CN112364486A - 预测锂电池循环寿命的方法及其用途 - Google Patents
预测锂电池循环寿命的方法及其用途 Download PDFInfo
- Publication number
- CN112364486A CN112364486A CN202011144889.2A CN202011144889A CN112364486A CN 112364486 A CN112364486 A CN 112364486A CN 202011144889 A CN202011144889 A CN 202011144889A CN 112364486 A CN112364486 A CN 112364486A
- Authority
- CN
- China
- Prior art keywords
- battery
- capacity
- experimental
- model
- cycle
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Secondary Cells (AREA)
Abstract
Description
技术领域
本发明属于电池领域,具体而言,涉及预测锂电池循环寿命的方法及其用途。
背景技术
锂离子电池具有工作电压高、能量密度高、无记忆效应和自放电率低等优点,在便携式电子产品中得到了广泛的应用,近年来,已广泛应用于电动汽车领域。与便携式电子产品不同,电动汽车除了要求电池满足高能量密度和功率密度外,还对电池的使用寿命提出了更高的要求,因此,提高电池的使用寿命是车用锂离子电池大规模发展必须解决的问题。然而,电池的寿命测试周期较长,如何快速准确地预测电池的寿命是锂离子电池基础研究的重要课题。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出预测锂电池循环寿命的方法及其用途。该预测方法不仅准确率更高,能够更准确地预测同类电池在某循环温度下的循环寿命,为电池到达寿命终点时的更换提供技术支持与理论依据,还能降低测试成本、缩短测试周期和节约实验资源。
本申请主要是基于以下问题提出的:
目前,预测电池使用寿命主要采用实验测试、数学拟合以及两者相结合的方法,但大多数循环寿命模型只考虑循环次数与容量保持率之间的关系,如采用幂函数来建立循环次数与容量衰减率之间的关系,或采用三次多项式来建立循环次数与容量衰减率之间的关系等。而实际上,温度是影响电池寿命最主要的外部因素,目前有采用阿伦尼乌斯形式来评价温度影响因子对容量衰减率的影响、且循环次数对容量衰减率的影响采用幂函数(其指数值固定为0.5)的循环寿命模型,该寿命模型影响容量衰减率的最主要参数是幂函数的指数项。但对于有些电池体系,容量衰减对温度比较敏感,把指数项的值固定,预测效果可能不佳。
为此,根据本发明的第一个方面,本发明提出了一种预测锂电池循环寿命的方法。根据本发明的实施例,该方法包括:
(1)建立如式I所示的容量衰减模型:
其中,Qloss表示容量损失率,T表示循环温度,N表示循环次数,α、β、γ、λ均为待求解的模型参数;
(2)根据电池类型和电池使用温度范围确定实验条件,并在不同实验条件下进行电池充放电循环测试,以便确定模型参数α、β、γ、λ的值,得到适用于特定电池类型的容量衰减模型;
(3)利用步骤(2)得到的容量衰减模型预测同类型待测电池在特定使用温度下的循环寿命。
本发明上述实施例的预测锂电池循环寿命的方法把指数项与温度关联起来,具体采用温度的逆幂律形式。
本发明上述实施例的预测锂电池循环寿命的方法中,采用的容量衰减模型考虑了循环温度的影响,具有较好的普适性,并且该容量衰减模型中循环次数的指数项与温度关联,具体采用温度的逆幂律形式,这样不仅更能体现温度对循环寿命的影响,而且拟合效果更佳,进而预测的准确度高,可以更准确地预测同类电池在某循环温度下的循环寿命,为电池到达寿命终点时的更换提供技术支持与理论依据,具体地,预测值和实验值之间的误差可降低至2%以下。由此,该方法通过结合电池在某循环温度下的前期试验数据和如式I所示的容量衰减模型来进行电池循环寿命的预测,不仅准确率更高,还能降低测试成本、缩短测试周期和节约实验资源。
另外,根据本发明上述实施例的预测锂电池循环寿命的方法还可以具有如下附加的技术特征:
在本发明的一些实施例中,步骤(2)中,所述使用温度范围包括电池的正常使用温度和使用温度阈值。
在本发明的一些实施例中,步骤(2)进一步包括:(2-1)确认待测电池的类型和使用温度范围,并在所述使用温度范围内选取最低使用温度、最高使用温度和其它至少一个使用温度;(2-2)挑选初始状态一致的新鲜电池作为实验电池,对所述实验电池进行定容测试,以确定其1C实际电流值,然后将所述实验电池放入对其实验设定的恒温箱中设置工步进行充放电循环,定期查看并记录实验数据,待所述实验电池的容量衰减20%后终止实验;(2-3)处理实验数据,以便确定模型参数α、β、γ、λ的值,得到适用于特定电池类型的容量衰减模型。
在本发明的一些实施例中,步骤(2-1)中,所述其它至少一个使用温度包括多个正常使用温度。
在本发明的一些实施例中,步骤(2-2)中,所述初始状态包括初始电压和内阻,所述新鲜电池为经化成和分容后的全新电池。
在本发明的一些实施例中,步骤(2-3)进一步包括:(a)对所述实验数据进行预处理并剔除异常数据;(b)利用式II所示的公式求出第i次循环后实验电池的容量衰减率:
其中,Qi表示循环i次后所述实验电池的放电容量,Q0表示所述实验电池的初始容量,i为自然数,Qi loss表示循环i次后所述实验电池的容量衰减率;(c)将各个Qi loss与其对应的循环次数Ni和循环温度Ti按照式I所述的容量衰减模型进行拟合处理,以便确定模型参数α、β、γ、λ的初步值和初步的容量衰减模型;(d)利用初步确定的容量衰减模型对所述实验电池的实验数据进行拟合,并与真实的实验数据进行对比,以便优化各模型参数的取值,确定模型参数α、β、γ、λ的最终值和适用于特定电池类型的容量衰减模型。
在本发明的一些实施例中,步骤(d)中,优化各模型参数的取值进一步包括:微调各模型参数的取值,使每只实验电池的拟合曲线与真实的实验数据曲线的吻合度差值在预设的阈值范围内。
在本发明的一些实施例中,所述锂电池为车用锂电池。
根据本发明的第二个方面,本发明提出了上述预测锂电池循环寿命的方法在预测锂电池使用寿命中的用途。根据本发明的实施例,该用途包括但不限于评价锂电池的使用寿命、比较不同电池的使用寿命长短等,由此不仅可以用于评价电池的使用性能,还能更准确地预测同类电池在某循环温度下的使用寿命,为电池到达寿命终点时的更换提供技术支持与理论依据。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一个实施例的预测锂电池循环寿命的方法流程图。
图2是实施例1中25℃下预测模型拟合曲线与真实实验数据曲线的对比图。
图3是实施例1中45℃下预测模型拟合曲线与真实实验数据曲线的对比图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
根据本发明的第一个方面,本发明提出了一种预测锂电池循环寿命的方法。根据本发明的实施例,该方法采用了新的容量衰减模型,并将指数项与温度关联起来,具体采用温度的逆幂律形式。具体地,参考图1,该方法包括:
S100:建立如式I所示的容量衰减模型
其中,Qloss表示容量损失率,T表示循环温度,N表示循环次数,α、β、γ、λ均为待求解的模型参数。
根据本发明的实施例,鉴于有些电池体系容量衰减对温度比较敏感,发明人设想可以采用新的容量衰减模型并将指数项与温度关联起来,从而提高容量衰减模型的准确率。发明人发现,当采用如式I所示的容量衰减模型,将循环次数的指数项与温度关联,具体采用温度的逆幂律形式时,不仅更能体现温度对循环寿命的影响,而且拟合效果更佳,进而预测的准确度更高,特别是针对容量衰减对温度比较敏感的电池体系其预测结果更为准确,由此不仅可以更准确地预测同类电池在某循环温度下的循环寿命,为电池到达寿命终点时的更换提供技术支持与理论依据,还能降低测试成本、缩短测试周期和节约实验资源。
S200:根据电池类型和电池使用温度范围确定实验条件,并在不同实验条件下进行电池充放电循环测试,以便确定模型参数α、β、γ、λ的值,得到适用于特定电池类型的容量衰减模型
根据本发明的一个具体实施例,电池使用温度范围可以包括电池的正常使用温度和使用温度阈值,使用温度阈值包括最高使用温度和最低使用温度,由此可以使该预测方法通用于各种使用温度下电池循环寿命的预测。
根据本发明的再一个具体实施例,可以通过以下步骤来确定模型参数α、β、γ、λ的值:
(2-1)确认待测电池的类型和使用温度范围,并在使用温度范围内选取最低使用温度、最高使用温度和其它至少一个使用温度,从而确定试验条件。其中,其它至少一个使用温度可以包括多个正常使用温度,例如可以不低于3个,具体可以根据电池的类型、应用场景选择多个正常使用温度,其中,多个正常使用温度与最低使用温度、最高使用温度可以呈等差数列分布,也可以根据电池的实际使用温度概率选择多个正常使用温度。
(2-2)挑选初始状态一致的新鲜电池作为实验电池,对实验电池进行定容测试,以确定其1C实际电流值,然后将实验电池放入对其实验设定的恒温箱中设置工步进行充放电循环,定期查看并记录实验数据,待实验电池的容量衰减20%后终止实验,由此可以在相同的测试条件下以温度作为变量来研究温度因子对电池容量衰减的影响。需要说明的是,本发明中所述的新鲜电池指的是经化成和分容后的全新电池,初始状态一致的新鲜电池的初始电压和内阻均相同,由此可以进一步提高预测结果的准确性和稳定性。
(2-3)处理实验数据,以便确定模型参数α、β、γ、λ的值,得到适用于特定电池类型的容量衰减模型。其中,可以根据多个初始状态一致的新鲜电池容量损失率相同,且循环次数、循环温度已知的情况下联立多个方程来确定模型参数α、β、γ、λ的值,从而确定适用于特定电池类型的初步容量衰减模型。具体地,可以进一步包括:(a)对实验数据进行预处理并剔除异常数据;(b)利用式II所示的公式求出第i次循环后实验电池的容量衰减率:
其中,Qi表示循环i次后实验电池的放电容量,Q0表示实验电池的初始容量(即循环前通过定容测试确定的容量),i取自然数,Qi loss表示循环i次后实验电池的容量衰减率;(c)将各个Qi loss与其对应的循环次数Ni和循环温度Ti按照式I的容量衰减模型进行拟合处理,以便确定模型参数α、β、γ、λ的初步值和初步的容量衰减模型;(d)利用初步确定的容量衰减模型对实验电池的实验数据进行拟合,并与真实的实验数据进行对比,以便优化各模型参数的取值,确定模型参数α、β、γ、λ的最终值和适用于特定电池类型的容量衰减模型。由此可以进一步提高容量衰减模型的普适性和准确度。
根据本发明的又一个具体实施例,步骤(d)中,优化各模型参数的取值可以进一步包括:微调各模型参数的取值,使每只实验电池的拟合曲线与真实的实验数据曲线的吻合度差值在预设的阈值范围内,由此可以进一步提高容量衰减模型的普适性和准确度。其中,可以进一步缩小该吻合度差值的预设阈值范围来使最终确定的容量衰减模型更加准确,具体地,该阈值范围的选择可以以本领域通用的标准来选择。
S300:利用步骤S200得到的容量衰减模型预测同类型待测电池在特定使用温度下的循环寿命
根据本发明的实施例,通过采用本发明的预测方法来进行电池循环寿命的预测,可以使预测值和实验值之间的误差降低至2%以下。
根据本发明的一个具体实施例,本发明中所述的锂电池的类型并不受特别限制,本领域技术人员可以根据实际需要进行选择,例如锂电池可以为车用锂电池,其中动力电池领域中普遍认为当电池容量下降到额定容量的80%后将不能再用在电动汽车上,由此可以利用本发明上述实施例的预测方法预测该车用锂电池容量衰减至其额定容量的80%的循环次数,从而为车用锂电池到达寿命终点时的更换提供技术支持与理论依据。
综上所述,本发明上述实施例的预测锂电池循环寿命的方法中,采用的容量衰减模型考虑了循环温度的影响,具有较好的普适性,并且该容量衰减模型中循环次数的指数项与温度关联,具体采用温度的逆幂律形式,这样不仅更能体现温度对循环寿命的影响,而且拟合效果更佳,进而预测的准确度高,可以更准确地预测同类电池在某循环温度下的循环寿命,为电池到达寿命终点时的更换提供技术支持与理论依据,具体地,预测值和实验值之间的误差可降低至2%以下。由此,该方法通过结合电池在某循环温度下的前期试验数据和如式I所示的容量衰减模型来进行电池循环寿命的预测,不仅准确率更高,还能降低测试成本、缩短测试周期和节约实验资源。
根据本发明的第二个方面,本发明提出了上述预测锂电池循环寿命的方法在预测锂电池使用寿命中的用途。根据本发明的实施例,该用途包括但不限于评价锂电池的使用寿命、比较不同电池的使用寿命长短等,由此不仅可以用于评价电池的使用性能,还能更准确地预测同类电池在某循环温度下的使用寿命,为电池到达寿命终点时的更换提供技术支持与理论依据。需要说明的是,针对上述预测锂电池循环寿命的方法所描述的特征及效果同样适用于该预测方法在预测锂电池使用寿命中的用途,此处不再一一赘述。
下面将结合实施例对本发明的方案进行解释。本领域技术人员将会理解,下面的实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件的,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者,均为可以通过市购获得的常规产品。
实施例1
利用如式I所示的容量衰减模型,对公司某型号电池的1C/1C、25℃及45℃循环的前650周的部分实验数据,进行拟合,得到如表1所示的模型参数值,确定式I的模型参数值α、β、γ、λ。利用该模型对此类电池进行循环寿命预测,预测结果对比见图2~3和表2。
表1模型参数值
α | β | γ | λ |
3.0309×10<sup>-4</sup> | 1.3565×10<sup>4</sup> | -2.2919×10<sup>3</sup> | 8.5604 |
表2预测结果对比
结果与结论:
综合表2和图2~3可知,循环温度的变化会对电池的容量衰减和循环寿命产生显著的影响,并且随着容量衰减率的提高,预测模型的拟合曲线与真实的实验数据曲线的吻合度越来越高,当容量损失率达到6%以后,预测模型的拟合曲线与真实的实验数据曲线几乎完全重合,预测结果相对于实验值的误差绝对值可降低至2%以下。其中,需要说明的是,由于电池体系的原因,图2在常温下前期的容量衰减很慢,前200周基本没衰减,而后期衰减较快,但实际上,电池的使用寿命主要取决于循环曲线后期的走势,也就是说,容量衰减模型的预测精度主要取决与拟合曲线与实验曲线后期的吻合度,只要拟合曲线与实验曲线后期的吻合度高,预测精度就高。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
2.根据权利要求1所述的方法,其特征在于,步骤(2)中,所述使用温度范围包括电池的正常使用温度和使用温度阈值。
3.根据权利要求1所述的方法,其特征在于,步骤(2)进一步包括:
(2-1)确认待测电池的类型和使用温度范围,并在所述使用温度范围内选取最低使用温度、最高使用温度和其它至少一个使用温度;
(2-2)挑选初始状态一致的新鲜电池作为实验电池,对所述实验电池进行定容测试,以确定其1C实际电流值,然后将所述实验电池放入对其实验设定的恒温箱中设置工步进行充放电循环,定期查看并记录实验数据,待所述实验电池的容量衰减20%后终止实验;
(2-3)处理实验数据,以便确定模型参数α、β、γ、λ的值,得到适用于特定电池类型的容量衰减模型。
4.根据权利要求3所述的方法,其特征在于,步骤(2-1)中,所述其它至少一个使用温度包括多个正常使用温度。
5.根据权利要求3所述的方法,其特征在于,步骤(2-2)中,所述初始状态包括初始电压和内阻,所述新鲜电池为经化成和分容后的全新电池。
6.根据权利要求3所述的方法,其特征在于,步骤(2-3)进一步包括:
(a)对所述实验数据进行预处理并剔除异常数据;
(b)利用式II所示的公式求出第i次循环后实验电池的容量衰减率:
其中,Qi表示循环i次后所述实验电池的放电容量,Q0表示所述实验电池的初始容量,i为自然数,Qiloss表示循环i次后所述实验电池的容量衰减率;
(c)将各个Qiloss与其对应的循环次数Ni和循环温度Ti按照式I所述的容量衰减模型进行拟合处理,以便确定模型参数α、β、γ、λ的初步值和初步的容量衰减模型;
(d)利用初步确定的容量衰减模型对所述实验电池的实验数据进行拟合,并与真实的实验数据进行对比,以便优化各模型参数的取值,确定模型参数α、β、γ、λ的最终值和适用于特定电池类型的容量衰减模型。
7.根据权利要求6所述的方法,其特征在于,步骤(d)中,优化各模型参数的取值进一步包括:
微调各模型参数的取值,使每只实验电池的拟合曲线与真实的实验数据曲线的吻合度差值在预设的阈值范围内。
8.根据权利要求7所述的方法,其特征在于,所述锂电池为车用锂电池。
9.权利要求1~8中任一项所述的方法在预测锂电池使用寿命中的用途。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011144889.2A CN112364486B (zh) | 2020-10-23 | 2020-10-23 | 预测锂电池循环寿命的方法及其用途 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011144889.2A CN112364486B (zh) | 2020-10-23 | 2020-10-23 | 预测锂电池循环寿命的方法及其用途 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112364486A true CN112364486A (zh) | 2021-02-12 |
CN112364486B CN112364486B (zh) | 2023-02-03 |
Family
ID=74511714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011144889.2A Active CN112364486B (zh) | 2020-10-23 | 2020-10-23 | 预测锂电池循环寿命的方法及其用途 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112364486B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114035094A (zh) * | 2021-10-29 | 2022-02-11 | 合肥国轩高科动力能源有限公司 | 一种基于eis测试的锂电池衰减模型 |
CN114035097A (zh) * | 2021-11-30 | 2022-02-11 | 重庆长安新能源汽车科技有限公司 | 锂离子电池寿命衰减预测的方法、系统及存储介质 |
CN115077622A (zh) * | 2022-07-14 | 2022-09-20 | 厦门海辰新能源科技有限公司 | 预测电池循环寿命及膨胀力的方法及其用途 |
CN117436287A (zh) * | 2023-12-20 | 2024-01-23 | 天津力神电池股份有限公司 | 电池组寿命预测方法、装置及存储介质 |
CN117519448B (zh) * | 2024-01-04 | 2024-04-26 | 深圳市佩城科技有限公司 | 一种平板电脑的使用时间警示系统及方法 |
CN115077622B (zh) * | 2022-07-14 | 2024-05-31 | 厦门海辰储能科技股份有限公司 | 预测电池循环寿命及膨胀力的方法及其用途 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698710A (zh) * | 2013-12-12 | 2014-04-02 | 中南大学 | 一种电池寿命周期预测方法 |
CN106597305A (zh) * | 2016-12-09 | 2017-04-26 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池的循环寿命预测方法 |
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 |
-
2020
- 2020-10-23 CN CN202011144889.2A patent/CN112364486B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698710A (zh) * | 2013-12-12 | 2014-04-02 | 中南大学 | 一种电池寿命周期预测方法 |
CN106597305A (zh) * | 2016-12-09 | 2017-04-26 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池的循环寿命预测方法 |
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 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114035094A (zh) * | 2021-10-29 | 2022-02-11 | 合肥国轩高科动力能源有限公司 | 一种基于eis测试的锂电池衰减模型 |
CN114035097A (zh) * | 2021-11-30 | 2022-02-11 | 重庆长安新能源汽车科技有限公司 | 锂离子电池寿命衰减预测的方法、系统及存储介质 |
CN114035097B (zh) * | 2021-11-30 | 2023-08-15 | 深蓝汽车科技有限公司 | 锂离子电池寿命衰减预测的方法、系统及存储介质 |
CN115077622A (zh) * | 2022-07-14 | 2022-09-20 | 厦门海辰新能源科技有限公司 | 预测电池循环寿命及膨胀力的方法及其用途 |
CN115077622B (zh) * | 2022-07-14 | 2024-05-31 | 厦门海辰储能科技股份有限公司 | 预测电池循环寿命及膨胀力的方法及其用途 |
CN117436287A (zh) * | 2023-12-20 | 2024-01-23 | 天津力神电池股份有限公司 | 电池组寿命预测方法、装置及存储介质 |
CN117436287B (zh) * | 2023-12-20 | 2024-04-19 | 天津力神电池股份有限公司 | 电池组寿命预测方法、装置及存储介质 |
CN117519448B (zh) * | 2024-01-04 | 2024-04-26 | 深圳市佩城科技有限公司 | 一种平板电脑的使用时间警示系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112364486B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112364486B (zh) | 预测锂电池循环寿命的方法及其用途 | |
CN109856559B (zh) | 一种锂电池循环寿命的预测方法 | |
CN110750874B (zh) | 一种退役动力电池寿命预测方法 | |
US10481623B1 (en) | Optimizing a temperature profile in a thermal management system of an electric vehicle | |
Barcellona et al. | Analysis of ageing effect on Li‐polymer batteries | |
CN113646651B (zh) | 电池管理设备及包括其的电池组和电动车辆 | |
CN112198444B (zh) | 一种基于极片膨胀度预测锂离子电池循环寿命的方法 | |
CN109100652B (zh) | 一种用于预测梯次利用动力电池的离散度的方法及系统 | |
US11552494B2 (en) | Method and apparatus controlling charging of battery based on diffusion characteristics of material included in the battery | |
CN111426952A (zh) | 一种锂离子电池的寿命预测方法 | |
CN116482541A (zh) | 预测电池循环寿命的方法、装置及计算机可读存储介质 | |
CN111562510B (zh) | 一种用于确定退役动力电池剩余寿命的方法及系统 | |
CN115291131A (zh) | 锂离子电池的循环寿命和使用温度预测方法及系统 | |
CN112034353B (zh) | 一种电池寿命预测方法以及系统 | |
CN114624600A (zh) | 一种动力电池电芯容量差计算方法和计算机可读存储介质 | |
CN117723973A (zh) | 电池存储容量损失的评估方法、装置、电子设备及介质 | |
CN116754981B (zh) | 电池容量预测方法、装置、电子设备及存储介质 | |
CN117148166A (zh) | 电池安全等级预测方法、装置、计算机设备及存储介质 | |
US20230258733A1 (en) | Predicting aging of batteries | |
CN110068409B (zh) | 锂电池应力预测方法和装置 | |
CN114019380B (zh) | 一种电芯的日历寿命扩展预测方法 | |
CN115267556A (zh) | 电池寿命衰降分析方法、存储介质及电子设备 | |
CN115156109A (zh) | 一种钠离子电芯一致性筛选方法及钠离子电池组 | |
CN110658463B (zh) | 预测锂离子电池循环寿命的方法 | |
CN113884932A (zh) | 电池使用寿命的评估方法及装置 |
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 |