CN112014736A

CN112014736A - 一种电池寿命预测方法、装置、设备及存储介质

Info

Publication number: CN112014736A
Application number: CN202010852152.XA
Authority: CN
Inventors: 孙笑寒; 孙焕丽; 王业斌; 齐睿; 王雯婷; 许立超; 荣常如; 王书洋; 陈永胜; 孟祥宇
Original assignee: FAW Group Corp
Current assignee: FAW Group Corp
Priority date: 2020-08-21
Filing date: 2020-08-21
Publication date: 2020-12-01
Anticipated expiration: 2040-08-21
Also published as: CN112014736B

Abstract

本发明实施例公开了一种电池寿命预测方法、装置、设备及存储介质，该方法包括：从候选工况中确定电池的当前工况，所述候选工况包括：充放电工况和搁置工况；确定所述当前工况下的模型输入数据，并将所述模型输入数据输入到所述当前工况的寿命衰减模型中，得到当前寿命衰减量；其中，所述充放电工况下的模型输入数据为当前电池温度和当前电池能量吞吐量；搁置工况下的模型输入数据为所述当前电池温度和当前电池搁置时间；根据所述当前寿命衰减量，预测当前电池寿命。能够实现线上预测电池寿命，且提高了预测精度，为电池寿命预测提供了一种新思路。

Description

一种电池寿命预测方法、装置、设备及存储介质

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种电池寿命预测方法、装置、设备及存储介质。

背景技术

随着电子产品的普及，电池的使用越来越广泛，无论是在电子产品的开发阶段，还是在电子产品的使用阶段，精准预测出电池的寿命性能对发挥电池真实能力和保护电池两方面都至关重要。

目前，现有技术在预测电池寿命时，通常采用的是线下预测法，如基于标准条件下的寿命数据规律，建立模型，进而采集一段时间内的电池相关数据，线下预测电池未来的寿命衰减趋势，操作复杂，且无法在电子产品使用的过程中实时预测电池寿命，亟需改进。

发明内容

本发明实施例提供了一种电池寿命预测方法、装置、设备及存储介质，能够实现线上预测电池寿命，且提高了预测精度，为电池寿命预测提供了一种新思路。

第一方面，本发明实施例提供了一种电池寿命预测方法，该方法包括：

从候选工况中确定电池的当前工况，所述候选工况包括：充放电工况和搁置工况；

确定所述当前工况下的模型输入数据，并将所述模型输入数据输入到所述当前工况的寿命衰减模型中，得到当前寿命衰减量；其中，所述充放电工况下的模型输入数据为当前电池温度和当前电池能量吞吐量；搁置工况下的模型输入数据为所述当前电池温度和当前电池搁置时间；

根据所述当前寿命衰减量，预测当前电池寿命。

第二方面，本发明实施例还提供了一种电池寿命预测装置，该装置包括：

工况确定模块，用于从候选工况中确定电池的当前工况，所述候选工况包括：充放电工况和搁置工况；

寿命衰减量确定模块，用于确定所述当前工况下的模型输入数据，并将所述模型输入数据输入到所述当前工况的寿命衰减模型中，得到当前寿命衰减量；其中，所述充放电工况下的模型输入数据为当前电池温度和当前电池能量吞吐量；搁置工况下的模型输入数据为所述当前电池温度和当前电池搁置时间；

当前寿命预测模块，用于根据所述当前寿命衰减量，预测当前电池寿命。

第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的电池寿命预测方法。

第四方面，本发明实施例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，该程序被处理器执行时实现如本发明任意实施例所述的电池寿命预测方法。

本发明实施例的技术方案，通过确定电池的当前工况，计算当前工况下的模型输入数据，并通过当前工况的寿命衰减模型分析该模型输入数据，得到当前寿命衰减量；并根据当前寿命衰减量预测当前电池寿命。本发明实施例的方案，能够结合电池的实时工况，实时计算出需要输入到寿命衰减模型中的数据，可实现线上预测电池寿命；且针对不同的工况，使用不同的模型输入数据进行寿命衰减量的计算，提高了最终预测的电池寿命的精确性，为电池寿命预测提供了一种新思路。

附图说明

图1A是本发明实施例一提供的一种电池寿命预测方法的流程图；

图1B是本发明实施例一提供的电池寿命预测结果示意图；

图2A是本发明实施例二提供的一种电池寿命预测方法的流程图；

图2B是本发明实施例二提供的电池寿命预测的原理框图；

图3是本发明实施例三提供的一种电池寿命预测方法的流程图；

图4是本发明实施例四提供的一种电池寿命预测装置的结构框图；

图5是本发明实施例五提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1A是本发明实施例一提供的一种电池寿命预测方法的流程图；图1B是本发明实施例一提供的电池寿命预测结果示意图。本实施例可适用于对电子产品中的电池进行寿命预测的情况，尤其适用于对电子产品中的动力电池进行寿命预测的情况。其中，本发明实施例中的电子产品可以是任意以动力电池提供的电能为工作基础的产品，例如，可以是电动汽车等。该方法可以由待测电池所在的电子产品中的电子设备执行，具体由配置于电子设备中的电池寿命预测装置来执行，该装置可以采用软件和/或硬件的方式实现。可选的，如图1A-1B所示，该方法具体包括如下步骤：

S101，从候选工况中确定电池的当前工况。

其中，本发明实施例中的候选工况可以是待预测寿命的电池能够支持的工作状态，例如，本发明实施例中的候选工况可以包括：充放电工况和搁置工况。其中，充放电工况可以是指电池进行充放电工作时对应的工况，其进一步包括：充电工况和放电工况，例如，假设电池所在的电子设备为电动汽车，由于电动汽车行驶过程中需要电池供电，所以此时的放电工况可以是汽车行驶工况，此时的充电工况就是电动汽车的外接充电工况。搁置工况可以是指电池没有充放电工作，处于搁置状态时对应的工况。例如，假设电池所在电子设备为电动汽车，此时搁置工况为电动汽车停车熄火后的状态。

可选的，在本发明实施例中，从候选工况中确定电池的当前工况的方法有很多，对此本实施例不进行限定。可实施方式一、预先配置好电池的使用制度，即各候选工况对应的时间段。例如，以电池所在设备为电动汽车为例，按照一天24小时制度，从0点开始为各候选工况(即搁置工况、行驶工况和充电工况)分配对应的时间段，可以设置搁置工况对应的时间段为：0：00-8：00、12：15-14：00、17：00-19：00以及22：10-0：00。行驶工况(即充放电工况中的放电工况)对应的时间段为：8：00-11：30、14：00-17：00以及19：00-21：20。充电工况对应的时间段为：11：30-12：15和21：20-22：10。此时在执行本步骤操作时可以是判断当前时刻对应哪个候选工况的时间段，将当前时刻所属时间段对应的候选工况作为电池的当前工况。需要说明的是，该可实施方式多适用于电池的候选工况对应的时间段相对固定的情况，或者适用于线下进行电池寿命预测时使用。但是，对于多数电子产品来说，其候选工况对应的时间段是不固定的，此时为了实时准确的确定出电池的当前工况，可通过如下可实施方式二，结合电池的当前电流值来确定电池的当前工况，即若电池的当前电流值为零，则将候选工况中的搁置工况作为电池的当前工况；若电池的当前电流值不为零，则将候选工况中的充放电工况作为电池的当前工况。具体的，若电池的当前电流值为零，则说明电池当前没有工作，处于搁置状态，所以其当前工况应该是搁置工况。若电池的当前电流值不为零，则说明电池当前正在进行充电或放电操作，处于充放电工作状态，所以其当前工况应该是充电放工况。可选的，本发明实施例可以是进一步根据电流值的正负来判断当前工况为放电工况(如电动汽车的行驶工况)还是充电工况。例如，可以是当电流值为正时，当前工况为充电工况；当电流值为负时，当前工况为放电工况。

S102，确定当前工况下的模型输入数据，并将模型输入数据输入到当前工况的寿命衰减模型中，得到当前寿命衰减量。

可选的，在本发明实施例中，不同的工况对应的寿命衰减模型不同，具体的，充放电工况对电池寿命的影响主要与其循环充放电次数有关，所以该充放电工况的寿命衰减模型可以是循环寿命衰减模型；该模型的表达式为公式(1)-(2)：

Ccycle＝A*exp(-Ea/RT)*E^α (1)；

A＝k1*DOD+b1 (2)；

其中，Ccycle为循环寿命衰减量，k1、b1和α为模型参数；DOD为电池的放电深度；Ea为活化能系数，R为气体常数，T为当前电池温度、E为当前电池能量吞吐量。其中，α为小于1的指数。可选的，充放电工况的循环寿命衰减模型中模型参数已预先通过大量的试验拟合得到，活化能系数、气体常数和放电深度是预先设置好的，所以该模型中的未知变量为：循环寿命衰减量、当前电池温度和当前电池能量吞吐量。所以要计算当前寿命衰减量，所述充放电工况下的模型输入数据为当前电池温度和当前电池能量吞吐量。

搁置工况对电池寿命的影响主要与电池被搁置的时长有关，所以该搁置工况的寿命衰减模型可以是日历寿命衰减模型；该模型的表达式为公式(3)-(4)：

Ccalendar＝B*exp(-Ea/RT)*t^β (3)；

B＝k2*SOC+b2 (4)；

其中，Ccalendar为日历寿命衰减量，k2、b2和β为模型参数；SOC为电池的剩余电量；Ea为活化能系数，R为气体常数，T为当前电池温度、t为当前电池搁置时间。其中，β为小于1的指数。可选的，搁置工况的日历寿命衰减模型中模型参数已预先通过大量的试验拟合得到，活化能系数、气体常数和剩余电量是预先设置好的，所以该模型中的未知变量为：日历寿命衰减量、当前电池温度和当前电池搁置时间。所以要计算当前寿命衰减量，所述搁置工况下的模型输入数据为当前电池温度和当前电池搁置时间。

可选的，本发明实施例中，两种候选工况的寿命衰减模型中都包括阿伦尼乌斯公式，即A*exp(-Ea/RT)和B*exp(-Ea/RT)，且在充放电工况下，所述阿伦尼乌斯公式A*exp(-Ea/RT)的指前因子A中包含电池放电深度DOD；在所述搁置工况下，所述阿伦尼乌斯公式B*exp(-Ea/RT)的指前因子B中包含电池剩余电量SOC。这样设置的好处是将电池放电深度和剩余电量作为指前因子，而不作为单独变量。对寿命衰减模型进行降维处理，降低模型复杂度。

可选的，在本发明实施例中，由于不同工况对应的模型输入数据不同，所以针对不同的当前工况，采用不同的方式来计算其对应的模型输入数据。具体的，针对充电放工况，可以根据预先配置的电池热管理策略和电池充放电使用策略来确定其模型输入数据，即当前电池温度和当前电池能量吞吐量；针对搁置工况，可以根据环境温度和电池被搁置的时间来确定其模型输入数据，即当前电池温度和当前电池搁置时间。需要说明的是，虽然充放电工况和搁置工况的模型输入数据中都包含当前电池温度，但是不同工况下，当前电池温度的确定方法不同。具体的确定方式将在后续实施例中进行详细介绍，在此本实施例不进行赘述。在确定出当前工况下的模型输入数据后，可以将该模型输入数据输入到已经构建好的当前工况的寿命衰减模型中，该寿命衰减模型就会依据其内部设置的相关参数，计算出寿命衰减量作为当前寿命衰减量，即充放电工况对应循环寿命衰减模型，循环寿命衰减模型按照上述公式(1)和(2)计算出的循环寿命衰减量Ccycle即为当前寿命衰减量；搁置工况对应日历寿命衰减模型，日历寿命衰减模型按照上述公式(3)和(4)计算出的日历寿命衰减量Ccalendar即为当前寿命衰减量。

S103，根据当前寿命衰减量，预测当前电池寿命。

可选的，本发明实施例中，可以是实时通过S101-S102计算当前寿命衰减量，并在每次计算出当前寿命衰减量后，都执行S103预测当前电池寿命，此时，可以是在上一次预测得到的电池寿命的基础上，迭代上当前寿命衰减量，即可得到当前电池寿命。可选的，本发明实施例中，还可以是每隔第一周期，执行一次S101-S102计算当前寿命衰减量的操作，然后每隔第二周期，执行一次S103预测当前电池寿命的操作，其中，第一周期的时间间隔小于第二周期，例如，第一周期可以是一分钟，第二周期可以是一天，此时，可以是将第二周期内计算出的各当前寿命衰减量进行迭代处理，得到第二周期内的总寿命衰减量，再从上一第二周期预测的电池寿命的基础上，迭代上当前第二周期内的总寿命衰减量，即可得到当前电池寿命。

可选的，本发明实施例可以按照上述方法完成电池在任意时间段或全生命周期的寿命预测。示例性的，图1B中的曲线即为预测出的电池全生命周期工况对应的仿真曲线，由图1B可以看出，随着x轴时间的增加，y轴对应的电池的容量保持量，即电池寿命在逐渐的衰减。

本发明实施例的电池寿命预测方法，通过确定电池的当前工况，计算当前工况下的模型输入数据，并通过当前工况的寿命衰减模型分析该模型输入数据，得到当前寿命衰减量；并根据当前寿命衰减量预测当前电池寿命。本发明实施例的方案，能够结合电池的实时工况，实时计算出需要输入到寿命衰减模型中的数据，可实现线上预测电池寿命；且针对不同的工况，使用不同的模型输入数据进行寿命衰减量的计算，提高了最终预测的电池寿命的精确性，为电池寿命预测提供了一种新思路。

实施例二

图2A是本发明实施例二提供的一种电池寿命预测方法的流程图；图2B是本发明实施例二提供的电池寿命预测的原理框图。本实施例在上述实施例的基础上，进行了进一步的优化，给出了针对不同工况，如何确定模型输入数据的具体情况介绍。如图2A-2B所示，该方法具体包括：

S201，开始。

S202，从候选工况中确定电池的当前工况，若当前工况为充放电工况，则执行S203，若当前工况为搁置工况，则执行S204。

示例性的，如图2B所示，本发明实施例可以是判断电池的当前电流值是否为零，若电池的当前电流值为零，则将候选工况中的搁置工况作为电池的当前工况，并执行S204的操作，确定搁置工况下对应的模型输入数据。若电池的当前电流值不为零，则将候选工况中的充放电工况作为电池的当前工况，并执行S203的操作，确定充放电工况下对应的模型输入数据。

S203，若当前工况为充放电工况，则根据电池热管理策略和电池充放电使用策略，确定当前电池温度和当前电池能量吞吐量作为当前工况下的模型输入数据。

其中，本发明实施例中的电池热管理策略可以是预先根据实际需求制定的，其用于电池充放电过程中，对电池的加热和冷却处理的相关策略。具体的，该电池热管理策略包括：加热策略和冷却策略，所述加热策略包括：加热开启温度T1、加热退出温度T1'、加热介质流量l1和加热介质温度T10；所述冷却策略包括：冷却开启温度T2、冷却退出温度T2'、冷却介质流量l2和冷却介质温度T20。其中，加热介质温度和冷却介质温度可以相同也可以不同；加热介质流量和冷却介质流量可以相同也可以不同。该加热策略可以是电池温度低于T1就启动对电池进行加热，电池温度高于T1'就退出对电池加热，且加热介质流量为l1，加热介质温度为T10。同理，该冷却策略可以是电池温度高于T2就启动对电池进行冷却，电池温度低于T2'就退出对电池冷却，且冷却介质流量为l2，冷却介质温度为T20。

其中，本发明实施例中的电池充放电使用策略为不同温度的电池在各候选使用场景下工作的电压值和/或电流值。例如，若电池的充放电电压是恒定的，则此时只需预先规定不同温度的电池在各候选使用场景下工作的电流值(即电池峰值充电电流值、电池峰值放电电流值，以及外接充电电流值)；若电池的充放电电流是恒定的，则此时只需预先规定不同温度的电池在各候选使用场景下工作的电压值(即电池峰值充电电压值、电池峰值放电电压值，以及外接充电电压值)；若电池充放电的电压和电流都不恒定，则此时需预先规定不同温度的电池在各候选使用场景下工作的电压值和电流值。其中，各候选使用场景可以是指电池所在的电子产品工作时对应的各工作场景，例如，假设电子产品为电动汽车，则此时的候选使用场景可以是电动汽车以不同速度行驶时对应的场景等。可选的，电池充放电使用时，电流值与电压值、电池温度，以及电池剩余电量有关。

可选的，如图2B所示，本发明实施例可以是根据电池热管理策略和初始电池温度(即电池首次使用的温度，即初始环境温度)，来实时计算电池的当前温度，具体的，可以是预先设置一个温度计算模块，该模型对应的计算公式为：T＝f(T1,T1',T2,T2',c，k，m，T10，T20，s，l1,l2),其中，T1、T1'、T2、T2'、T10、T20、l1和l2为电池热管理策略中设置的参数，上面已经介绍在此不进行赘述。除此之外，k为电芯导热系数，m为电池质量，s为换热面积。可以将上述所有参数预先输入温度计算模块中，温度计算模块就可以根据上一次计算出来的电池温度(需要说明的是，首次计算电池温时，可以是将环境温度作为初始电池温度进行计算)，按照内部配置的电池管理策略，实时计算当前电池温度T。本实施例可以按照电池热管理策略精准计算出电池的实时温度。可选的，本发明实施例可以是根据电池充放电使用策略，来计算当前电池能量吞吐量，具体的，当前电池能量吞吐量的计算公式可以是E＝IU×Δt。其中，IU为根据预先制定的电池充放电使用策略，确定的在当前电池温度下，当前时刻电池的充放电电流值和电压值，Δt为预先设置相邻两次计算寿命衰减量的时间间隔，如1s。本步骤按照上述方式计算出的当前电池温度T和当前电池能量吞吐量E即为充放电工况下，需要输入到循环寿命衰减模型中的模型输入数据。

S204，若当前工况为搁置工况，则根据当前环境温度，确定当前电池温度；并将当前电池温度和统计的当前电池搁置时间作为当前工况下的模型输入数据。

可选的，当电池处于搁置工况时，电池没有进行工作，所以电池本身不会发热，所以如图2B所示，可以将当前环境温度作为当前电池温度，并在电池进入搁置工况后，启动统计电池处于搁置状态的时长，即当前电池搁置时间，此时将该当前电池温度和统计的当前电池搁置时间作为搁置工况下，需要输入到日历寿命衰减模型中的模型输入数据。

S205，将模型输入数据输入到当前工况的寿命衰减模型中，得到当前寿命衰减量。

可选的，如图2B所示，针对S203计算出的模型输入数据，输入到充放电工况的循环寿命衰减模型中，此时循环寿命衰减模型就会按照上述公式(1)-(2)计算得到循环寿命衰减量Ccycle，作为当前寿命衰减量。针对S204计算出的模型输入数据，输入到搁置工况的日历寿命衰减模型中，此时日历寿命衰减模型就会按照上述公式(3)-(4)计算得到日历寿命衰减量Ccalendar，作为当前寿命衰减量。

S206，根据当前寿命衰减量，预测当前电池寿命。

本发明实施例的电池寿命预测方法，确定出电池的当前工况后，对于充放电工况，根据电池热管理策略和电池充放电使用策略，确定模型输入数据(即当前电池温度和当前电池能量吞吐量)；对于搁置工况，根据当前环境温度和统计的电池搁置时间，确定模型输入数据，(即当前电池温度和统计的当前电池搁置时间)，并将当前工况确定的模型输入数据输入到当前工况对应的寿命衰减模型中，得到当前寿命衰减量；进而根据当前寿命衰减量预测当前电池寿命。本发明实施例的方案，计算充放电工况的寿命衰减量时，根据电池热管理策略和电池充放电使用策略，可实时计算电池充放电过程中的当前电池温度和当前电池能量吞吐量，提升了充放电工况下的寿命衰减量计算的精确度。计算搁置工况的寿命衰减量时，考虑到了搁置时长和搁置环境下的电池温度，极大的优化了电池寿命预测的指导策略。

实施例三

图3是本发明实施例三提供的一种电池寿命预测方法的流程图。本实施例在上述实施例的基础上，进行了进一步的优化，给出了如何构建不同工况的寿命衰减模型的具体情况介绍。如图3所示，该方法具体包括：

S301，在第一预设场景下，进行预测次数的电池循环充放电试验，确定充放电工况的寿命衰减模型的模型参数，得到充放电工况的寿命衰减模型。

其中，所述第一预设场景为至少三个第一环境温度和至少两个电池放电深度循环区间进行组合得到的场景。具体的，可以预先设置至少三个恒定的第一环境温度，如0℃、15℃和35℃，预先设置至少两个电池放电深度循环区间，如0％—80％和0％-100％，此时可以将环境温度和放电深度循环区间进行两两组合，得到至少六个第一预设场景。需要说明的是，组合得到的第一预设场景越多，确定出的寿命衰减模型的模型参数越准确。

具体的，本步骤可以是在每个第一预设场景下，进行预设次数(如500次)的电池循环充放电试验，记录每次试验对应的电池温度、电池能量吞吐量和电池寿命衰减量，作为测试结果数据；将多个第一预设场景下，记录的多组测试结果数据输入到充放电工况的循环寿命衰减模型(即公式(1)-(2))中，拟合出该循环寿命衰减模型的模型参数，即公式(1)-(2)中的k1、b1和α。将拟合出来的模型参数配置在公式(1)-(2)对应的循环寿命衰减模型中，并根据实际需求设置好电池的放电深度DOD(如0％—80％的电池放电深度循环区间对应的放电深度为80％)、活化能系数Ea和气体常数R，即可得到充放电工况的寿命衰减模型。

S302，在第二预设场景下，进行预设时长的电池搁置试验，确定搁置工况的寿命衰减模型的模型参数，得到搁置工况的寿命衰减模型。

其中，所述第二预测场景为至少三个第二环境温度和至少两种电池剩余电量进行组合得到的场景。具体的，可以预先设置至少三个恒定的第二环境温度，如0℃、15℃和35℃，其中，第一环境温度和第二环境温度可以相同，也可以不同。预先设置至少两种电池剩余电量情景，如80％和100％，此时可以将环境温度和电池剩余电量进行两两组合，得到至少六个第二预设场景。需要说明的是，组合得到的第二预设场景越多，确定出的寿命衰减模型的模型参数越准确。

具体的，本步骤可以是在每个第二预设场景下，将电池搁置预设时长(如300天)进行试验，记录每次试验对应的电池温度(即环境温度)、搁置时长和电池寿命衰减量，作为测试结果数据；将多个第二预设场景下，记录的多组测试结果数据输入到搁置工况的日历寿命衰减模型(即公式(3))中，拟合出该日历寿命衰减模型的模型参数，即公式(3)-(4)中的k2、b2和β。将拟合出来的模型参数配置在公式(3)-(4)对应的日历寿命衰减模型中，并根据实际需求设置好活化能系数Ea和气体常数R，即可得到搁置工况的寿命衰减模型。其中，日历寿命衰减模型中的电池的剩余电量SOC可以是预先设置的，也可以是在预测电池寿命时实时获取的电池实际剩余电量。

S303，从候选工况中确定电池的当前工况，候选工况包括：充放电工况和搁置工况。

S304，确定当前工况下的模型输入数据，并将模型输入数据输入到当前工况的寿命衰减模型中，得到当前寿命衰减量。

其中，充放电工况下的模型输入数据为当前电池温度和当前电池能量吞吐量；搁置工况下的模型输入数据为当前电池温度和当前电池搁置时间。

S305，根据当前寿命衰减量，预测当前电池寿命。

本发明实施例的电池寿命预测方法，构建寿命衰减模型时，在第一预设场景下，通过进行多次电池循环充放电试验，拟合充放电工况的寿命衰减模型的模型参数，得到充放电工况的寿命衰减模型；在第二预设场景下，通过进行预设时长的电池搁置试验，拟合搁置工况的寿命衰减模型的模型参数，得到搁置工况的寿命衰减模型。实时预测电池寿命时，确定电池的当前工况，计算当前工况下的模型输入数据，并通过当前工况的寿命衰减模型分析该模型输入数据，得到当前寿命衰减量；并根据当前寿命衰减量预测当前电池寿命。本发明实施例的方案，通过设置不同的预设场景，进行多次试验，精准得到不同工况对应的不同寿命衰减模型的模型参数，为后续进行精准的电池寿命预测提供了保证。

实施例四

图4是本发明实施例四提供的一种电池寿命预测装置的结构框图，该装置可以配置于待测电池所在的电子产品中的电子设备中。该装置可执行本发明上述任意实施例所提供的电池寿命预测方法，可适用于对电子产品中的电池进行寿命预测的情况，尤其适用于电子产品中的动力电池进行寿命预测的情况。具体执行方法相应的功能模块和有益效果。如图4所示，该装置包括：

工况确定模块401，用于从候选工况中确定电池的当前工况，所述候选工况包括：充放电工况和搁置工况；

寿命衰减量确定模块402，用于确定所述当前工况下的模型输入数据，并将所述模型输入数据输入到所述当前工况的寿命衰减模型中，得到当前寿命衰减量；其中，所述充放电工况下的模型输入数据为当前电池温度和当前电池能量吞吐量；搁置工况下的模型输入数据为所述当前电池温度和当前电池搁置时间；

当前寿命预测模块403，用于根据所述当前寿命衰减量，预测当前电池寿命。

本发明实施例的电池寿命预测装置，通过确定电池的当前工况，计算当前工况下的模型输入数据，并通过当前工况的寿命衰减模型分析该模型输入数据，得到当前寿命衰减量；并根据当前寿命衰减量预测当前电池寿命。本发明实施例的方案，能够结合电池的实时工况，实时计算出需要输入到寿命衰减模型中的数据，可实现线上预测电池寿命；且针对不同的工况，使用不同的模型输入数据进行寿命衰减量的计算，提高了最终预测的电池寿命的精确性，为电池寿命预测提供了一种新思路。

进一步的，所述工况确定模块401具体用于：

若所述电池的当前电流值为零，则将所述候选工况中的搁置工况作为所述电池的当前工况；

若所述电池的当前电流值不为零，则将所述候选工况中的充放电工况作为所述电池的当前工况。

进一步的，所述寿命衰减量确定模块402在确定当前工况下的模型输入数据时，具体用于：

若所述当前工况为充放电工况，则根据电池热管理策略和电池充放电使用策略，确定当前电池温度和当前电池能量吞吐量作为当前工况下的模型输入数据；

若所述当前工况为搁置工况，则根据当前环境温度，确定所述当前电池温度；并将所述当前电池温度和统计的当前电池搁置时间作为当前工况下的模型输入数据。

进一步的，所述电池热管理策略包括：加热策略和冷却策略，所述加热策略包括：加热开启温度、加热退出温度、加热介质流量和加热介质温度；所述冷却策略包括：冷却开启温度、冷却退出温度、冷却介质流量和冷却介质温度。

进一步的，所述电池充放电使用策略为不同温度的电池在各候选使用场景下工作的电压值和/或电流值。

进一步的，所述装置还包括模型构建模块，具体用于：

在第一预设场景下，进行预测次数的电池循环充放电试验，确定所述充放电工况的寿命衰减模型的模型参数，得到所述充放电工况的寿命衰减模型；其中，所述第一预设场景为至少三个第一环境温度和至少两个电池放电深度循环区间进行组合得到的场景；

在第二预设场景下，进行预设时长的电池搁置试验，确定所述搁置工况的寿命衰减模型的模型参数，得到所述搁置工况的寿命衰减模型；其中，所述第二预测场景为至少三个第二环境温度和至少两种电池剩余电量进行组合得到的场景。

进一步的，所述寿命衰减模型中包含阿伦尼乌斯公式；在所述充放电工况下，所述阿伦尼乌斯公式的指前因子包含电池放电深度；在所述搁置工况下，所述阿伦尼乌斯公式的指前因子包含电池剩余电量。

实施例五

图5为本发明实施例五提供的一种电子设备的结构示意图，图5示出了适于用来实现本发明实施例实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。该设电子备典型可以是以上述实施例中待预测寿命的电池提供电能为工作基础的电子产品中的设备。例如，可以是电动汽车中的电子设备。

如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：一个或者多个处理单元或者处理器516，存储器528，连接不同系统组件(包括存储器528和处理器516)的总线518。

总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备500典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备500访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)530和/或高速缓存存储器532。电子设备500可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统534可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明实施例各实施例的功能。

具有一组(至少一个)程序模块542的程序/实用工具540，可以存储在例如存储器528中，这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明实施例所描述的实施例中的功能和/或方法。

电子设备500也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且，电子设备500还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器520通过总线518与电子设备500的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理器516通过运行存储在存储器528中的程序，从而执行各种功能应用以及数据处理，例如实现本发明任一实施例所提供的电池寿命预测方法。

实施例六

本发明实施例六还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时可以用于执行本发明上述任一实施例所提供的电池寿命预测方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims

1.一种电池寿命预测方法，其特征在于，所述方法包括：

根据所述当前寿命衰减量，预测当前电池寿命。

2.根据权利要求1所述的方法，其特征在于，从候选工况中确定电池的当前工况，包括：

3.根据权利要求1所述的方法，其特征在于，确定所述当前工况下的模型输入数据，包括：

4.根据权利要求3所述的方法，其特征在于，所述电池热管理策略包括：加热策略和冷却策略，所述加热策略包括：加热开启温度、加热退出温度、加热介质流量和加热介质温度；所述冷却策略包括：冷却开启温度、冷却退出温度、冷却介质流量和冷却介质温度。

5.根据权利要求3所述的方法，其特征在于，所述电池充放电使用策略为不同温度的电池在各候选使用场景下工作的电压值和/或电流值。

6.根据权利要求1所述的方法，其特征在于，还包括：

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述寿命衰减模型中包含阿伦尼乌斯公式；在所述充放电工况下，所述阿伦尼乌斯公式的指前因子包含电池放电深度；在所述搁置工况下，所述阿伦尼乌斯公式的指前因子包含电池剩余电量。

8.一种电池寿命预测装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的电池寿命预测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的电池寿命预测方法。