CN112731164B - 一种电池寿命评估方法 - Google Patents
一种电池寿命评估方法 Download PDFInfo
- Publication number
- CN112731164B CN112731164B CN202011520205.4A CN202011520205A CN112731164B CN 112731164 B CN112731164 B CN 112731164B CN 202011520205 A CN202011520205 A CN 202011520205A CN 112731164 B CN112731164 B CN 112731164B
- Authority
- CN
- China
- Prior art keywords
- battery
- life
- evaluated
- time unit
- loss rate
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004088 simulation Methods 0.000 claims abstract description 44
- 230000014759 maintenance of location Effects 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims description 55
- 239000011159 matrix material Substances 0.000 claims description 51
- 238000005259 measurement Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 24
- 125000004122 cyclic group Chemical group 0.000 claims description 9
- 230000020169 heat generation Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 3
- 230000036962 time dependent Effects 0.000 description 9
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 5
- 229910001416 lithium ion Inorganic materials 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003797 telogen phase Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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]
- G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
本发明实施例公开了一种电池寿命评估方法，包括：分别建立日历寿命模型和循环寿命模型，根据用户需求曲线确定运行模拟工况参数，通过日历寿命模型和循环寿命模型结合运行模拟工况参数分别计算出设定的多个预测时间单元中每个预测时间单元结束时的总容量损失率，并在计算每个预测时间单元的总容量损失率时，通过上一预测时间单元的总容量保持率对当前的总容量损失率进行修正。采用日历寿命以及循环寿命相互耦合的计算方法对电池的寿命情况进行综合预测评估，避免了传统经验模型只能预测单一工况以及日历衰减与循环衰减相互叠加时未考虑交互影响从而产生的预测结果偏差，提高了预测准确度和电池寿命评估的效率，贴切实际应用场景。
Description
技术领域
本发明实施例涉及电池寿命评估技术领域，尤其涉及一种电池寿命评估方法。
背景技术
随着锂离子电池的应用领域逐渐拓宽，其寿命问题逐渐突出，成为人们关心的锂离子电池性能焦点之一，特别是对于动力电池，寿命预测是动力电池健康管理的重要环节之一。
影响锂离子电池性能衰减的因素较多，同时电池内部化学反应机理较为复杂，使得电池寿命预测较难实现。目前主要采用的方法是经验模型。通常需要对电池的整个寿命周期的使用工况进行大量的测试，得到测试数据，通过获取参数值，取得容量衰减的经验数据，其需要非常长的测试监控周期，要投入大量的资源进行测试以获取数据，而且可预测的范围多数在常规循环或者单独日历寿命的评估，对于电池实际应用工况寿命预测存在一定的难度。
发明内容
本发明实施例提供了一种电池寿命评估方法，以提高电池寿命评估的效率和准确度。
本发明实施例提供了一种电池寿命评估方法，包括：
确定电池寿命评估的影响因子测试矩阵，并根据所述影响因子测试矩阵获取第一待评估电池的实测数据库；
基于所述实测数据库，分别建立所述第一待评估电池的日历寿命模型和循环寿命模型；其中，所述日历寿命模型用于计算第二待评估电池处于存储状态时的第一容量损失率，所述循环寿命模型用于计算所述第二待评估电池处于循环运行状态时的第二容量损失率；
获取预设应用场景下的用户需求曲线，并根据所述用户需求曲线确定第二待评估电池的运行模拟工况参数；所述用户需求曲线包括在预设时间段内，所述第二待评估电池的功率随时间变化曲线，以及运行参照温度随时间变化曲线；
设定多个预测时间单元，通过所述日历寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第一容量损失率；以及通过所述循环寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第二容量损失率；
根据第一个预测时间单元至当前预测时间单元对应的所述第一容量损失率的累积值和对应的所述第二容量损失率的累积值，计算所述第二待评估电池的当前预测时间单元结束时的总容量损失率，依次类推获取每个所述预测时间单元结束时的总容量损失率，以确定待评估电池的预测寿命曲线；其中所述第一待评估电池与所述第二待评估电池为同款待评估电池。
可选的，所述确定待评估电池的影响因子测试矩阵，包括：
通过电池管理系统获取多个电池的历史电流数据、历史温度数据和历史功率数据；
根据所述历史电流数据、历史温度数据和历史功率数据确定出电池的电流倍率使用分布、温度使用分布以及功率要求分布；
根据所述电流使用分布、温度使用分布以及功率要求分布，确定日历寿命影响因子测试矩阵，以及循环寿命影响因子测试矩阵。
可选的，所述影响因子测试矩阵包括日历寿命影响因子测试矩阵和循环寿命影响因子测试矩阵；
所述根据所述影响因子测试矩阵获取实测数据库，包括：
根据所述日历寿命影响因子测试矩阵，获取日历寿命实测数据库；其中，所述日历寿命影响因子测试矩阵包括温度使用分布和电池剩余荷电状态分布，
根据所述循环寿命影响因子测试矩阵获取循环寿命实测数据库；其中，所述循环寿命影响因子测试矩阵包括温度使用分布、电池放电深度分布和电流倍率使用分布；
所述基于所述实测数据库，分别建立所述第一待评估电池的日历寿命模型和循环寿命模型，包括：
根据所述日历寿命实测数据库建立所述第一待评估电池的日历寿命模型；
根据所述循环寿命实测数据库建立所述第一待评估电池的循环寿命模型。
可选的，所述根据所述日历寿命实测数据库建立所述第一待评估电池的日历寿命模型，基于以下公式确定：
其中，A、B1、B2、C1、C2为常系数；t为日历寿命存储的天数，z为电池的体系决定的时间t的指数系数；SOC为电池剩余荷电状态值，T为实际运行温度；
所述根据所述循环寿命实测数据库建立所述第一待评估电池的循环寿命模型，基于以下公式确定：
其中A、B1、B2为常系数；f(C)为电流倍率项的函数；n为循环周数；T为实际运行温度；z为由电池的体系决定的循环周数n的指数系数。
可选的，每一所述预测时间单元的总容量保持率基于以下确定：
Q＝1-Qloss；其中，Qloss＝Qcyc+Qcal；Qloss为每一所述预测时间单元对应的总容量损失率；Qcal为每一所述预测时间单元结束时累计的第一容量损失率；Qcyc为每一所述预测时间单元结束时累计的第二容量损失率。
可选的，所述获取预设应用场景下的用户需求曲线之后，还包括：
基于所述第二待评估电池的功率随时间变化曲线，根据所述第二待评估电池的等效电路模型解析出电压随时间变化曲线；
根据所述第二待评估电池的功率随时间变化曲线，并结合所述电压随时间变化曲线解析出电流随时间变化曲线；
根据所述电流随时间变化曲线计算一时刻的电池产热功率，并结合运行参照温度及换热系数计算出下一时刻的温度，以此类推得到温升曲线；
根据所述电流随时间变化曲线，计算电流与时间的积分，以获得任意时刻的电池剩余荷电状态值，
可选的，所述根据所述用户需求曲线确定所述第二待评估电池的运行模拟工况参数，包括：
根据所述温升曲线获取待评估第二电池的实际存储运行温度和实际循环运行温度；
根据所述电流随时间变化曲线获取第二待评估电池的存储时间比例、循环运行时间比例以及循环运行时的平均电流倍率；
根据存储时间对应的电池剩余荷电状态进行加权平均计算，以得到存储状态时所述第二待评估电池的等效电池剩余荷电状态。
可选的，所述通过所述日历寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量损失率，计算出当前预测时间单元结束时对应的第一容量损失率，包括：
根据上一预测时间单元的总容量保持率对所述等效电池剩余荷电状态进行修正；
将修正后的所述等效电池剩余荷电状态确定为所述当前预测时间单元结束时的电池剩余荷电状态值；
根据当前预测时间单元对应的天数和所述存储时间比例的乘积，确定日历寿命存储的天数；
将所述存储实际温度参数、所述电池剩余荷电状态值与所述日历寿命存储的天数带入到所述日历寿命模型中，计算出当前预测时间单元对应的第一容量损失率。
可选的，所述通过所述循环寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量损失率，计算出当前预测时间单元对应的第二容量损失率，包括：
获取第二待评估电池的放电深度；
根据所述当前预测时间单元对应的天数和所述循环时间比例的乘积，确定循环寿命的循环周数；
将所述循环运行时的平均电流倍率、所述循环周数和所述初始放电深度带入到所述循环寿命模型中，计算出所述当前预测时间单元通过公式计算出的未修正的第二容量损失率；
根据上一预测时间单元的总容量保持率和所述当前预测时间单元通过公式计算出的未修正的第二容量损失率的乘积，确定所述当前预测时间单元对应的修正后的第二容量损失率。
可选的，方法还包括：
根据所述运行模拟工况参数实测所述第二待评估电池以获取实测寿命曲线；
通过所述实测寿命曲线验证所述预测寿命曲线。
本发明实施例提供的技术方案，分别建立日历寿命模型和循环寿命模型，以及根据用户需求曲线确定运行模拟工况参数，通过日历寿命模型和循环寿命模型结合运行模拟工况参数分别计算出设定的多个预测时间单元中每个预测时间单元结束时的总容量损失率，并在计算每个预测时间单元的总容量损失率时，通过上一预测时间单元的总容量保持率对当前的总容量损失率进行修正，采用日历寿命以及循环寿命相互耦合的计算方法对电池的寿命情况进行综合预测评估，从而避免了传统经验模型只能预测单一工况以及日历衰减与循环衰减相互叠加时未考虑交互影响从而产生的预测结果偏差，更贴切实际应用场景，预测准确度更高，同时通过计算设定的多个预测时间单元的总容量损失率确定电池寿命评估曲线，避免对电池的整个寿命周期的使用工况进行大量的测试，提高了电池寿命评估的效率。
附图说明
图1是本发明实施例提供的一种电池寿命评估方法的流程图；
图2是本发明实施例提供的另一种电池寿命评估方法的流程图；
图3是本发明实施例提供的一种基于日历寿命模型计算的日历寿命曲线与实测的日历寿命曲线的对比图；
图4是本发明实施例提供的一种基于循环寿命模型计算的循环寿命曲线与实测的循环寿命曲线的对比图；
图5是本发明实施例提供的另一种电池寿命评估方法的流程图。
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。
本发明实施例提供了一种电池寿命评估方法，图1是本发明实施例提供的一种电池寿命评估方法的流程图，参考图1，方法包括：
S110、确定电池寿命评估的影响因子测试矩阵，并根据影响因子测试矩阵获取第一待评估电池的实测数据库。
具体的，通过车用端的电池管理系统获取多种应用场景下车上锂电池的历史数据。例如可以包括电池的历史电流数据、历史温度数据和历史功率数据等，并对获得的数据进行大数据分析。收集的历史数据可以为一个月以内或一年以内的数据。根据大数据分析确定出车辆分别在运行状态和停驻状态下电池参数的主要分布情况。收集的电池以及应用场景越多，时间越长，大数据丰富度越高。车辆在实际工况下，可知存在两种影响电池寿命的状态：一种是汽车停驻状态(电池处于无电流交换的存储状态)，另一种是汽车运行状态(电池处于充放电状态)，将这两种影响电池寿命的状态分别等效为日历寿命衰减因素和循环寿命衰减因素。根据日历寿命衰减因素和循环寿命衰减因素确定电池寿命评估的影响因子测试矩阵，并根据影响因子测试矩阵对第一待评估电池进行实测，以获得实测数据库。
可选的，确定待评估电池的影响因子测试矩阵，包括：
通过电池管理系统获取多个电池的历史电流数据、历史温度数据和历史功率数据；
根据历史电流数据、历史温度数据和历史功率数据确定出电池的电流倍率使用分布、温度使用分布以及功率要求分布；
根据电流使用分布、温度使用分布以及功率要求分布，确定日历寿命影响因子测试矩阵，以及循环寿命影响因子测试矩阵。
具体的，通过电池管理系统获取多个电池的历史电流数据、历史温度数据和历史功率数据，从而可以确定出电池的电流倍率使用分布情况、温度使用分布情况以及功率要求分布情况。对电池的寿命影响因子进行拆解分析，获得日历寿命衰减因素和循环寿命衰减因素。其中，日历寿命衰减因素包括电池剩余荷电状态、电池存储的温度和存储天数，循环寿命衰减因素包括：SOC(State of Charge，电池剩余荷电状态)使用窗口(放电深度)、电池温度、循环次数和电池充放电的电流倍率。根据统计获得的主要应用条件分别确定日历寿命以及循环寿命的影响因子测试矩阵。影响因子测试矩阵包括日历寿命影响因子测试矩阵和循环寿命影响因子测试矩阵。根据大数据分析出车辆在停驻状态时电池参数的主要分布情况确定日历寿命影响因子测试矩阵，根据大数据分析出的车辆运行时电池参数的主要分布情况确定循环寿命影响因子测试矩阵。示例性的，表1是一种日历寿命影响因子测试矩阵，参见表1，日历寿命影响因子测试矩阵包括温度使用分布和电池剩余荷电状态分布，表中打勾的位置为电池在存储状态时常用的电池剩余荷电状态、电池存储的温度。表2是一种循环寿命影响因子测试矩阵，参见表2，循环寿命影响因子测试矩阵包括温度使用分布、电池放电深度分布和电流倍率使用分布，表中打勾的位置为电池在循环状态时常用的电池循环的温度、电池放电深度和电流倍率。
表1.一种日历寿命影响因子测试矩阵
表2.一种循环寿命影响因子测试矩阵
S120、基于实测数据库，分别建立第一待评估电池的日历寿命模型和循环寿命模型；其中，日历寿命模型用于计算第二待评估电池处于存储状态时的第一容量损失率，循环寿命模型用于计算第二待评估电池处于循环运行状态时的第二容量损失率。
具体的，根据日历寿命影响因子测试矩阵获取日历寿命实测数据库；根据循环寿命影响因子测试矩阵获取循环寿命实测数据库。根据日历寿命实测数据库建立第一待评估电池的日历寿命模型；根据循环寿命实测数据库建立第一待评估电池的循环寿命模型。其中，日历寿命模型用于计算第二待评估电池处于存储状态时的第一容量损失率，循环寿命模型用于计算第二待评估电池处于循环运行状态时的第二容量损失率。
第一待评估电池与第二待评估电池为同款待评估电池。其中，第一待评估电池用来获取建立日历寿命模型和循环寿命模型的实测数据。通过日历寿命模型计算第二待评估电池处于存储状态时的第一容量损失率，通过循环寿命模型计算第二待评估电池处于循环状态时的第二容量损失率。需要说明的是，第一待评估电池中，用于根据日历寿命影响因子测试矩阵获取日历寿命实测数据库的电池，与用于根据循环寿命影响因子测试矩阵获取循环寿命实测数据库的电池为不同的电池。
S130、获取预设应用场景下的用户需求曲线，并根据用户需求曲线确定第二待评估电池的运行模拟工况参数；用户需求曲线包括在预设时间段内，第二待评估电池的功率随时间变化曲线，以及运行参照温度随时间变化曲线。
具体的，用户需求曲线为用户根据实际应用场景提供的在预设时间段内，电池的功率随时间变化曲线，以及运行参照温度随时间变化曲线。其表示车辆的动力电池在一段时间内的实际工作状态，用户需求曲线蕴含了电池的日历寿命衰减与循环寿命衰减按实际运行情况依次交替进行的规律。根据用户需求曲线确定第二待评估电池的运行模拟工况参数。可以理解为，当待评估的电池产品按照用户需求曲线的运行模拟工况参数下进行工作时，对电池产品的寿命进行预测。即按照用户端的实际需求来对一批电池产品进行寿命预测。
S140、设定多个预测时间单元，通过日历寿命模型结合运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第一容量损失率；以及通过循环寿命模型结合运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第二容量损失率。
具体的，根据运行模拟工况参数对第二待评估的寿命进行预测。在预测过程中，设定多个预测时间单元，以时间t0作为一个预测时间单元。通过日历寿命模型结合运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第一容量损失率。以及通过循环寿命模型结合运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第二容量损失率。其中，上一预测时间单元结束时的总容量保持率为初始总容量保持率减去上一预测时间单元结束时累积的总容量损失率。电池在存储状态以及在充放电循环状态中都会有一定的容量衰减。因此在计算每一个预测时间单元中的第一容量损失率与第二容量损失率时，需要上一预测时间单元的总容量保持率来修正。例如，电池的标准充放电为100安时，在第一个预测时间单元的初始时刻，没有发生容量衰减，此时电池的容量为100安时，即容量保持率为100％。经过第一个预测时间单元后，电池由于搁置以及充放电时带来的衰减，此时的充放电下降为95安时，第一预测时间单元的总损失率为5％，第一时刻的总保持率为95％。第一预测时间单元的结束即为第二预测时间单元的开始，第二预测时间单元的初始时刻电池的容量为95安时。因此，在计算第二预测时间单元的第一容量损失率和第二容量损失率时，需要通过第一预测时间单元的总容量保持率来修正。
S150、根据第一个预测时间单元至当前预测时间单元对应的第一容量损失率的累积值和对应的第二容量损失率的累积值，计算第二待评估电池的当前预测时间单元结束时的总容量损失率，依次类推获取每个预测时间单元结束时的总容量损失率，以确定待评估电池的预测寿命曲线；其中第一待评估电池与第二待评估电池为同款待评估电池。
具体的，当前预测时间单元对应的第一容量损失率的累积值和对应的第二容量损失率的累积值的和为第二待评估电池的当前预测时间单元结束时的总容量损失率。其中，当前预测时间单元对应的第一容量损失率的累积值为第一个预测时间单元至当前预测时间单元对应的第一容量损失率的求和。当前预测时间单元对应的第二容量损失率的累积值为第一个预测时间单元至当前预测时间单元对应的第二容量损失率的求和。依次类推获取每个预测时间单元结束时的总容量损失率，确定待评估电池的预测寿命曲线。待评估电池的预测寿命曲线可以为总容量损失率随时间变化的曲线，也可以为总容量保持率随时间变化的曲线。例如预测寿命曲线为总容量保持率随时间变化的曲线，当总容量保持率小于或等于80％时，认为电池不能再使用，则总容量保持率下降到80％时，对应的时间即为该款待评估电池的使用寿命。
本发明实施例提供的技术方案，分别建立了日历寿命模型和循环寿命模型，以及根据用户需求曲线确定了运行模拟工况参数，通过日历寿命模型和循环寿命模型结合运行模拟工况参数分别计算出设定的多个预测时间单元中每个预测时间单元结束时的总容量损失率，并在计算每个预测时间单元的总容量损失率时，通过上一预测时间单元的总容量保持率对当前的总容量损失率进行修正，采用日历寿命以及循环寿命相互耦合的计算方法对电池的寿命情况进行综合预测评估，从而避免了传统经验模型只能预测单一工况以及日历衰减与循环衰减相互叠加时未考虑交互影响从而产生的预测结果偏差，更贴切实际应用场景，预测准确度更高，同时通过计算设定的多个预测时间单元的总容量损失率确定电池寿命评估曲线，避免对电池的整个寿命周期的使用工况进行大量的测试，提高了电池寿命评估的效率。
图2是本发明实施例提供的另一种电池寿命评估方法的流程图，参考图2，方法包括：
S210、确定电池寿命评估的影响因子测试矩阵，并根据所述影响因子测试矩阵获取第一待评估电池的实测数据库。
S220、根据日历寿命实测数据库建立第一待评估电池的日历寿命模型；根据循环寿命实测数据库建立第一待评估电池的循环寿命模型，其中，日历寿命模型用于计算第二待评估电池处于存储状态时的第一容量损失率，循环寿命模型用于计算所述第二待评估电池处于循环运行状态时的第二容量损失率。
可选的，根据日历寿命实测数据库建立第一待评估电池的日历寿命模型，基于以下公式确定：
其中，A、B1、B2、C1、C2为常系数；t为日历寿命存储的天数，z为电池的体系决定的时间t的指数系数；SOC为电池剩余荷电状态，T为实际运行温度。
具体的，将日历寿命实测数据库中的数据代入到上述公式中，计算出其中A、B1、B2、C1、C2常系数，以及电池的体系决定的时间t的指数系数z。从而完成对第一待评估电池的日历寿命模型的建立。基于建立完成后的日历寿命模型，将电池的实际运行温度，SOC值以及电池存储的天数代入公式中，即可计算出电池日历寿命对应的第一容量损失率。图3是本发明实施例提供的一种基于日历寿命模型计算的日历寿命曲线与实测的日历寿命曲线的对比图，参考图3，以实际运行温度为40摄氏度为例，通过日历寿命模型分别计算电池剩余荷电状态在70％、50％以及30％时对应的总容量保持率随存储的天数的变化。每个存储的天数对应的总容量保持率，等于100％减去基于日历寿命模型在相应的存储的天数下计算出第一容量损失率的差值。图3中，实线表示通过模型计算出的日历寿命曲线，虚线表示实测的日历寿命曲线，从图3可以确定，通过模型计算出的日历寿命曲线与实测的日历寿命曲线的拟合度较高，证明日历寿命模型计算出的第一容量损失率的准确度较高。
可选的，根据循环寿命实测数据库建立第一待评估电池的日历寿命模型，基于以下公式确定：
其中A、B1、B2为常系数；f(C)为电流倍率项的函数；n为循环周数；T为实际运行温度；z为由电池的体系决定的循环周数n的指数系数，C为电流倍率。
具体的，将循环寿命实测数据库中的数据代入到上述公式中，计算出其中A、B1、B2常系数，以及电池的体系决定的循环周数n的指数系数z。从而完成对第一待评估电池的循环寿命模型的建立。基于建立完成后的循环寿命模型，将电池的时间运行温度，放电深度(Depth Of Discharge，DOD)值以及电池循环周数代入公式中，即可计算出电池循环寿命对应的第二容量损失率。电池充放电一次即为电池循环一周。图4是本发明实施例提供的一种基于循环寿命模型计算的循环寿命曲线与实测的循环寿命曲线的对比图，参考图4，以实际运行温度为40摄氏度为例，通过循环寿命模型分别计算电池的充放电倍率在1C、2C和5C时对应的总容量保持率随充放电周期的变化。每个充放电周期对应的总容量保持率，等于100％减去基于循环寿命模型在相应的充放电周期下计算出第二容量损失率的差值。图4中，实线表示通过模型计算出的循环寿命曲线，虚线表示实测的循环寿命曲线，从图4可以确定，通过模型计算出的循环寿命曲线与实测的循环寿命曲线的拟合度较高，证明循环寿命模型计算出的第二容量损失率的准确度较高。
S230、获取预设应用场景下的用户需求曲线，并根据用户需求曲线确定第二待评估电池的运行模拟工况参数；用户需求曲线包括在预设时间段内，第二待评估电池的功率随时间变化曲线，以及运行参照温度随时间变化曲线。
S240、基于第二待评估电池的功率随时间变化曲线，并根据第二待评估电池的等效电路模型解析出电压随时间变化曲线；根据第二待评估电池的功率随时间变化曲线，并结合电压随时间变化曲线解析出电流随时间变化曲线。
具体的，用户需求曲线为用户根据实际应用场景提供的一种参数曲线。用户需求曲线包括在预设时间段内，电池的功率随时间变化曲线，以及运行参照温度随时间变化曲线。根据用户需求曲线确定第二待评估电池的运行模拟工况参数。即用户需求曲线中的功率随时间变化曲线即视为第二待评估电池的功率随时间变化曲线，用户需求曲线中的参照温度随时间变化曲线即视为第二待评估电池的参照温度随时间变化曲线。基于第二待评估电池的功率随时间变化曲线，和第二待评估电池的等效电路模型，可以解析出电压随时间变化曲线。根据第二待评估电池的功率随时间变化曲线，和电压随时间变化曲线，可以解析出电流随时间变化曲线。
S250、根据电流随时间变化曲线计算一时刻的电池产热功率，并结合运行参照温度及换热系数计算出下一时刻的温度，以此类推得到温升曲线；根据电流随时间变化曲线，计算电流与时间的积分，以获得任意时刻的电池剩余荷电状态值。
以电池等效电路一阶模型为例，根据公式以及公式/>可以解析出电压随时间变化曲线。其中Em为电池电动势，R0为欧姆内阻，R1为极化电阻，C1为等效电容。根据第二待评估电池的功率随时间变化曲线，并结合电压随时间变化曲线解析出电流随时间变化曲线。进一步的，可以计算出t时刻的电池产热功率，根据实验参照温度及换热系数，可以计算出t+1时刻的温度，以此类推即可得到温升曲线。通过电流It与时间t的积分，可以计算任意时刻的SOC值。从而可以统计出实际运行的模拟工况。主要运行模拟工况参数包括实际存储温度Tcal,实际循环温度Tcyc，循环运行时的平均电流倍率C，存储时间比例tcal％，循环运行时间比例tcyc％，以及存储的等效SOC值。
其中，根据电流随时间变化曲线获取第二待评估电池的存储时间比例tcal％、循环运行时间比例tcyc％以及循环运行时的平均电流倍率C。电流为零的阶段即为电池搁置的阶段，电流不为零的阶段为电池充放电的阶段。因此，可以根据电流随时间变化曲线，确定出曲线中电池搁置的总时间，以及电池充放电的总时间。从而获取第二待评估电池的存储时间比例tcal％和循环运行时间比例tcyc％。
根据温升曲线获取第二待评估电池的实际存储温度Tcal和实际循环温度Tcyc。从电流随时间变化曲线中可确定每个电池搁置的阶段，从而可以获得每个电池搁置的阶段对应的时间段，根据每个电池搁置的时间段可以从温升曲线上确定对应的温度。通过加权平均计算即可得到电池搁置的时间段的温度平均值，将温度平均值视为该实际运行的模拟工况中的实际存储温度Tcal。同理，按照同样的办法可以获得实际循环温度Tcyc，这里不再赘述。
根据存储时间对应的电池剩余荷电状态进行加权平均计算，以得到存储状态时所述第二待评估电池的等效电池剩余荷电状态。与上述获得实际存储运行温度和类似。从电流随时间变化曲线中可确定每个电池搁置的阶段对应的时间段，通过电流It与时间t的积分，可以计算任意时刻的SOC值。因此可以确定每个搁置时间段内的SOC值，因此，根据存储时间对应的电池剩余荷电状态进行加权平均计算，可以得到存储状态时第二待评估电池的等效SOC值。
S260、设定多个预测时间单元，通过所述日历寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第一容量损失率；以及通过所述循环寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第二容量损失率。
可选的，通过日历寿命模型结合运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第一容量损失率。包括：
根据上一预测时间单元的总容量保持率对等效电池剩余荷电状态进行修正；
将修正后的等效电池剩余荷电状态确定为当前预测时间单元结束时的电池剩余荷电状态值；
根据当前预测时间单元对应的天数和存储时间比例的乘积，确定日历寿命存储的天数；
将存储实际温度参数、电池剩余荷电状态值与日历寿命存储的天数带入到日历寿命模型中，计算出当前预测时间单元对应的第一容量损失率。
可选的，通过循环寿命模型结合运行模拟工况参数以及上一预测时间单元结束时的总容量损失率，计算出当前预测时间单元对应的第二容量损失率，包括：
获取第二待评估电池的放电深度；
根据当前预测时间单元对应的天数和循环时间比例的乘积，确定循环寿命的循环周数；
将循环运行时的平均电流倍率、循环周数和初始放电深度带入到循环寿命模型中，计算出当前预测时间单元通过公式计算出的未修正的第二容量损失率；
根据上一预测时间单元的总容量保持率和当前预测时间单元通过公式计算出的未修正的第二容量损失率的乘积，确定当前预测时间单元对应的修正后的第二容量损失率。
具体的，每一预测时间单元的总容量保持率基于以下确定：
Q＝1-Qloss；其中，Qloss＝Qcyc+Qcal；Qloss为每一预测时间单元对应的总容量损失率；Qcal为每一预测时间单元结束时累计的第一容量损失率；Qcyc为每一预测时间单元结束时累计的第二容量损失率。
对于日历寿命，需要对时间预测单元的初始SOC值进行修正，即第二个时间预测单元开始时，带入的公式计算的等效SOC值为，SOC＝SOC0*Qt-1,其中，SOC0为第一个时间预测单元的等效SOC值，即初始SOC值。Qt-1上一预测单元结束时的总容量保持率。每个预测时间单元通过日历寿命模型计算该预测时间单元对应的第一容量损失率。在计算过程中，代入公式中的日历寿命存储的天数t为根据当前预测时间单元对应的天数和存储时间比例tcal％的乘积，确定日历寿命存储的天数。代入公式中的实际运行温度T为运行模拟工况参数中的实际存储实际温度Tcal。代入公式中的电池剩余荷电状态为运行模拟工况参数中的存储的等效SOC值。但是由于电池在循环部分会引入老化衰减，在日历存储部分也会引入老化衰减。需要从第二个时间预测单元开始对等效SOC值进行修正。示例性的，计算出的存储的等效SOC值为70％，则在计算第一个预测时间单元中，将等效SOC值为70％代入日历寿命模型中计算第一容量损失率。第一预测时间单元后，第一预测时间单元的总损失率为5％，则第一预测时间单元结束时的总保持率为95％。第一预测时间单元的结束即为第二预测时间单元的开始，此时将等效SOC值为70％乘以95％后，代入日历寿命模型中，计算第二预测时间单元的第一容量损失率。第二预测时间单元后，第二预测时间单元的总损失率为4％，则截至第二预测时间单元结束总损失率为9％，截至第二预测时间单元结束时的总保持率为91％。第二预测时间单元的结束即为第三预测时间单元的开始，此时将等效SOC值为70％乘以91％后，代入日历寿命模型中，计算第三预测时间单元的第一容量损失率。(第一预测时间单元的总损失率为5％，其为第一预测时间单元的第一容量损失率与第二容量损失率的和计算得到。截至第二预测时间单元结束的总损失率为9％，则说明第二预测时间单元引起的第一容量损失率与第二容量损失率的和为4％)。
同理，对于循环寿命，由于每一次循环窗口(放电深度)逐渐收窄，在计算第二容量损失率时需要对循环窗口进行修正。体现为，每一个预测单元内，循环部分引起的Qcyc＝Qloss_cyc*Qt-1,其中，Qloss_cyc为本预测时间单元内通过公式计算得到的第二容量衰减率，Qt-1为上一预测时间单元结束时的总容量保持率。需要说明的是，根据当前预测时间单元对应的天数和循环时间比例tcyc％的乘积，确定循环寿命的循环天数，再通过循环寿命的循环天数与运行模拟工况参数中的循环运行时的平均电流倍率C的比值，确定循环寿命模型中的循环周数n。
S270、根据第一个预测时间单元至当前预测时间单元对应的所述第一容量损失率的累积值和对应的第二容量损失率的累积值，计算第二待评估电池的当前预测时间单元结束时的总容量损失率，依次类推获取每个所述预测时间单元结束时的总容量损失率，以确定待评估电池的预测寿命曲线；其中第一待评估电池与所述第二待评估电池为同款待评估电池。
图5是本发明实施例提供的另一种电池寿命评估方法的流程图，参考图5，方法包括：
S310、确定电池寿命评估的影响因子测试矩阵，并根据所述影响因子测试矩阵获取第一待评估电池的实测数据库。
S320、基于所述实测数据库，分别建立所述第一待评估电池的日历寿命模型和循环寿命模型；其中，所述日历寿命模型用于计算第二待评估电池处于存储状态时的第一容量损失率，所述循环寿命模型用于计算所述第二待评估电池处于循环运行状态时的第二容量损失率。
S330、获取预设应用场景下的用户需求曲线，并根据所述用户需求曲线确定第二待评估电池的运行模拟工况参数；用户需求曲线包括在预设时间段内，第二待评估电池的功率随时间变化曲线，以及运行参照温度随时间变化曲线。
S340、设定多个预测时间单元，通过日历寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第一容量损失率；以及通过循环寿命模型结合运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第二容量损失率。
S350、根据第一个预测时间单元至当前预测时间单元对应的第一容量损失率的累积值和对应的第二容量损失率的累积值，计算第二待评估电池的当前预测时间单元结束时的总容量损失率，依次类推获取每个预测时间单元结束时的总容量损失率，以确定待评估电池的预测寿命曲线；其中第一待评估电池与第二待评估电池为同款待评估电池。
S360、根据运行模拟工况参数实测第二待评估电池以获取实测寿命曲线；通过实测寿命曲线验证预测寿命曲线。
具体的，按照运行模拟工况参数实际运行一第二待评估电池，获取实测寿命曲线。将寿命预测结果与实测数据结果进行对标，完成实测寿命曲线对预测寿命曲线的验证。
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进行了较为详细的说明，但是本发明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 (9)
1.一种电池寿命评估方法，其特征在于，包括：
确定电池寿命评估的影响因子测试矩阵，并根据所述影响因子测试矩阵获取第一待评估电池的实测数据库；
基于所述实测数据库，分别建立所述第一待评估电池的日历寿命模型和循环寿命模型；其中，所述日历寿命模型用于计算第二待评估电池处于存储状态时的第一容量损失率，所述循环寿命模型用于计算所述第二待评估电池处于循环运行状态时的第二容量损失率；
获取预设应用场景下的用户需求曲线，并根据所述用户需求曲线确定第二待评估电池的运行模拟工况参数；所述用户需求曲线包括在预设时间段内，所述第二待评估电池的功率随时间变化曲线，以及运行参照温度随时间变化曲线；
设定多个预测时间单元，通过所述日历寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第一容量损失率；以及通过所述循环寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量保持率，计算出当前预测时间单元对应的第二容量损失率；
根据第一个预测时间单元至当前预测时间单元对应的所述第一容量损失率的累积值和对应的所述第二容量损失率的累积值，计算所述第二待评估电池的当前预测时间单元结束时的总容量损失率，依次类推获取每个所述预测时间单元结束时的总容量损失率，以确定待评估电池的预测寿命曲线；其中所述第一待评估电池与所述第二待评估电池为同款待评估电池；
所述影响因子测试矩阵包括日历寿命影响因子测试矩阵和循环寿命影响因子测试矩阵；
所述根据所述影响因子测试矩阵获取实测数据库，包括：
根据所述日历寿命影响因子测试矩阵，获取日历寿命实测数据库；其中，所述日历寿命影响因子测试矩阵包括温度使用分布和电池剩余荷电状态分布，
根据所述循环寿命影响因子测试矩阵获取循环寿命实测数据库；其中，所述循环寿命影响因子测试矩阵包括温度使用分布、电池放电深度分布和电流倍率使用分布；
所述基于所述实测数据库，分别建立所述第一待评估电池的日历寿命模型和循环寿命模型，包括：
根据所述日历寿命实测数据库建立所述第一待评估电池的日历寿命模型；
根据所述循环寿命实测数据库建立所述第一待评估电池的循环寿命模型。
2.根据权利要求1所述的电池寿命评估方法，其特征在于，所述确定待评估电池的影响因子测试矩阵，包括：
通过电池管理系统获取多个电池的历史电流数据、历史温度数据和历史功率数据；
根据所述历史电流数据、历史温度数据和历史功率数据确定出电池的电流倍率使用分布、温度使用分布以及功率要求分布；
根据所述电流使用分布、温度使用分布以及功率要求分布，确定日历寿命影响因子测试矩阵，以及循环寿命影响因子测试矩阵。
3.根据权利要求1所述的电池寿命评估方法，其特征在于，所述根据所述日历寿命实测数据库建立所述第一待评估电池的日历寿命模型，基于以下公式确定：
其中，A、B1、B2、C1、C2为常系数；t为日历寿命存储的天数，z为电池的体系决定的时间t的指数系数；SOC为电池剩余荷电状态值，T为实际运行温度；
所述根据所述循环寿命实测数据库建立所述第一待评估电池的循环寿命模型，基于以下公式确定：
其中A、B1、B2为常系数；f(C)为电流倍率项的函数；n为循环周数；T为实际运行温度；z为由电池的体系决定的循环周数n的指数系数。
4.根据权利要求1所述的电池寿命评估方法，其特征在于，每一所述预测时间单元的总容量保持率基于以下确定：
Q＝1-Qloss；其中，Qloss＝Qcyc+Qcal；Qloss为每一所述预测时间单元对应的总容量损失率；Qcal为每一所述预测时间单元结束时累计的第一容量损失率；Qcyc为每一所述预测时间单元结束时累计的第二容量损失率。
5.根据权利要求4所述的电池寿命评估方法，其特征在于，所述获取预设应用场景下的用户需求曲线之后，还包括：
基于所述第二待评估电池的功率随时间变化曲线，根据所述第二待评估电池的等效电路模型解析出电压随时间变化曲线；
根据所述第二待评估电池的功率随时间变化曲线，并结合所述电压随时间变化曲线解析出电流随时间变化曲线；
根据所述电流随时间变化曲线计算一时刻的电池产热功率，并结合运行参照温度及换热系数计算出下一时刻的温度，以此类推得到温升曲线；
根据所述电流随时间变化曲线，计算电流与时间的积分，以获得任意时刻的电池剩余荷电状态值。
6.根据权利要求5所述的电池寿命评估方法，其特征在于，所述根据所述用户需求曲线确定所述第二待评估电池的运行模拟工况参数，包括：
根据所述温升曲线获取待评估第二电池的实际存储运行温度和实际循环运行温度；
根据所述电流随时间变化曲线获取第二待评估电池的存储时间比例、循环运行时间比例以及循环运行时的平均电流倍率；
根据存储时间对应的电池剩余荷电状态进行加权平均计算，以得到存储状态时所述第二待评估电池的等效电池剩余荷电状态。
7.根据权利要求6所述的电池寿命评估方法，其特征在于，通过所述日历寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量损失率，计算出当前预测时间单元结束时对应的第一容量损失率，包括：
根据上一预测时间单元的总容量保持率对所述等效电池剩余荷电状态进行修正；
将修正后的所述等效电池剩余荷电状态确定为所述当前预测时间单元结束时的电池剩余荷电状态值；
根据当前预测时间单元对应的天数和所述存储时间比例的乘积，确定日历寿命存储的天数；
将所述实际存储运行温度、所述电池剩余荷电状态值与所述日历寿命存储的天数带入到所述日历寿命模型中，计算出当前预测时间单元对应的第一容量损失率。
8.根据权利要求6所述的电池寿命评估方法，其特征在于，所述通过所述循环寿命模型结合所述运行模拟工况参数以及上一预测时间单元结束时的总容量损失率，计算出当前预测时间单元对应的第二容量损失率，包括：
获取第二待评估电池的放电深度；
根据所述当前预测时间单元对应的天数和所述循环时间比例的乘积，确定循环寿命的循环周数；
将所述循环运行时的平均电流倍率、所述循环周数和所述实际循环运行温度带入到所述循环寿命模型中，计算出所述当前预测时间单元通过公式计算出的未修正的第二容量损失率；
根据上一预测时间单元的总容量保持率和所述当前预测时间单元通过公式计算出的未修正的第二容量损失率的乘积，确定所述当前预测时间单元对应的修正后的第二容量损失率。
9.根据权利要求1所述的电池寿命评估方法，其特征在于，还包括：
根据所述运行模拟工况参数实测所述第二待评估电池以获取实测寿命曲线；
通过所述实测寿命曲线验证所述预测寿命曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011520205.4A CN112731164B (zh) | 2020-12-21 | 2020-12-21 | 一种电池寿命评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011520205.4A CN112731164B (zh) | 2020-12-21 | 2020-12-21 | 一种电池寿命评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112731164A CN112731164A (zh) | 2021-04-30 |
| CN112731164B true CN112731164B (zh) | 2024-03-15 |
Family
ID=75603990
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011520205.4A Active CN112731164B (zh) | 2020-12-21 | 2020-12-21 | 一种电池寿命评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112731164B (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113075557B (zh) * | 2021-05-20 | 2022-12-13 | 张家港清研检测技术有限公司 | 一种车主自适应的动力电池剩余寿命预测方法 |
| CN113392515B (zh) * | 2021-06-01 | 2023-06-13 | 中车青岛四方机车车辆股份有限公司 | 一种牵引电机的寿命评估方法、系统、设备及轨道车辆 |
| CN113246797B (zh) * | 2021-06-04 | 2023-05-12 | 广州小鹏汽车科技有限公司 | 一种电池寿命预测的方法和装置 |
| CN113419181B (zh) * | 2021-06-09 | 2024-06-14 | 浙江超恒动力科技有限公司 | 一种电动自行车电池的工况测试方法 |
| CN113406522B (zh) * | 2021-06-18 | 2022-05-03 | 合肥国轩高科动力能源有限公司 | 一种电动车锂电池系统寿命预测评估方法及系统 |
| CN113552487B (zh) * | 2021-06-24 | 2023-04-07 | 武汉昊诚锂电科技股份有限公司 | 一种锂亚电池的自放电测量和寿命评估方法 |
| CN114444370B (zh) * | 2021-10-11 | 2023-10-10 | 崔跃芹 | 一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质 |
| WO2023284453A1 (zh) * | 2021-07-15 | 2023-01-19 | 崔跃芹 | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
| CN113721158B (zh) * | 2021-07-19 | 2024-09-13 | 上海海拉电子有限公司 | 一种基于温度耦合模型的锂离子电池寿命状态估计方法 |
| CN115684754A (zh) * | 2021-07-22 | 2023-02-03 | 比亚迪股份有限公司 | 一种储能系统电池连接线束的寿命评估方法 |
| CN113884927B (zh) * | 2021-07-31 | 2023-06-02 | 重庆长安新能源汽车科技有限公司 | 一种基于云端大数据的电池寿命主动控制方法及系统 |
| CN113655315B (zh) * | 2021-08-12 | 2022-07-26 | 华南理工大学 | 超级电容剩余寿命综合评估方法、系统、装置及介质 |
| CN113805089A (zh) * | 2021-10-12 | 2021-12-17 | 合肥国轩高科动力能源有限公司 | 一种动力锂电池浮充寿命估算方法及系统 |
| CN114019382B (zh) * | 2021-10-29 | 2023-08-25 | 华北电力大学 | 一种锂离子电池储能电站寿命衰减确定方法及系统 |
| CN114114051B (zh) * | 2021-11-25 | 2023-05-26 | 蜂巢能源科技有限公司 | 一种电池老化值的确定方法、装置及电子设备 |
| CN114295998B (zh) * | 2021-12-28 | 2024-07-09 | 东软睿驰汽车技术（沈阳）有限公司 | 动力电池寿命的预测方法、装置、设备及存储介质 |
| CN114290959B (zh) * | 2021-12-30 | 2023-05-23 | 重庆长安新能源汽车科技有限公司 | 一种动力电池主动寿命控制方法、系统及计算机可读存储介质 |
| CN114471418B (zh) * | 2022-04-18 | 2022-06-28 | 广东众大智能科技有限公司 | 一种连续式造粒反应釜的釜内温度控制方法、系统和介质 |
| CN114924193B (zh) * | 2022-05-27 | 2024-07-23 | 徐州市恒源电器有限公司 | 一种电池安全评估方法 |
| CN115184830B (zh) * | 2022-09-13 | 2022-12-27 | 楚能新能源股份有限公司 | 电池衰减估算方法 |
| CN116430233B (zh) * | 2023-03-02 | 2024-01-23 | 北京理工大学重庆创新中心 | 一种基于大数据方法的动力电池寿命评价方法及装置 |
| CN116653701B (zh) * | 2023-08-02 | 2023-10-20 | 江苏开沃汽车有限公司 | 动力电池全生命周期安全控制方法、系统、设备及介质 |
| CN116930773A (zh) * | 2023-09-15 | 2023-10-24 | 杭州鹏成新能源科技有限公司 | 一种锂电池soh估计方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102014200645A1 (de) * | 2014-01-16 | 2015-07-16 | Robert Bosch Gmbh | Verfahren zum Batteriemanagement und Batteriemanagementsystem |
| CN107202960A (zh) * | 2017-05-25 | 2017-09-26 | 安徽江淮汽车集团股份有限公司 | 动力电池寿命预测方法 |
| CN107271913A (zh) * | 2017-06-28 | 2017-10-20 | 北京工业大学 | 一种应用于动力电池剩余容量预测的方法 |
| CN110901470A (zh) * | 2019-11-29 | 2020-03-24 | 安徽江淮汽车集团股份有限公司 | 电动汽车电池寿命预测方法、装置、设备及存储介质 |
| CN111239630A (zh) * | 2020-03-09 | 2020-06-05 | 江苏中兴派能电池有限公司 | 一种储能电池寿命预测方法及管理系统 |
| 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
- 2020-12-21 CN CN202011520205.4A patent/CN112731164B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102014200645A1 (de) * | 2014-01-16 | 2015-07-16 | Robert Bosch Gmbh | Verfahren zum Batteriemanagement und Batteriemanagementsystem |
| CN107202960A (zh) * | 2017-05-25 | 2017-09-26 | 安徽江淮汽车集团股份有限公司 | 动力电池寿命预测方法 |
| CN107271913A (zh) * | 2017-06-28 | 2017-10-20 | 北京工业大学 | 一种应用于动力电池剩余容量预测的方法 |
| 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 |
| CN110901470A (zh) * | 2019-11-29 | 2020-03-24 | 安徽江淮汽车集团股份有限公司 | 电动汽车电池寿命预测方法、装置、设备及存储介质 |
| CN111239630A (zh) * | 2020-03-09 | 2020-06-05 | 江苏中兴派能电池有限公司 | 一种储能电池寿命预测方法及管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112731164A (zh) | 2021-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112731164B (zh) | 一种电池寿命评估方法 | |
| CN108919129B (zh) | 一种时变工况下动力电池的寿命预测方法 | |
| Jafari et al. | Deterministic models of Li-ion battery aging: It is a matter of scale | |
| Schmalstieg et al. | From accelerated aging tests to a lifetime prediction model: Analyzing lithium-ion batteries | |
| JP5753140B2 (ja) | 電池の健全状態を定めるためのシステムおよび方法 | |
| Dubarry et al. | Battery durability and reliability under electric utility grid operations: Representative usage aging and calendar aging | |
| JP5743367B2 (ja) | バッテリー管理システムおよびバッテリー管理方法 | |
| JP5936711B2 (ja) | 蓄電デバイスの寿命予測装置及び蓄電デバイスの寿命予測方法 | |
| CN112379297B (zh) | 电池系统寿命预测方法、装置、设备及存储介质 | |
| CN106585422B (zh) | 一种动力电池soh估算方法 | |
| JP2007005304A (ja) | 可変忘却係数を持つ状態推定器を使用する制御及び監視の方法 | |
| Sadabadi et al. | Design and calibration of a semi-empirical model for capturing dominant aging mechanisms of a PbA battery | |
| EP3605124B1 (en) | Degradation estimating device, degradation estimating method, and computer program | |
| JP6798051B2 (ja) | 充電パターン作成装置、充電制御装置、充電パターン作成方法、プログラム、及び蓄電システム | |
| CN110045291B (zh) | 一种锂电池容量估计方法 | |
| US9075117B2 (en) | Method for calibrating an electrochemical battery | |
| CN113484762A (zh) | 电池健康状态估算方法、装置、设备及存储介质 | |
| JP2024511082A (ja) | 蓄電装置の容量損失を算定する方法、装置およびコンピュータプログラム製品 | |
| CN111965557A (zh) | 一种后备电源可靠性的评估方法和装置 | |
| CN108693473B (zh) | 电池健康状态soh的检测方法及装置 | |
| CN116381535A (zh) | 用于在设备外部的中央单元中借助数字孪生高效监控设备电池组的电池组电池的方法和系统 | |
| Swierczynski et al. | Calendar ageing of LiFePO 4/C batteries in the second life applications | |
| CN116908705B (zh) | 容量衰减模型建立方法、电池循环寿命测试方法及装置 | |
| CN114152890A (zh) | 预测电池寿命的方法 | |
| CN111060833A (zh) | 一种动力电池组soh值的估算方法 |
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 |