CN112528520A - 锂电池的循环次数的预测方法、设备及存储介质 - Google Patents

锂电池的循环次数的预测方法、设备及存储介质 Download PDF

Info

Publication number
CN112528520A
CN112528520A CN202011577901.9A CN202011577901A CN112528520A CN 112528520 A CN112528520 A CN 112528520A CN 202011577901 A CN202011577901 A CN 202011577901A CN 112528520 A CN112528520 A CN 112528520A
Authority
CN
China
Prior art keywords
lithium battery
cycle
thermal power
predicting
sum
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
CN202011577901.9A
Other languages
English (en)
Other versions
CN112528520B (zh
Inventor
汪涛
杨尘
李佳
陈虎
张正淳
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.)
Shanghai Electric Guoxuan New Energy Technology Co ltd
Original Assignee
Shanghai Electric Guoxuan New Energy 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 Shanghai Electric Guoxuan New Energy Technology Co ltd filed Critical Shanghai Electric Guoxuan New Energy Technology Co ltd
Priority to CN202011577901.9A priority Critical patent/CN112528520B/zh
Publication of CN112528520A publication Critical patent/CN112528520A/zh
Application granted granted Critical
Publication of CN112528520B publication Critical patent/CN112528520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06F2119/06—Power analysis or power optimisation
    • 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
    • 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
    • G06F2119/12—Timing analysis or timing optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种锂电池的循环次数的预测方法、设备及存储介质，所述预测方法包括：获取一次循环周期下所述锂电池的第一热功率总和；获取预设时间范围下所述锂电池的第二热功率总和；根据所述第二热功率总和及所述第一热功率总和预测在所述预设时间范围下所述锂电池的循环次数。本发明通过获取的实际工况下在一次循环周期下锂电池的第一热功率，和在预设时间范围下锂电池的第二热功率，可以预测出在对应的预设时间范围下锂电池的循环次数，从而可以在实际工况中对锂电池的循环次数进行量化，进一步促进了对储能系统的寿命的设计、对储能电站的收益核算。

Description

锂电池的循环次数的预测方法、设备及存储介质
技术领域
本发明涉及锂电池的工业应用领域，特别涉及一种锂电池的循环次数的预测方法、系统、设备及存储介质。
背景技术
锂离子电池(简称锂电池)自1990年研制出来之后，已经应用到生活中的方方面面，包括手机、电动工具、无人机、新能源汽车、新能源储能(包括调频储能、调峰储能、UPS(不间断电源)储能、5G(第五代移动通信技术)、基站储能等)等。
新能源储能领域的电池储能系统(battery energy storage system,BESS)能够快速调节有功功率，补偿功率不平衡量，进而能够快速缓解由于新能源的功率随机性与波动性加大接入电网功率平衡的难度，造成电网频率的调节难度增加的问题。
新能源储能领域的电池储能系统由若干锂电池组成，需要受到频繁、不间断、无规律的放电或充电的冲击，频次较大，如：供能系统所供给的电能不稳定，锂电池需要自行进行补偿；又如：由于锂电池所供应的电网的不稳定，也会对锂电池的放电或充电造成冲击，这就导致在实际工况中锂电池的循环次数与传统的锂电池的循环次数不符，而传统锂电池的循环次数为锂电池在规律的电荷状态的变化下的循环次数的预估，如：锂电池的电荷状态有规律的从0％上升至100％，而在实际工况下由于锂电池受到外界的冲击，电荷状态会发生不规律的变化，如：在充电时，当电荷状态达到40％时，由于需要自行进行补偿，则可能会下降到20％。因此，在实际工况中很难将储能系统的锂电池的循环次数进行量化，这就会对储能系统的寿命设计、储能电站的收益核算等产生不利的影响。
发明内容
本发明要解决的技术问题是为了克服现有技术中在实际工况，难以将锂电池的循环次数进行量化的缺陷，提供一种能在实际工况中将锂电池的循环次数进行量化，能够预测符合实际情况的锂电池的循环次数的预测方法、系统、设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供了一种锂电池的循环次数的预测方法，所述预测方法包括：
获取一次循环周期下所述锂电池的第一热功率总和；
获取预设时间范围下所述锂电池的第二热功率总和；
根据所述第二热功率总和及所述第一热功率总和预测在所述预设时间范围下所述锂电池的循环次数。
较佳地，所述预测在所述预设时间范围下所述锂电池的循环次数的步骤后还包括：根据所述循环次数及所述预设时间范围预测所述锂电池每一次循环所需的时间。
较佳地，所述获取一次循环周期下所述锂电池的第一热功率总和的步骤包括：
获取一次循环周期下的当前循环时间以及平均循环热功率；
根据所述当前循环时间以及所述平均循环热功率获取所述第一热功率总和。
较佳地，所述获取预设时间范围下所述锂电池的第二热功率总和的步骤前还包括：
在所述锂电池的电荷状态的预设电荷范围下，获取一次循环周期下的电荷状态与热功率的第一对应关系；
将所述电荷状态的预设电荷范围等间距分成目标段数；
根据所述第一对应关系获取每一段所述电荷状态的平均分段热功率；
所述获取预设时间范围下所述锂电池的第二热功率总和的步骤包括：
在所述锂电池的所述电荷状态的预设电荷范围下，获取预设时间范围的电荷状态与时间的第二对应关系；
将所述电荷状态的预设范围按照所述目标段数分段；
根据所述第二对应关系获取每一段所述电荷状态的时间总和；
根据每一段所述电荷状态的平均分段热功率及所述时间总和计算每一段的分段热功率总和；
根据每一段的所述分段热功率总和计算所述锂电池的第二热功率总和。
较佳地，所述循环次数包括充电循环次数或放电循环次数。
较佳地，所述循环周期为满循环模式下的循环周期；或，所述循环周期小于满循环模式下的循环周期。
较佳地，所述获取预设时间范围下所述锂电池的第二热功率总和的步骤中，所述锂电池的循环周期与所述获取一次循环周期下所述锂电池的第一热功率总和的步骤中所述锂电池的循环周期相同。
较佳地，所述获取一次循环周期下所述锂电池的第一热功率总和的步骤前还包括：预设锂电池的实际运行参数，所述实际运行参数包括所述锂电池的类型、所述锂电池的应用场景、所述锂电池的循环倍率、所述锂电池的SOC区间及所述锂电池的温度范围中的至少一种。
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计算机程序时实现如上所述的锂电池的循环次数的预测方法。
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，所述计算机程序被处理器执行时实现如上所述的锂电池的循环次数的预测方法的步骤。
本发明的积极进步效果在于：本发明通过获取的实际工况下在一次循环周期下锂电池的第一热功率，和在预设时间范围下锂电池的第二热功率，可以预测出在对应的预设时间范围下锂电池的循环次数，从而可以在实际工况中对锂电池的循环次数进行量化，进一步促进了对储能系统的寿命的设计、对储能电站的收益核算。
附图说明
图1为本发明实施例1的锂电池的循环次数的预测方法的流程图。
图2为本发明实施例2的锂电池的循环次数的预测方法的部分流程图。
图3为本发明实施例2中一次循环周期下的电荷状态与热功率的第一对应关系的示意图。
图4为本发明实施例2中步骤102的实施方式的流程图。
图5为本发明实施例2中预设时间范围的电荷状态与时间的第二对应关系示意图。
图6为本发明实施例3的电子设备的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供了一种锂电池的循环次数的预测方法，其中，循环次数为充电循环次数或放电循环次数，当循环次数为充电循环次数时，本实施例中的预测方法获取及处理的数据均为该锂电池充电时的数据，当循环次数为放电循环次数时，本实施例中的预测方法获取及处理的数据均为该锂电池放电时的数据，如图1所示，本实施例中的预测方法包括：
步骤101、获取一次循环周期下锂电池的第一热功率总和。
具体的，步骤101获取的为在实际工况下运行的锂电池的第一热功率总和。具体的实际工况可以根据锂电池的实际运行需求进行选择，如锂电池的温度范围，本实施例并不对此进行限制。
在一种具体的实施方式，步骤101可以具体包括：获取一次循环周期下的当前循环时间以及平均循环热功率，以及根据当前循环时间以及平均循环热功率获取第一热功率总和的步骤，其中，当前循环时间与平均循环热功率的乘积即为第一热功率总和。
在一种具体的实施方式中，步骤101之前还可以包括步骤：预设锂电池的实际运行参数。
实际运行参数包括锂电池的类型、锂电池的应用场景、锂电池的循环倍率、锂电池的电荷状态的区间等，锂电池的应用场景包括UPS(不间断电源)的场景、动力电池的场景、发电的场景等。
本实施例中，可以根据实际需求设置实际运行参数，以预测不同实际运行条件下的锂电池的循环周期。
步骤102、获取预设时间范围下锂电池的第二热功率总和。
具体的，步骤102为在与步骤101相同的实际工况下获取对应的锂电池的第二热功率总和，如保持锂电池的温度范围与步骤101中的一致。
步骤103、根据第二热功率总和及第一热功率总和预测在预设时间范围下锂电池的循环次数。
其中，第二热功率总和除以第一热功率总和即为在预设时间范围下的锂电池的循环次数。
在一种具体的实施方式中步骤103后还可以进一步包括步骤104、根据循环次数及预设时间范围预测锂电池每一次循环所需的时间。其中，预设时间范围除以预测的锂电池的循环次数即可以得到预测的锂电池循环一次所需的时间。本实施例中，通过步骤104可以进一步实现锂电池每一次循环所需的时间的预测。
本实施例中，根据实际工况下第一热功率总和第二热功率总和可以预测锂电池的实际循环次数，克服了传统的锂电池的循环次数与实际循环此处不符的缺陷，实现了锂电池循环次数的准确预估。
本实施例中，可以在实际工况中对锂电池的循环次数进行量化，进一步促进了对储能系统的寿命的设计、对储能电站的收益核算。
实施例2
本实施例提供了一种锂电池的循环次数的预测方法，本实施例基于实施例1，其中，如图2所示，步骤102之前包括：
步骤201、在锂电池的电荷状态的预设电荷范围下，获取一次循环周期下的电荷状态与热功率的第一对应关系。
其中，预设电荷范围可以根据实际需求进行设置，如可以选择满电状态下的范围，即电池运行电荷状态的区间为0％～100％，也可以选择其他范围，如电荷区间为20％～80％。
为了更好的理解该步骤，下面通过一具体实例进行说明：
在一种具体情况下，选取AGC(自动增益控制)调频储能应用场景，24h(小时)内电芯的电荷状态变化曲线来表征第一对应关系，该场景下，锂电池的充放电倍率为2C(电流强度)。
通过步骤201可以获得第一对应关系，其中第一对应关系可以具体通过拟合的温升曲线来表示，具体的，本实施例中，在绝热条件下，采用满充模式(应当理解，当预测的为放电循环次数时，则为满放模式)测试电池2C倍率的充电温升，将温升曲线计算为充电热功率随电荷状态变化曲线，应当理解，在一种较佳的情况下，充电模式与前述电池的电荷状态的区间对应，即，当电池运行电荷状态的区间为0％～100％，电池为满充模式，而当电池运行电荷状态的区间为20％～80％时，电池则为非满充模式，即电池的充电量为80％即可。
本实施例中，通过将充电模式前述电池的电荷状态的区间对应可以节约预测时间，提高预测效率。且通过选择非满充模式，可以避免在电池刚开始充电或者即将充满时电荷状态不稳定的情况发生，从而使得本实施例中的预测结果更加准确，更接近真实值。
图3示出了在一种具体场景下，一次循环周期下的电荷状态与热功率的第一对应关系的示意图，其中，横坐标表示SOC(电荷状态)，以百分制为计数单位，纵坐标表示热功率，单位为w(功率)。曲线L1表示锂电池放电时电荷状态与热功率的第一对应关系，曲线L2表示锂电池充电时电荷状态与热功率的第一对应关系，曲线L2上每一个点代表在实际工况中获得的一次电荷状态与热功率的数据，根据若干次上述数据拟合得到表示第一对应关系的曲线L2，同理，曲线L1也为根据实际工况下获得的放电时的电荷状态与热功率的拟合曲线。
步骤202、将电荷状态的预设电荷范围等间距分成目标段数。
其中，在图3所示的具体场景中，步骤202中，按照5％的电荷状态，即0～5％为一段、5％～10％为一段……95％～100％为一段，将电荷状态等间距分为20段。
步骤203、根据第一对应关系获取每一段电荷状态的平均分段热功率。
其中，分别对充电曲线每一段的热功率归一化计算每一段电荷状态的平均分段热功率Pc20。
本实施例中，如图4所示，步骤102具体包括：
步骤1021、在锂电池的电荷状态的预设电荷范围下，获取预设时间范围的电荷状态与时间的第二对应关系。
如图5所示，在一种具体的场景下，步骤1021中，可以得到预设时间范围的电荷状态与时间的第二对应关系图，本实施例中的预设时间范围为24h，其中，横坐标表示时间，纵坐标表示电荷状态。应当理解，步骤1021中的电荷状态的预设电荷范围与步骤201中的电荷状态的预设电荷范围相同。
步骤1022、将电荷状态的预设范围按照目标段数分段。
其中，步骤1022中的目标段数与步骤202中的目标段数相同，该步骤中的电荷状态的分段方式、分段值参考步骤202，此处便不再赘述。
步骤1023、根据第二对应关系获取每一段电荷状态的时间总和。
步骤1024、根据每一段电荷状态的平均分段热功率及时间总和计算每一段的分段热功率总和。
其中，每一段电荷状态的平均分段热功率Pcn与每一段的时间总和tcn的乘积为每一段的分段热功率总和。
步骤1025、根据每一段的分段热功率总和计算锂电池的第二热功率总和。
每一段的分段热功率总和∑Pcn·tcn即为第二热功率总和。
本实施例中，在获取第二热功率总和后，即可执行步骤103中，在一种具体的场景下，24小时内预测的充电循环次数Mc为：
Mc＝∑Pcn·tcn/Pc·t’c
其中，Pc表示一次循环周期下的平均循环热功率，t’c表示一次循环周期下的当前循环时间。
步骤104中，完成一次充电的时间tcharge为：
tcharge＝t/Mc
上述公式中，t表示预设时间范围，具体在该场景下为24小时，在上述具体实例中，计算得到24h内运行工况下完成一次充电时间tcharge为5.53h，24h内需完成4.33次充电的满充循环。
应当理解，上述具体实例主要以对锂电池的充电，对充电循环次数的预测方法进行举例说明，对锂电池的放电、对放电循环次数的预测方法类似，此处便不再举例说明。
实施例3
本发明实施例还提供一种电子设备，电子设备可以通过计算设备的形式表现(例如可以为服务器设备)，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，其中处理器执行计算机程序时可以实现本发明实施例1或实施例2中锂电池的循环次数的预测方法。
图6示出了本实施例的硬件结构示意图，如图6所示，电子设备9具体包括：
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93，其中：
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器，例如随机存取存储器(RAM)921和/或高速缓存存储器922，还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925，这样的程序模块924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。
处理器91通过运行存储在存储器92中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1或实施例2中锂电池的循环次数的预测方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且，电子设备9还可以通过网络适配器96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。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备9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、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
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，所述程序被处理器执行时实现本发明实施例1或实施例2中锂电池的循环次数的预测方法的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现本发明实施例1或实施例2中锂电池的循环次数的预测方法的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种锂电池的循环次数的预测方法，其特征在于，所述预测方法包括：
获取一次循环周期下所述锂电池的第一热功率总和；
获取预设时间范围下所述锂电池的第二热功率总和；
根据所述第二热功率总和及所述第一热功率总和预测在所述预设时间范围下所述锂电池的循环次数。
2.如权利要求1所述的锂电池的循环次数的预测方法，其特征在于，所述预测在所述预设时间范围下所述锂电池的循环次数的步骤后还包括：根据所述循环次数及所述预设时间范围预测所述锂电池每一次循环所需的时间。
3.如权利要求1所述的锂电池的循环次数的预测方法，其特征在于，所述获取一次循环周期下所述锂电池的第一热功率总和的步骤包括：
获取一次循环周期下的当前循环时间以及平均循环热功率；
根据所述当前循环时间以及所述平均循环热功率获取所述第一热功率总和。
4.如权利要求1所述的锂电池的循环次数的预测方法，其特征在于，所述获取预设时间范围下所述锂电池的第二热功率总和的步骤前还包括：
在所述锂电池的电荷状态的预设电荷范围下，获取一次循环周期下的电荷状态与热功率的第一对应关系；
将所述电荷状态的预设电荷范围等间距分成目标段数；
根据所述第一对应关系获取每一段所述电荷状态的平均分段热功率；
所述获取预设时间范围下所述锂电池的第二热功率总和的步骤包括：
在所述锂电池的所述电荷状态的预设电荷范围下，获取预设时间范围的电荷状态与时间的第二对应关系；
将所述电荷状态的预设范围按照所述目标段数分段；
根据所述第二对应关系获取每一段所述电荷状态的时间总和；
根据每一段所述电荷状态的平均分段热功率及所述时间总和计算每一段的分段热功率总和；
根据每一段的所述分段热功率总和计算所述锂电池的第二热功率总和。
5.如权利要求1所述的锂电池的循环次数的预测方法，其特征在于，所述循环次数包括充电循环次数或放电循环次数。
6.如权利要求1所述的锂电池的循环次数的预测方法，其特征在于，所述循环周期为满循环模式下的循环周期；或，所述循环周期小于满循环模式下的循环周期。
7.如权利要求1所述的锂电池的循环次数的预测方法，其特征在于，所述获取预设时间范围下所述锂电池的第二热功率总和的步骤中，所述锂电池的循环周期与所述获取一次循环周期下所述锂电池的第一热功率总和的步骤中所述锂电池的循环周期相同。
8.如权利要求1所述的锂电池的循环次数的预测方法，其特征在于，所述获取一次循环周期下所述锂电池的第一热功率总和的步骤前还包括：预设锂电池的实际运行参数，所述实际运行参数包括所述锂电池的类型、所述锂电池的应用场景、所述锂电池的循环倍率、所述锂电池的SOC区间、所述锂电池的温度范围中的至少一种。
9.一种电子设备，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计算机程序时实现如权利要求1至8任一项所述的锂电池的循环次数的预测方法。
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，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的锂电池的循环次数的预测方法的步骤。
CN202011577901.9A 2020-12-28 2020-12-28 锂电池的循环次数的预测方法、设备及存储介质 Active CN112528520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011577901.9A CN112528520B (zh) 2020-12-28 2020-12-28 锂电池的循环次数的预测方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011577901.9A CN112528520B (zh) 2020-12-28 2020-12-28 锂电池的循环次数的预测方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112528520A true CN112528520A (zh) 2021-03-19
CN112528520B CN112528520B (zh) 2022-08-05

Family

ID=74976761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011577901.9A Active CN112528520B (zh) 2020-12-28 2020-12-28 锂电池的循环次数的预测方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112528520B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2672562A1 (en) * 2012-06-06 2013-12-11 General Electric Company Systems and methods for predicting battery power-delivery performance
CN106183857A (zh) * 2016-08-02 2016-12-07 威马中德汽车科技成都有限公司 一种双电池系统双电池循环次数控制方法及系统
US20180131200A1 (en) * 2016-11-04 2018-05-10 Battelle Memorial Institute Battery system management through non-linear estimation of battery state of charge
WO2019175498A1 (fr) * 2018-03-16 2019-09-19 Lancey Energy Storage Batterie à durée de vie optimisée
CN110515004A (zh) * 2019-10-08 2019-11-29 青海黄河上游水电开发有限责任公司光伏产业技术分公司 一种锂离子电池充放电循环寿命计算方法
CN110687470A (zh) * 2019-10-03 2020-01-14 天合光能股份有限公司 一种储能系统中锂电池寿命在线预测方法及系统
CN111624493A (zh) * 2019-02-28 2020-09-04 北京新能源汽车股份有限公司 一种确定电池健康状态soh的方法、装置及检测设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2672562A1 (en) * 2012-06-06 2013-12-11 General Electric Company Systems and methods for predicting battery power-delivery performance
CN106183857A (zh) * 2016-08-02 2016-12-07 威马中德汽车科技成都有限公司 一种双电池系统双电池循环次数控制方法及系统
US20180131200A1 (en) * 2016-11-04 2018-05-10 Battelle Memorial Institute Battery system management through non-linear estimation of battery state of charge
WO2019175498A1 (fr) * 2018-03-16 2019-09-19 Lancey Energy Storage Batterie à durée de vie optimisée
CN111624493A (zh) * 2019-02-28 2020-09-04 北京新能源汽车股份有限公司 一种确定电池健康状态soh的方法、装置及检测设备
CN110687470A (zh) * 2019-10-03 2020-01-14 天合光能股份有限公司 一种储能系统中锂电池寿命在线预测方法及系统
CN110515004A (zh) * 2019-10-08 2019-11-29 青海黄河上游水电开发有限责任公司光伏产业技术分公司 一种锂离子电池充放电循环寿命计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MASATOSHI UNO ET AL.: "Accelerated Charge–Discharge Cycling Test and Cycle Life Prediction Model for Supercapacitors in Alternative Battery Applications", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 *
王军祥: "基于长短期记忆网络的锂电池循环寿命预测", 《成都大学学报(自然科学版)》 *

Also Published As

Publication number Publication date
CN112528520B (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
WO2021077272A1 (zh) 充电方法、电子装置以及存储介质
US20170060162A1 (en) Control systems and methods for utility grid frequency regulation programs
US11228193B2 (en) Serial SOC testing for improved fast-charge algorithm
US20240079881A1 (en) Power system and power system control method
CN113344732B (zh) 电化学储能的运营评估方法、装置、终端设备及存储介质
US11482876B2 (en) Method, apparatus and system for controlling charging of a battery module
US11073885B2 (en) Battery architecture for variable loads and output topologies in an information handling system
CN116418064A (zh) 充电控制方法、系统、电子设备及计算机可读存储介质
CN115946572A (zh) 电池模组的容量计算及补电控制方法、系统、设备和介质
CN116418061A (zh) 充电控制方法、系统、电子设备及计算机可读存储介质
JP2012130106A (ja) 蓄電装置の管理装置、蓄電装置の管理方法、及び電力供給システム
CN117799482B (zh) 一种电动车辆的充电管理方法、存储介质及电子设备
CN112332493B (zh) 锂电池充电电流确定方法、装置、设备及可存储介质
CN116418063A (zh) 充电控制方法、系统、电子设备及存储介质
CN112528520B (zh) 锂电池的循环次数的预测方法、设备及存储介质
CN115940166B (zh) 基站调度方法、装置、电子设备及可读存储介质
CN117791786A (zh) 一种储能锂电池智能快速充电方法及系统
CN114971113A (zh) 换电站电池数量的配置方法、系统、设备和介质
CN114683908B (zh) 换电站的换电能力评估方法、系统、电子设备和介质
WO2021089057A1 (zh) 电池健康度的获取方法、系统、设备及可读存储介质
CN114552610A (zh) 储能配置方法及系统、电子设备及存储介质
US11128166B2 (en) Predictive operational planning in a microgrid taking into account high-load time windows of a main electricity grid
US20240170975A1 (en) Method, system, device and medium for recharging battery module
CN117572243B (zh) 一种储能电池的循环寿命预测方法及系统
CN118040794B (zh) 一种光储充一体化功率变换方法及系统

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