于锂离子电池材料、使用环境、使用条件等因素的多变，电化学模型难以实时模拟动态的条件变化，准确度受到了一定的限制，且模型相关的参数较多，测试流程复杂且耗时，实时在线应用很难实现。2)基于经验退化模型的预测方法主要是通过建立一个能够精确反映锂离子电池性能状态参数(如容量、内阻、输出电压等)随时间的变化趋势，或锂离子电池前后两个时刻状态变量之间的递推关系的经验模型，从而实现锂离子电池的剩余寿命预测。锂离子电池的容量受负载、温度、外力等因素的影响，而该模型难以跟踪负载的动态特性，其动态精度、鲁棒性及适应性较差，因此很难建立一个准确的容量衰退模型，且建模所需锂离子电池容量衰退数据量较大。
基于数据驱动的剩余寿命预测方法是目前锂离子电池寿命预测的主流方法，通过采集锂离子电池在使用过程中的有效的实效数据和性能衰退数据，分析和深入挖掘失效数据和性能衰退数据中所包含的锂离子电池性能衰退因素的演变规律，以此来预测锂离子电池的剩余寿命。根据不同预测方法所使用的的分析和挖掘手段，可将数据驱动的预测方法分为人工神经网络、支持向量机、高斯过程回归等：1)人工神经网络作为一种典型的非线性方法，具有大规模的并行处理和分布式的信息存储能力和较好的自适应能力。但是人工神经网络的计算效率较低，算法复杂度较高，收敛速度慢，训练时间长。2)支持向量机以结构风险最小化原则作为理论基础，学习泛化能力较强，且克服了人工神经网络中收敛速度慢，容易出现局部极值的等问题，但仍然存在一些问题，难以确定惩罚因子和损失函数，对误差边界敏感以及预测结果缺乏不确定性表达能力。3)高斯过程回归广泛应用于人脸识别，过程控制等领域近几年逐渐应用于锂离子电池剩余寿命预测中，这种方法通过高斯过程模拟锂离子电池的状态情况，给出预测结果的区间估计，是一种灵活的非线性参数模型。
总的来说，现有的锂离子电池循环寿命的预测方法都是基于锂离子电池的电学特性测量值来进行预测，由于许多锂离子电池的早期变化并不导致电学特性的明显变化，所以现有方法在预测时间、参数测量、模型适应性、收敛速度、预测精度等方面均存在诸多不足。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于声学测量的锂离子电池循环寿命预测方法，通过对锂离子电池进行充放电循环和超声扫描成像，根据成像结果测定其声稳定寿命，进而定性或定量预测该体系锂离子电池的循环寿命，可大幅缩减测试所需时间，且不需要高度复杂的计算，同时也保证了预测的精度，解决了现有技术中存在的众多问题。
为实现上述目的，按照本发明的一个方面，提供了一种基于声学测量的锂离子电池循环寿命预测方法，其特征在于，包括以下步骤：
(1)对锂离子电池进行充放电循环，并且在锂离子电池充电或放电的同时，或在充、放电的间歇期，超声扫描装置对锂离子电池进行多次扫描，且每次扫描的路径均为方波形路径(重复多次该方波形路径，直到充放电循环结束)，将锂离子电池上的采样点作为特征点(即特征点是超声信号穿过锂离子电池的采样点，)并获得各特征点的超声透射率，然后再利用各特征点的超声透射率制作超声透射扫描图像，超声透射扫描图像的横向(与横截面平行)尺寸和纵向(与纵截面平行)尺寸均大于与锂离子电池的横向尺寸和纵向尺寸，以保证对锂离子电池边缘处信号的采集，其中，该方波形路径具有多条与锂离子电池的横截面(正、负极之间的平面)平行的横线和多条与锂离子电池的纵截面(与横截面垂直，可同时经过正、负极的平面)平行的纵线，所有的采样点均在纵线上(横线上没有采样点，只有与纵线相交处有采样点，其实也就是纵线上的采样点，横向移动时不采样)，锂离子电池上的采样点即特征点同时也是纵线上的采样点，同一纵线上的多个采样点等间距分布，所有纵线上的采样点可以阵列分布，所有的横线均在锂离子电池外，该超声透射率为各特征点的超声信号特征值与锂离子电池外的采样点的超声信号特征值的比值；由于锂离子电池的性能衰减往往是由电解液分解，固液界面膜增厚，电解液消耗干涸，气体产生等因素引起，而这些因素都会引起超声信号幅值、功率的衰减和传播时间的增大，因此这样定义的超声透射率可以作为锂离子电池对应位置健康状况的度量，而锂离子电池整体的健康状态由各位置的健康状态综合决定，因此，超声透射率是通过在锂离子电池上的采样点来获取；
(2)将超声透射扫描图像上的超声透射率≤K且面积≥A的区域(如果只有一个区域，则是这一个区域的面积A；如果有多个超声透射率≤K的区域则A是所有区域的面积总和)所对应的循环圈数定义为声稳定寿命，其中A、K均为设定阈值；局部的超声透过率的衰减意味着锂离子电池内部发生了电解液分解，固液界面膜增厚，电解液消耗干涸，气体产生等健康问题，倍数K对应着其健康问题的严重程度，区域面积A对应着此问题区域在整个锂离子电池中的占比，通过采用合理的K与A的值所得到的“声稳定寿命”的圈数，能在锂离子电池健康衰减的早期反映锂离子电池内部的稳定性，从而作为锂离子电池后续寿命定量预测或定性分析的指标。根据电池类型和超声成像分辨率可以选取所需的A和K的值。超声扫描图像的最高分辨率由超声探头频率决定，但扫描图像的实际分辨率与频率、横向步进和纵向步进(横线长度是横向步进，横向步进指采样点横向的间距，纵向步进指的是采样点纵向的间距)这三者都有关系，如果横向步进和纵向步进都大于最高分辨率，这时候最终的图像分辨率由这两者之间最大值决定，如果横向步进和纵向步进都小于等于最高分辨率，这时候最终的图像分辨率等于超声探头决定的最高分辨率，一般情况会将三者进行统一，例如：超声探头的频率设为2MHz，最高分辨率设为1mm，横向步进和纵向步进都为1mm，这时候超声扫描图像分辨率就能达到1mm。
(3)待测的锂离子电池的预测循环寿命＝待测的锂离子电池的声稳定寿命×寿命倍率Sc，其中，寿命倍率Sc＝与待测的锂离子电池同体系的锂离子电池的真实循环寿命/与待测的锂离子电池同体系的锂离子电池的声稳定寿命。与待测的锂离子电池同体系的锂离子电池的真实循环寿命可以进行通过已知的常规循环充放电得到，或者通过厂商获取，其声稳定寿命也可通过步骤(1)和步骤(2)的方法预先获得。对于同体系的锂离子电池而言，它们的寿命倍率Sc是相同的，因此可通过声稳定寿命和寿命倍率Sc定量预测或定性定量预测或定性比较同体系的锂离子电池的循环寿命。
优选地，充放电循环在25℃±5℃的温度下进行，以1C倍率进行充电，在锂离子电池电压达到充电限制电压时，改为恒压充电直至充电电流≤0.05C倍率后暂停充电并搁置0.5h～1h，然后再以1C倍率放电至终止电压，放电结束后，搁置0.5h～1h，然后再进行下一个充放电循环。这是基于让锂离子电池处于正常充放电的最佳状态的考虑。
优选地，超声扫描装置所用超声信号的频率为0.2MHz～5MHz。超声频率的选取与该体系的锂离子电池厚度/工艺/内部结构相关，因此需要对电池进行一个初步的测试，根据所得数据对频率进行调整从而获得合适的频率。一方面，超声信号的频率越低，其穿透的能力越强，另一方面，超声信号的频率越高，其分辨率和灵敏度越高。不同类型的锂离子电池，由于其材料、工艺，结构等不同，这综合考虑超声信号对待测锂离子电池的穿透力需求与对于锂离子电池内部的状态变化的敏感度需求而作出的选择。
优选地，步骤(3)中，A的取值在0.5平方厘米～10平方厘米，K的取值在0.1～0.8。
其中，考虑到超声扫描设备在0.2MHz～5.0MHz频率下能够达到的超声成像分辨率，权衡此方法的敏感性与稳定性，根据锂离子电池的型号面积范围A的具体取值在0.5平方厘米～10平方厘米之间。此时锂离子电池内部产气或电解液损耗区域层间重叠引起误判的可能性将至最低，以保证超声透射扫描图像中呈现的产气或电解液损耗区域面积的准确。考虑到锂离子电池位于不同温度和荷电状态下对超声信号的衰减率具有一定的波动性，K的具体取值在0.1～0.8。如果K<0.1，则仅能对锂离子电池内部非常严重的产气或电解液损耗区域的做出判断。这将导致该方法的灵敏性过低，获得的“声稳定寿命“圈数过大，失去了对锂离子电池循环寿命进行早期预测的意义；如果K>0.8，则可能导致该方法过于敏感，以至于锂离子电池内部正常荷电状态变化以及温度变化所引起的超声透过率改变对该方法的判断产生干扰，降低该方法的可靠度。
优选地，建立超声透射率与颜色间的映射关系，将待测锂离子电池各采样点的超声透射率在其对应位置转换成对应颜色从而生成伪色图或二值图。相比于原始的超声透射率的数值，伪色图或二值图对于锂离子电池内部健康状态的表达更为直观，且能配合图像识别的方法可对伪色图或二值图中所需面积的区域进行智能的识别与监控。
优选地，Sc的取值随A、K的取值以及锂离子电池体系的不同而不同，当A的取值为5平方厘米且K的取值为0.3时，Sc的值为15～30。
优选地，步骤(1)中的锂离子电池为磷酸铁锂离子电池或三元锂离子电池。
优选地，步骤(2)中的特征值为功率或幅值。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明采用超声扫描技术对待测锂离子电池进行扫描获得声稳定寿命，超声技术扫描速度快，效率高，而且根据锂离子电池的声稳定寿命小于锂离子电池的循环寿命，以及同体系的锂离子电池的循环寿命与声稳定寿命存在相同的倍率值Sc，从而可快速获得待测锂离子电池的预测循环寿命，可以大大缩短锂离子电池循环寿命预测所需时间。
(2)本发明具有更好的普适性，且预测结果与常规的循环寿命测试结果一致性较高，有助于新型锂离子电池的研发、电池工艺参数的调整和在较短时间内有效判断其未来工作的能力，在锂离子电池技术和梯次利用领域具有良好的应用前景。
附图说明
图1是超声扫描装置扫描锂离子电池时的示意图；
图2是本发明中对N个同体系的锂离子电池进行实验获得寿命倍率Sc的流程图；
图3是本发明中对待测锂离子电池的循环寿命进行预测的流程图；
图中，相同的附图标记表示相同的技术特征，1-超声扫描装置的超声探头，2-锂离子电池，3-方波形路径；31-横线，32-纵线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1
本实施例以一块NCM622的三元锂离子电池为例，其标称容量5Ah，正常充放电区间为2.8-4.2V，工作温度范围5～45℃，其具体预测方法包括以下步骤：
(1)将锂离子电池置于东莞贝尔BHT-150C型号的恒温恒湿箱中，将温度设定为25℃，等待恒温恒湿箱内温度达到设定值；
(2)采用新威BTS-8000型号的充放电设备对锂离子电池进行充放电循环，充放电循环的工步具体为：以1C进行充电，当锂离子电池端电压达到4.2V时，改为恒压充电，直至充电电流小于或等于0.05C，停止充电，搁置0.5h，然后以1C电流放电至2.8V，放电结束后，搁置0.5h，再进行下一个充放电循环；
步骤(3)在充放电循环的同时使用江苏集萃华科智能装备科技有限公司生产的USBC-LD50型号的超声扫描设备对锂离子电池进行扫描，所使用的超声信号的频率为5.0MHz，根据所获取的锂离子电池各个采样点的超声透射率做伪色图，得到锂离子电池的超声透射扫描图像。
(4)根据类似型号锂离子电池的测试，将A的具体取值设为0.5平方厘米，K设为0.8，根据A和K的取值对所记录的超声透射扫描图像进行判断，得到当图像中出现面积值A大于0.5平方厘米的区域中超声透射率K减小至0.8时，对应的声稳定寿命为61圈。对于该体系的锂离子电池，预测循环寿命与声稳定寿命之间存在Sc为29的倍率关系，因此三元锂离子电池的预测循环寿命为1769圈；
通过实际充放电循环测试，当锂离子电池容量保持率将至80％时的循环测试圈数为1704圈，相对误差约为3.8％，可见本发明方法对锂离子电池循环寿命的定量预测结果较为准确。
实施例2
本实施例以一块NCM622的三元锂离子电池为例，其标称容量8.7Ah，正常充放电区间为2.8-4.2V，工作温度范围5～45℃，其具体预测方法包括以下步骤：
(1)将锂离子电池置于东莞贝尔BHT-150C型号的恒温恒湿箱中，将温度设定为20℃，等待恒温恒湿箱内温度达到设定值；
(2)采用新威BTS-8000型号的充放电设备对锂离子电池进行充放电循环，充放电循环的工步具体为：以1C进行充电，当锂离子电池端电压达到4.2V时，改为恒压充电，直至充电电流小于或等于0.05C，停止充电，搁置0.8h，然后以1C电流放电至2.8V，放电结束后，搁置0.8h，再进行下一个充放电循环；
步骤(3)在充放电循环的同时使用江苏集萃华科智能装备科技有限公司生产的USBC-LD50型号的超声扫描设备对锂离子电池进行扫描，所使用的超声信号的频率为5.0MHz，根据所获取的锂离子电池各个采样点的超声透射率做伪色图，得到锂离子电池的超声透射扫描图像。
(4)根据类似型号锂离子电池的测试，将A的具体取值设为0.8平方厘米，K设为0.7，根据A和K的取值对所记录的超声透射扫描图像进行判断，得到当图像中出现面积值A大于0.8平方厘米的区域中超声透射率K减小至0.7时，对应的声稳定寿命为57圈。对于该体系的锂离子电池，预测循环寿命与声稳定寿命之间存在Sc为27的倍率关系，因此三元锂离子电池的预测循环寿命为1539圈；
通过实际充放电循环测试，当锂离子电池容量保持率将至80％时的循环测试圈数为1622圈，相对误差约为5.1％，可见本发明方法对锂离子电池循环寿命的定量预测结果较为准确。
实施例3
本实施例以一块NCM523的三元材料的锂离子电池为例，其标称容量20Ah，正常充放电区间为2.8-4.2V，工作温度范围5℃～45℃，其具体预测方法包括以下步骤：
(1)将锂离子电池置于东莞贝尔BHT-150C型号的恒温恒湿箱中，将温度设定为30℃，等待恒温恒湿箱内温度达到设定值；
(2)采用新威BTS-8000型号的充放电设备对锂离子电池进行充放电循环，充放电循环的工步具体为：以1C进行充电，当锂离子电池端电压达到4.2V时，改为恒压充电，直至充电电流小于或等于0.05C，停止充电，搁置0.9h，然后以1C电流放电至2.8V，放电结束后，搁置0.9h，再进行下一个充放电循环；
(3)在充放电循环的间隔使用江苏集萃华科智能装备科技有限公司生产的USBC-LD50型号的超声扫描设备对锂离子电池进行扫描，所使用的超声信号的频率为2.0MHz，根据所获取的锂离子电池各个采样点的超声透射率做伪色图，得到锂离子电池的超声透射扫描图像。
(4)根据类似型号锂离子电池的测试，将A的具体取值设为4平方厘米，K设为0.4，根据A和K的取值对所记录的超声透射扫描图像进行判断，得到当图像中出现面积值A大于4平方厘米的区域中超声透射率K减小至0.4时，对应的声稳定寿命为86圈。对于该体系的锂离子电池，预测循环寿命与声稳定寿命之间存在Sc为20的倍率关系，因此三元锂离子电池的预测循环寿命为1720圈；
通过实际充放电循环测试，当锂离子电池容量保持率将至80％时的循环测试圈数为1547圈，相对误差约为2.35％，可见本发明方法对锂离子电池循环寿命的定量预测结果较为准确。
实施例4
本实施例以一块磷酸铁锂离子电池为例，其标称容量100Ah，正常充放电区间为2.5-3.6V，工作温度范围5～45℃，其具体预测方法包括以下步骤：
(1)将锂离子电池置于东莞贝尔BHT-150C型号的恒温恒湿箱中，将温度设定为20℃，等待恒温恒湿箱内温度达到设定值；
(2)采用新威BTS-8000型号的充放电设备对锂离子电池进行充放电循环，充放电循环的工步具体为：以1C进行充电，当锂离子电池端电压达到3.6V时，改为恒压充电，直至充电电流小于或等于0.05C，停止充电，搁置1h，然后以1C电流放电至2.5V，放电结束后，搁置1h，再进行下一个充放电循环；
(3)在充放电循环的同时使用江苏集萃华科智能装备科技有限公司生产的USBC-LD50型号的超声扫描设备对锂离子电池进行扫描，所使用的超声信号的频率为0.5MHz，根据所获取的锂离子电池各个采样点的超声透射率做伪色图，得到锂离子电池的超声透射扫描图像。
(4)根据类似型号锂离子电池的测试，将A的具体取值设为8平方厘米，K设为0.2，根据A和K的取值对所记录的超声透射扫描图像进行判断，得到当图像中出现面积值A大于4平方厘米的区域中超声透射率K减小至0.2时，对应的声稳定寿命为140圈。对于该体系的锂离子电池，预测循环寿命与声稳定寿命之间存在Sc为18.7的倍率关系，因此三元锂离子电池的预测循环寿命为2618圈；
通过实际充放电循环测试，当锂离子电池容量保持率将至80％时的循环测试圈数为2704圈，相对误差约为3.1％，可见本发明方法对锂离子电池循环寿命的定量预测结果较为准确。
实施例5
本实施例以一块NCM811的三元锂离子电池为例，其标称容量50Ah，正常充放电区间为2.8-4.2V，工作温度范围5～45℃，其具体预测方法包括以下步骤：
(1)将锂离子电池置于东莞贝尔BHT-150C型号的恒温恒湿箱中，将温度设定为25℃，等待恒温恒湿箱内温度达到设定值；
(2)采用新威BTS-8000型号的充放电设备对锂离子电池进行充放电循环，充放电循环的工步具体为：以1C进行充电，当锂离子电池端电压达到4.2V时，改为恒压充电，直至充电电流小于或等于0.05C，停止充电，搁置0.5h，然后以1C电流放电至2.8V，放电结束后，搁置0.5h，再进行下一个充放电循环；
(3)在充放电循环的同时使用江苏集萃华科智能装备科技有限公司生产的USBC-LD50型号的超声扫描设备对锂离子电池进行扫描，所使用的超声信号的频率为1.5MHz，根据所获取的锂离子电池各个采样点的超声透射率做伪色图，得到锂离子电池的超声透射扫描图像。
(4)根据类似型号锂离子电池的测试，将A的具体取值设为5平方厘米，K设为0.3，根据A和K的取值对所记录的超声透射扫描图像进行判断，得到当图像中出现面积值A大于5平方厘米的区域中超声透射率K减小至0.3时，对应的声稳定寿命为87圈。对于该体系的锂离子电池，预测循环寿命与声稳定寿命之间存在Sc为15的倍率关系，因此三元锂离子电池的预测循环寿命为1305圈；
通过实际充放电循环测试，当锂离子电池容量保持率将至80％时的循环测试圈数为1382圈，相对误差约为5.3％，可见本发明方法对锂离子电池循环寿命的定量预测结果较为准确。
实施例6
本实施例以一块NCM811的三元锂离子电池为例，其标称容量80Ah，正常充放电区间为2.8-4.2V，工作温度范围5～45℃，其具体预测方法包括以下步骤：
(1)将锂离子电池置于东莞贝尔BHT-150C型号的恒温恒湿箱中，将温度设定为25℃，等待恒温恒湿箱内温度达到设定值；
(2)采用新威BTS-8000型号的充放电设备对锂离子电池进行充放电循环，充放电循环的工步具体为：以1C进行充电，当锂离子电池端电压达到4.2V时，改为恒压充电，直至充电电流小于或等于0.05C，停止充电，搁置0.5h，然后以1C电流放电至2.8V，放电结束后，搁置0.5h，再进行下一个充放电循环；
步骤(3)在充放电循环的同时使用江苏集萃华科智能装备科技有限公司生产的USBC-LD50型号的超声扫描设备对锂离子电池进行扫描，所使用的超声信号的频率为0.2MHz，根据所获取的锂离子电池各个采样点的超声透射率做伪色图，得到锂离子电池的超声透射扫描图像。
(4)根据类似型号锂离子电池的测试，将A的具体取值设为10平方厘米，K设为0.1，根据A和K的取值对所记录的超声透射扫描图像进行判断，得到当图像中出现面积值A大于10平方厘米的区域中超声透射率K减小至0.1时，对应的声稳定寿命为82圈。对于该体系的锂离子电池，预测循环寿命与声稳定寿命之间存在Sc为13的倍率关系，因此三元锂离子电池的预测循环寿命为1066圈；
通过实际充放电循环测试，当锂离子电池容量保持率将至80％时的循环测试圈数为1107圈，相对误差约为3.85％，可见本发明方法对锂离子电池循环寿命的定量预测结果较为准确。
实施例7
本实施例选取两块同体系的NCM622三元材料锂离子电池X和Y为例，其标称容量8Ah，正常充放电区间为2.8-4.2V，工作温度范围5～45℃,其具体预测方法包括以下步骤：
(1)将锂离子电池X和锂离子电池Y其置于东莞贝尔BHT-150C型号的恒温恒湿箱中，将温度设定为25℃，等待恒温恒湿箱内温度达到设定值；
(2)采用新威BTS-8000型号的充放电设备，分别对锂离子电池X和锂离子电池Y执行如下操作：进行充放电循环，充放电循环的工步具体为：以1C进行充电，当锂离子电池端电压达到4.2V时，改为恒压充电，直至充电电流小于或等于0.05C，停止充电，搁置0.5h，然后以1C电流放电至2.8V，放电结束后，搁置0.5h，再进行下一个充放电循环。
(3)在充放电循环的同时，使用江苏集萃华科智能装备科技有限公司生产的USBC-LD50型号的超声扫描设备分别对锂离子电池X和锂离子电池Y分别执行如下操作：进行超声扫描，超声扫描所使用的超声信号的频率为3.0MHz，根据所获取的锂离子电池X和Y的各个采样点的超声透射率做图，得到锂离子电池X和锂离子电池Y的超声透射扫描图像。
(4)对于该体系锂离子电池，A的具体取值为1.5平方厘米，K为0.5，根据A和K的取值对所记录的锂离子电池X和锂离子电池Y的超声透射扫描图像进行判断，得到当图像中出现面积值A大于1.5平方厘米的区域中超声透射率K减小至0.5时，锂离子电池X和锂离子电池Y对应的声稳定寿命分别为50圈和30圈，对于同体系的锂离子电池，其预测循环寿命与声稳定寿命之间的倍率关系固定，因此可知锂离子电池X的循环寿命更长。
通过实际充放电循环测试，锂离子电池X的循环寿命为1475圈，锂离子电池Y的循环寿命为904圈，可见本发明方法对锂离子电池循环寿命的定量预测结果较为准确。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于声学测量的锂离子电池循环寿命预测方法，其特征在于，包括以下步骤：
(1)对锂离子电池进行充放电循环，并且在锂离子电池充电或放电的同时，或在充、放电的间歇期，超声扫描装置对锂离子电池进行多次扫描，且每次扫描的路径均为方波形路径，将锂离子电池上的采样点作为特征点并获得各特征点的超声透射率，然后再利用各特征点的超声透射率制作超声透射扫描图像，其中，该方波形路径具有多条与锂离子电池的横截面平行的横线和多条与锂离子电池的纵截面平行的纵线，并且所有的横线均在锂离子电池外，所有的采样点均分布在方波形路径的纵线上，同一纵线上的多个采样点等间距分布，该超声透射率为各特征点的超声信号特征值与锂离子电池外的采样点的超声信号特征值的比值；
(2)将超声透射扫描图像上的超声透射率≤K且面积≥A的区域所对应的循环圈数定义为声稳定寿命，其中A、K均为设定阈值；
(3)待测的锂离子电池的预测循环寿命＝待测的锂离子电池的声稳定寿命×寿命倍率Sc，其中，寿命倍率Sc＝与待测的锂离子电池同体系的锂离子电池的真实循环寿命/与待测的锂离子电池同体系的锂离子电池的声稳定寿命。
2.根据权利要求1所述的一种基于声学测量的锂离子电池循环寿命预测方法，其特征在于，充放电循环在25℃±5℃的温度下进行，以1C倍率进行充电，在锂离子电池电压达到充电限制电压时，改为恒压充电直至充电电流≤0.05C倍率后暂停充电并搁置0.5h～1h，然后再以1C倍率放电至终止电压，放电结束后，搁置0.5h～1h，然后再进行下一个充放电循环。
3.根据权利要求1所述的一种基于声学测量的锂离子电池循环寿命预测方法，其特征在于，超声扫描装置所用超声信号的频率为0.2MHz～5MHz。
4.根据权利要求1所述的一种基于声学测量的锂离子电池循环寿命预测方法，其特征在于，步骤(3)中，A的取值在0.5平方厘米～10平方厘米，K的取值在0.1～0.8。
5.根据权利要求1所述的一种基于声学测量的锂离子电池循环寿命预测方法，其特征在于，建立超声透射率与颜色间的映射关系，将待测锂离子电池各采样点的超声透射率在其对应位置转换成对应颜色从而生成伪色图或二值图。
6.根据权利要求1所述的一种基于声学测量的锂离子电池循环寿命预测方法，其特征在于，Sc的取值随A、K的取值以及锂离子电池体系的不同而不同，当A的取值为5平方厘米且K的取值为0.3时，Sc的值为15～30。
7.根据权利要求1所述的一种基于声学测量的锂离子电池循环寿命预测方法，其特征在于，步骤(1)中的锂离子电池为磷酸铁锂离子电池或三元锂离子电池。
8.根据权利要求1所述的一种基于声学测量的锂离子电池循环寿命预测方法，其特征在于，步骤(2)中的超声信号特征值为超声扫描装置发出的超声波的功率或幅值。
CN202010261738.9A 2020-04-04 2020-04-04 一种基于声学测量的锂离子电池循环寿命预测方法 Active CN111505519B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010261738.9A CN111505519B (zh) 2020-04-04 2020-04-04 一种基于声学测量的锂离子电池循环寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010261738.9A CN111505519B (zh) 2020-04-04 2020-04-04 一种基于声学测量的锂离子电池循环寿命预测方法

Publications (2)

Publication Number Publication Date
CN111505519A true CN111505519A (zh) 2020-08-07
CN111505519B CN111505519B (zh) 2020-11-24

Family

ID=71874198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010261738.9A Active CN111505519B (zh) 2020-04-04 2020-04-04 一种基于声学测量的锂离子电池循环寿命预测方法

Country Status (1)

Country Link
CN (1) CN111505519B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112635929A (zh) * 2020-12-18 2021-04-09 惠州亿纬锂能股份有限公司 一种锂离子电池注液后静置工艺优化方法
CN113410531A (zh) * 2021-06-09 2021-09-17 湖州师范学院 电池整体温度检测方法、装置及计算机可读存储介质
CN113761716A (zh) * 2021-08-12 2021-12-07 惠州市豪鹏科技有限公司 一种锂离子电池循环寿命预测方法及其应用
CN115291122A (zh) * 2022-08-24 2022-11-04 华中科技大学 一种基于超声反射图像获取锂离子电池内部信息的方法
CN116071359A (zh) * 2023-03-08 2023-05-05 中汽研新能源汽车检验中心(天津)有限公司 一种电池老化程度检测方法、电子设备及存储介质
WO2024163879A1 (en) * 2023-02-02 2024-08-08 Liminal Insights, Inc. Cycle life performance determination for batteries using acoustic signal analysis

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2113765A1 (en) * 2008-05-02 2009-11-04 Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO Corrosion monitoring
CN106680730A (zh) * 2017-03-01 2017-05-17 侬泰轲（上海）检测科技有限责任公司 一种可检测荷电状态的充放电装置及荷电状态的检测方法
CN106772063A (zh) * 2016-11-21 2017-05-31 华中科技大学 一种监测锂离子电池荷电状态和健康状态的方法及其装置
CN110031548A (zh) * 2019-04-23 2019-07-19 北京大学深圳研究生院 基于超声波的电池内部健康状态检测装置和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2113765A1 (en) * 2008-05-02 2009-11-04 Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO Corrosion monitoring
CN106772063A (zh) * 2016-11-21 2017-05-31 华中科技大学 一种监测锂离子电池荷电状态和健康状态的方法及其装置
CN106680730A (zh) * 2017-03-01 2017-05-17 侬泰轲（上海）检测科技有限责任公司 一种可检测荷电状态的充放电装置及荷电状态的检测方法
CN110031548A (zh) * 2019-04-23 2019-07-19 北京大学深圳研究生院 基于超声波的电池内部健康状态检测装置和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄锴: "《基于超声波成像技术的锂离子电池电解液浸润性研究》", 《华中科技大学硕士论文》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112635929A (zh) * 2020-12-18 2021-04-09 惠州亿纬锂能股份有限公司 一种锂离子电池注液后静置工艺优化方法
CN113410531A (zh) * 2021-06-09 2021-09-17 湖州师范学院 电池整体温度检测方法、装置及计算机可读存储介质
CN113761716A (zh) * 2021-08-12 2021-12-07 惠州市豪鹏科技有限公司 一种锂离子电池循环寿命预测方法及其应用
CN113761716B (zh) * 2021-08-12 2024-02-02 惠州市豪鹏科技有限公司 一种锂离子电池循环寿命预测方法及其应用
CN115291122A (zh) * 2022-08-24 2022-11-04 华中科技大学 一种基于超声反射图像获取锂离子电池内部信息的方法
CN115291122B (zh) * 2022-08-24 2024-04-19 华中科技大学 一种基于超声反射图像获取锂离子电池内部信息的方法
WO2024163879A1 (en) * 2023-02-02 2024-08-08 Liminal Insights, Inc. Cycle life performance determination for batteries using acoustic signal analysis
CN116071359A (zh) * 2023-03-08 2023-05-05 中汽研新能源汽车检验中心(天津)有限公司 一种电池老化程度检测方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN111505519B (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN111505519B (zh) 一种基于声学测量的锂离子电池循环寿命预测方法
Xiong et al. Towards a smarter battery management system: A critical review on battery state of health monitoring methods
CN110224192B (zh) 一种梯次利用动力电池寿命预测方法
CN111398833B (zh) 一种电池健康状态评估方法
CN114114049B (zh) 一种基于样本迁移的锂离子电池寿命预测方法
Li et al. On-line estimation method of lithium-ion battery health status based on PSO-SVM
US20210382114A1 (en) Battery diagnosis apparatus and battery diagnosis method based on current pulse method
CN112578298B (zh) 电池温度估算方法、装置、电子设备及存储介质
CN107015163B (zh) 一种电池容量的获取方法和装置
CN116502112B (zh) 一种新能源电源测试数据管理方法及系统
CN112834945A (zh) 评估模型建立方法、电池健康状态评估方法及相关产品
CN114325403B (zh) 基于电化学阻抗谱测试的锂离子电池寿命检测方法和系统
CN111880107B (zh) 一种检测锂离子电池荷电状态的方法和装置
CN112557907A (zh) 一种基于gru-rnn的电动汽车锂离子电池的soc估计方法
CN110208702B (zh) 一种基于神经网络的锂电池超声信息特性提取方法
CN109490790B (zh) 采用补偿脉冲法的锂动力电池功率特性测试方法及装置
CN114818831B (zh) 基于多源感知的双向锂离子电池故障检测方法及系统
Xiao et al. Rapid measurement method for lithium‐ion battery state of health estimation based on least squares support vector regression
CN112327194B (zh) 一种锂电池容量跳水识别方法及装置
CN117054892B (zh) 一种储能电站电池健康状态的评估方法、装置及管理方法
CN114217238A (zh) 一种锂离子电池循环寿命的预测方法
Cao et al. Non-invasive characteristic curve analysis of lithium-ion batteries enabling degradation analysis and data-driven model construction: a review
Qi et al. Battery pack capacity estimation for electric vehicles based on enhanced machine learning and field data
CN116818904A (zh) 一种锂离子电池析锂超声无损检测方法及系统
CN114859249B (zh) 一种电池包容量的检测方法和装置

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
TR01 Transfer of patent right

Effective date of registration: 20230323

Address after: 214187 Floor 7, No. 688 Zhenghe Avenue, Huishan Economic Development Zone, Wuxi City, Jiangsu Province

Patentee after: Wuxi Lingsheng Technology Co.,Ltd.

Address before: A301, 329 Yanxin Road, Huishan District, Wuxi City, Jiangsu Province

Patentee before: Jiangsu Jihui Huake Intelligent Equipment Technology Co.,Ltd.

TR01 Transfer of patent right