CN112782585B - 一种基于电池衰减机制的寿命评估方法及系统 - Google Patents

一种基于电池衰减机制的寿命评估方法及系统 Download PDF

Info

Publication number
CN112782585B
CN112782585B CN202011261772.2A CN202011261772A CN112782585B CN 112782585 B CN112782585 B CN 112782585B CN 202011261772 A CN202011261772 A CN 202011261772A CN 112782585 B CN112782585 B CN 112782585B
Authority
CN
China
Prior art keywords
battery
lithium
gap
positive
loss
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
Application number
CN202011261772.2A
Other languages
English (en)
Other versions
CN112782585A (zh
Inventor
吕桃林
解晶莹
罗伟林
闵凡奇
罗英
李永
郭满毅
晏莉琴
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 Aerospace Power Technology Co Ltd
Shanghai Institute of Space Power Sources
Original Assignee
Shanghai Power Energy Storage Battery System Engineering Technology Co ltd
Shanghai Institute of Space Power Sources
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 Power Energy Storage Battery System Engineering Technology Co ltd, Shanghai Institute of Space Power Sources filed Critical Shanghai Power Energy Storage Battery System Engineering Technology Co ltd
Priority to CN202011261772.2A priority Critical patent/CN112782585B/zh
Publication of CN112782585A publication Critical patent/CN112782585A/zh
Application granted granted Critical
Publication of CN112782585B publication Critical patent/CN112782585B/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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Secondary Cells (AREA)

Abstract

本发明提供了一种基于电池衰减机制的寿命评估方法及系统，在测试阶段对电池进行循环测试，以快速获得电池的不同老化状态；通过建模阶段利用电化学模型对不同老化阶段的电池内部状态进行辨识，获得电池内部参数随循环的变化规律；进而预测阶段利用所得到的电池内部参数演变规律，带入电化学模型中得到电池容量的演变情况，当达到所设置的容量下限时，该容量下所对应的循环次数即为电池寿命。本发明解决了传统寿命预测只基于容量数据演变，而忽视了电池内部的机理演变，导致寿命预测准确性较差的问题。

Description

一种基于电池衰减机制的寿命评估方法及系统
技术领域
本发明涉及锂离子电池寿命预测领域，具体地，涉及一种基于电池衰减机制的寿命评估方法及系统。
背景技术
由于锂离子电池具有工作电压高、能量密度大、放电倍率高、循环寿命长、无记忆效应、对环境无污染等优点，已大规模的应用于通讯、新能源汽车、智能电网等领域。同时由于锂离子电池具有输出功率高、温度范围广、自放电率低等优点，也广泛的应用于国防领域。
近年来，随着锂离子电池在各个领域的广泛应用，如何对电池的寿命进行快速评价，从而对电池的可靠性进行判断并对电池的使用过程进行有效管控，已经成为研究的热点。基于不同的研究方法提出了不同的衰减模型，主要包括基于容量数据拟合的经验模型、基于大数据分析的数据驱动模型。
电池衰减的本质来源于电池内部材料性能的劣化，如活性物质的减少、离子传递速率的变缓、电化学反应能力的降低等。发明专利CN201910688746.9公开了一种评价退役磷酸铁锂电池寿命衰减性能的方法，但所建立的判断方法，需提前测试电池循环过程中的寿命及阻抗演变情况，无法实现对电池寿命的预测。发明专利CN20151100596.8公开了一种基于无迹卡尔曼滤波的锂离子电池寿命预测方法，但是所建立的方法，仅以电池的外部容量演变为研究对象，对测试数据的依赖性较大。发明专利CN201610363499.1公开了一种粒子滤波与机理模型相结合的二次电池寿命预测方法，但所建立的方法对于目前具有较长使用寿命的电池所需的测试时间过长。
但是，上述过程难以直接获得，且大多数情况下智能定性描述。因此，如何对电池内部的衰减过程进行准确定量描述，并依据一定的原则，获得电池的衰减规律，从而实现对电池寿命的评价，依然是亟需解决的问题。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于电池衰减机制的寿命评估方法及系统。
根据本发明提供的一种基于电池衰减机制的寿命评估方法，包括步骤：
步骤一、对电池进行循环老化测试，在循环老化测试的不同阶段对电池进行内部参数标定测试；
步骤二、对电池内部参数进行辨识，并根据不同阶段的内部参数变化情况及所对应的衰减机制建立内部参数演变模型；
步骤三、将所建立的内部参数演变模型带入电化学模型，得到电池容量衰减来源及电池容量演变情况，同时根据设定的容量下限评估电池寿命。
进一步的，所述的步骤一包括设定循环老化工况，所设定的循环老化工况为根据电池实际工作情况所提取的动态工况或根据电池规格书所规定的电池使用范围所设定的循环工况。
进一步的，所述步骤一中的电池内部参数标定测试为电池的小电流充放电测试、恒流滴定测试或能够获得电池OCV曲线的测试。
进一步的，所述的步骤二中的内部参数辨识方法为利用步骤一中所提到的电池内部参数标定测试，通过建立电池OCV模型，对电池的多个内部参数进行辨识：
Figure BDA0002774870310000021
其中，OCV为步骤一中所获得的电池OCV，Cap为步骤一中获得电池OCV过程中对应的容量，i为步骤一中获得电池OCV过程中所对应的电流，Es,p、Es,n为电池正极、负极材料的开路电位Vs.嵌锂量曲线或开路电位Vs.SOC曲线，
Figure BDA0002774870310000022
为电池中正极材料的初始嵌锂位置，Qp、Qn为电池正负极活性物质的含量，Gap为电池正负极活性物质的匹配情况，Rohm为电池的极化修正参数。
进一步的，所述的步骤二中的电池内部参数包括：
Figure BDA0002774870310000023
为电池中正极材料的初始嵌锂位置，Qp、Qn为电池正负极活性物质的含量，Gap为电池正负极活性物质的匹配情况，Rohm为电池的极化修正参数。
进一步的，所述的步骤二中的内部参数变化所对应的衰减机制通过分析内部参数的具体物理意义得到：
Figure BDA0002774870310000024
Figure BDA0002774870310000031
LLI＝GapN-Gap0-liNE+dePE
其中，ωp、ωn为正负损失的活性物质中的嵌锂率，ymin,0、ymax,0、xmin,0、xmax,0为初始状态下正负极活性物质的最大及最小嵌锂率，ymin,N、ymax,N、xmin,N、xmax,N为第N个老化状态下正负极活性物质的最大及最小嵌锂率，liPE、liNE为从初始状态到第N个老化状态下正负极活性物质损失中的含锂的量，dePE、deNE为从初始状态到第N个老化状态下正负极活性物质损失中的不含锂量，LLI为电池由于副反应所造成的活性锂损失的量，Gap0、GapN为初始状态与第N个老化状态下正负极的匹配情况。
进一步的，所述的步骤二中基于衰减机制的参数演变模型为根据电池内部衰减过程所遵循的规律；
活性物质的损失遵循副反应动力学方程
Figure BDA0002774870310000032
由副反应造成的活性锂损失遵循扩散控制方程
Figure BDA0002774870310000033
其中，Qk为电极中活性物质的量，
Figure BDA0002774870310000034
fLi为活性物质及活性锂的损失率，A～H为根据不同衰减状态下内部参数的辨识结果待拟合的参数演变模型中的参数值。
进一步的，所述的步骤三中电池容量衰减来源为：
Cap0-CapN＝liPE+dePE+(GapN-Gap0)
其中，Cap0、CapN为初始状态与第N个老化状态下电池的容量，liPE为从初始状态到第N个老化状态下正极活性物质损失中的含锂的量，dePE为从初始状态到第N个老化状态下正极活性物质损失中的不含锂量，Gap0、GapN为初始状态与第N个老化状态下正负极的匹配情况。
进一步的，所述的步骤三中电池容量演变情况为将步骤二中的参数演变规律带入容量衰减模型。
根据本发明提供的一种基于电池衰减机制的寿命评估系统，包括：
内部参数标定：对电池进行循环老化测试，在循环老化测试的不同阶段对电池进行内部参数标定测试；
演变模型构建：对电池内部参数进行辨识，并根据不同阶段的内部参数变化情况及所对应的衰减机制建立内部参数演变模型；
电池寿命评估：将所建立的内部参数演变模型带入电化学模型，得到电池容量衰减来源及电池容量演变情况，同时根据设定的容量下限评估电池寿命。
与现有技术相比，本发明具有如下的有益效果：
(1)本发明实现了对电池内部的衰减过程的准确定量描述，从而实现对电池寿命的评价；
(2)本发明与传统的容量数据评估方法具有更高的精确度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1实施例1中的电池OCV曲线的辨识结果；
图2a实施例1中活性锂的损失率；
图2b实施例1中负极活性物质的损失率；
图3实施例1中的电池容量衰减过程；
图4为本发明的工作流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
如图4所示，一种基于电池衰减机制建立寿命评估方法，其包含如下步骤：
步骤一、对电池进行循环老化测试，在老化测试的不同阶段对电池进行内部参数标定测试，主要包括以下步骤：
对电池进行循环老化测试；每间隔100次循环，对电池进行0.04C充放电测试，获得电池的OCV曲线。
步骤二、对电池内部参数进行辨识，并根据不同阶段的内部参数变化情况及所对应的衰减机制建立其演变模型，主要包括以下步骤：
通过所建立的电池OCV模型，对电池的多个内部参数进行辨识。其中，电池OCV模型如下所示：
Figure BDA0002774870310000041
其中，OCV为步骤一中所获得的电池OCV，Cap为步骤一中获得电池OCV过程中对应的容量，i为步骤一中获得电池OCV过程中所对应的电流，Es,p、Es,n为电池正极、负极材料的开路电位Vs.嵌锂量曲线(或开路电位Vs.SOC曲线)。电池的内部参数包括：
Figure BDA0002774870310000051
为电池中正极材料的初始嵌锂位置，Qp、Qn为电池正负极活性物质的含量，Gap为电池正负极活性物质的匹配情况，Rohm为电池的极化修正参数。对电池OCV曲线的辨识结果如图1所示。
通过分析内部参数的具体物理意义得到内部参数变化所对应的衰减机制，如下所示：
Figure BDA0002774870310000052
Figure BDA0002774870310000053
LLI＝GapN-Gap0-liNE+dePE
其中，ωp、ωn为正负损失的活性物质中的嵌锂率，ymin,0、ymax,0、xmin,0、xmax,0为初始状态下正负极活性物质的最大及最小嵌锂率，ymin,N、ymax,N、xmin,N、xmax,N为第N个老化状态下正负极活性物质的最大及最小嵌锂率，liPE、liNE为从初始状态到第N个老化状态下正负极活性物质损失中的含锂的量，dePE、deNE为从初始状态到第N个老化状态下正负极活性物质损失中的不含锂量，LLI为电池由于副反应所造成的活性锂损失的量，Gap0、GapN为初始状态与第N个老化状态下正负极的匹配情况。
根据电池内部衰减过程所遵循的规律建立基于衰减机制的参数演变模型：活性物质的损失可遵循副反应动力学方程
Figure BDA0002774870310000054
由副反应造成的活性锂损失遵循扩散控制方程
Figure BDA0002774870310000055
其中，Qk为电极(k＝P正极，k＝N负极)中活性物质的量，
Figure BDA0002774870310000056
fLi为活性物质及活性锂的损失率，A～H为根据不同衰减状态下内部参数的辨识结果待拟合的参数演变模型中的参数值。对不同阶段的电池内部参数演变过程进行拟合，活性锂的损失率如图2a所示，负极活性物质的损失率如图2b所示，其中正极活性物质几乎不衰减。
步骤三、将所建立的内部参数演变模型带入电化学模型，得到电池容量衰减来源及电池容量演变情况，同时根据设定的容量下限评估电池寿命，主要包括以下步骤：
确定电池容量衰减来源，如下所示：
Cap0-CapN＝liPE+dePE+(GapN-Gap0)
其中，Cap0、CapN为初始状态与第N个老化状态下电池的容量，liPE为从初始状态到第N个老化状态下正极活性物质损失中的含锂的量，dePE为从初始状态到第N个老化状态下正极活性物质损失中的不含锂量，Gap0、GapN为初始状态与第N个老化状态下正负极的匹配情况。根据电池参数模型所得的电池容量演变如图3所示。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (5)

1.一种基于电池衰减机制的寿命评估方法，其特征在于，包括步骤：
步骤一、对电池进行循环老化测试，在循环老化测试的不同阶段对电池进行内部参数标定测试；
步骤二、对电池内部参数进行辨识，并根据不同阶段的内部参数变化情况及所对应的衰减机制建立内部参数演变模型；
步骤三、将所建立的内部参数演变模型带入电化学模型，得到电池容量衰减来源及电池容量演变情况，同时根据设定的容量下限评估电池寿命；
所述的步骤二中的内部参数辨识方法为利用步骤一中所提到的电池内部参数标定测试，通过建立电池OCV模型，对电池的多个内部参数进行辨识：
Figure FDA0003679760380000011
其中，OCV为步骤一中所获得的电池OCV，Cap为步骤一中获得电池OCV过程中对应的容量，i为步骤一中获得电池OCV过程中所对应的电流，Es，p、Es，n为电池正极、负极材料的开路电位Vs.嵌锂量曲线或开路电位Vs.SOC曲线，
Figure FDA0003679760380000012
为电池中正极材料的初始嵌锂位置，Qp、Qn为电池正负极活性物质的含量，Gap为电池正负极活性物质的匹配情况，Rohm为电池的极化修正参数；
所述的步骤二中的内部参数变化所对应的衰减机制通过分析内部参数的具体物理意义得到：
Figure FDA0003679760380000013
Figure FDA0003679760380000014
LLI＝GapN-Gap0-liNE+dePE
其中，ωp、ωn为正负损失的活性物质中的嵌锂率，ymin，0、ymax，0、xmin，0、xmax，0为初始状态下正负极活性物质的最大及最小嵌锂率，ymin，N、ymax，N、xmin，N、xmax，N为第N个老化状态下正负极活性物质的最大及最小嵌锂率，liPE、liNE为从初始状态到第N个老化状态下正负极活性物质损失中的含锂的量，dePE、deNE为从初始状态到第N个老化状态下正负极活性物质损失中的不含锂量，LLI为电池由于副反应所造成的活性锂损失的量，Gap0、GapN为初始状态与第N个老化状态下正负极的匹配情况；
所述的步骤二中基于衰减机制的参数演变模型为根据电池内部衰减过程所遵循的规律；
活性物质的损失遵循副反应动力学方程
Figure FDA0003679760380000023
由副反应造成的活性锂损失遵循扩散控制方程
Figure FDA0003679760380000021
其中，Qk为电极中活性物质的量，
Figure FDA0003679760380000024
fLi为活性物质及活性锂的损失率，A～H为根据不同衰减状态下内部参数的辨识结果待拟合的参数演变模型中的参数值；
所述的步骤三中电池容量衰减来源为：
Cap0-CapN＝liPE+dePE+(GapN-Gap0)
其中，Cap0、CapN为初始状态与第N个老化状态下电池的容量，liPE为从初始状态到第N个老化状态下正极活性物质损失中的含锂的量，dePE为从初始状态到第N个老化状态下正极活性物质损失中的不含锂量，Gap0、GapN为初始状态与第N个老化状态下正负极的匹配情况。
2.根据权利要求1所述的基于电池衰减机制的寿命评估方法，其特征在于，所述的步骤一包括设定循环老化工况，所设定的循环老化工况为根据电池实际工作情况所提取的动态工况或根据电池规格书所规定的电池使用范围所设定的循环工况。
3.根据权利要求1所述的基于电池衰减机制的寿命评估方法，其特征在于，所述步骤一中的电池内部参数标定测试为电池的小电流充放电测试、恒流滴定测试或能够获得电池OCV曲线的测试。
4.根据权利要求1所述的基于电池衰减机制的寿命评估方法，其特征在于，所述的步骤二中的电池内部参数包括：
Figure FDA0003679760380000022
为电池中正极材料的初始嵌锂位置，Qp、Qn为电池正负极活性物质的含量，Gap为电池正负极活性物质的匹配情况，Rohm为电池的极化修正参数。
5.一种基于电池衰减机制的寿命评估系统，其特征在于，包括：
内部参数标定：对电池进行循环老化测试，在循环老化测试的不同阶段对电池进行内部参数标定测试；
演变模型构建：对电池内部参数进行辨识，并根据不同阶段的内部参数变化情况及所对应的衰减机制建立内部参数演变模型；
电池寿命评估：将所建立的内部参数演变模型带入电化学模型，得到电池容量衰减来源及电池容量演变情况，同时根据设定的容量下限评估电池寿命；所述的内部参数辨识方法为利用电池内部参数标定测试，通过建立电池OCV模型，对电池的多个内部参数进行辨识：
Figure FDA0003679760380000031
其中，OCV为所获得的电池OCV，Cap为获得电池OCV过程中对应的容量，i为获得电池OCV过程中所对应的电流，Es，p、Es，n为电池正极、负极材料的开路电位Vs.嵌锂量曲线或开路电位Vs.SOC曲线，
Figure FDA0003679760380000032
为电池中正极材料的初始嵌锂位置，Qp、Qn为电池正负极活性物质的含量，Gap为电池正负极活性物质的匹配情况，Rohm为电池的极化修正参数；
所述的内部参数变化所对应的衰减机制通过分析内部参数的具体物理意义得到：
Figure FDA0003679760380000033
Figure FDA0003679760380000034
LLI＝GapN—Gap0—liNE+dePE
其中，ωp、ωn为正负损失的活性物质中的嵌锂率，ymin，0、ymax，0、xmin，0、xmax，0为初始状态下正负极活性物质的最大及最小嵌锂率，ymin，N、ymax，N、xmin，N、xmax，N为第N个老化状态下正负极活性物质的最大及最小嵌锂率，liPE、liNE为从初始状态到第N个老化状态下正负极活性物质损失中的含锂的量，dePE、deNE为从初始状态到第N个老化状态下正负极活性物质损失中的不含锂量，LLI为电池由于副反应所造成的活性锂损失的量，Gap0、GapN为初始状态与第N个老化状态下正负极的匹配情况；
所述的基于衰减机制的参数演变模型为根据电池内部衰减过程所遵循的规律；
活性物质的损失遵循副反应动力学方程
Figure FDA0003679760380000036
由副反应造成的活性锂损失遵循扩散控制方程
Figure FDA0003679760380000035
其中，Qk为电极中活性物质的量，
Figure FDA0003679760380000037
fLi为活性物质及活性锂的损失率，A～H为根据不同衰减状态下内部参数的辨识结果待拟合的参数演变模型中的参数值；
所述的电池容量衰减来源为：
Cap0-CapN＝liPE+dePE+(GapN-Gap0)
其中，Cap0、CapN为初始状态与第N个老化状态下电池的容量，liPE为从初始状态到第N个老化状态下正极活性物质损失中的含锂的量，dePE为从初始状态到第N个老化状态下正极活性物质损失中的不含锂量，Gap0、GapN为初始状态与第N个老化状态下正负极的匹配情况。
CN202011261772.2A 2020-11-12 2020-11-12 一种基于电池衰减机制的寿命评估方法及系统 Active CN112782585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011261772.2A CN112782585B (zh) 2020-11-12 2020-11-12 一种基于电池衰减机制的寿命评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011261772.2A CN112782585B (zh) 2020-11-12 2020-11-12 一种基于电池衰减机制的寿命评估方法及系统

Publications (2)

Publication Number Publication Date
CN112782585A CN112782585A (zh) 2021-05-11
CN112782585B true CN112782585B (zh) 2022-09-27

Family

ID=75750491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011261772.2A Active CN112782585B (zh) 2020-11-12 2020-11-12 一种基于电池衰减机制的寿命评估方法及系统

Country Status (1)

Country Link
CN (1) CN112782585B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113533988B (zh) * 2021-06-04 2022-09-27 上海空间电源研究所 一种锂离子电池长期循环容量衰减分析方法
CN113820614B (zh) * 2021-08-18 2023-10-24 浙江南都电源动力股份有限公司 锂离子电池循环寿命的预测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103926536A (zh) * 2014-03-07 2014-07-16 南京航空航天大学 基于dst和bmc技术的锂离子电池剩余使用寿命预测方法
CN104316879A (zh) * 2014-10-13 2015-01-28 珠海许继电气有限公司 一种铅酸蓄电池组寿命的预测方法
CN106383324A (zh) * 2016-12-07 2017-02-08 上海动力储能电池系统工程技术有限公司 一种基于容量衰减机理分解分析的锂离子电池寿命预测方法
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
CN109856549A (zh) * 2019-01-18 2019-06-07 合肥国轩高科动力能源有限公司 一种锂离子电池电极循环衰减机制的评价方法
CN110208716A (zh) * 2018-02-28 2019-09-06 宁德时代新能源科技股份有限公司 电池及电池放电后负极极片中剩余活性锂容量的测试方法
CN111208431A (zh) * 2020-01-07 2020-05-29 天津市捷威动力工业有限公司 一种电动汽车用锂离子电池全气候日历寿命预测方法
CN111339712A (zh) * 2020-02-24 2020-06-26 电子科技大学 质子交换膜燃料电池剩余寿命预测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW508860B (en) * 2000-08-30 2002-11-01 Mitsui & Amp Co Ltd Paste-like thin electrode for battery, its manufacturing method, and battery
CN101685859A (zh) * 2008-09-26 2010-03-31 深圳市正信通科技有限公司 用于碱性二次电池锌负极的活性浆料
CN105425156B (zh) * 2015-11-06 2018-07-10 安徽江淮汽车集团股份有限公司 一种动力电池循环寿命测试方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103926536A (zh) * 2014-03-07 2014-07-16 南京航空航天大学 基于dst和bmc技术的锂离子电池剩余使用寿命预测方法
CN104316879A (zh) * 2014-10-13 2015-01-28 珠海许继电气有限公司 一种铅酸蓄电池组寿命的预测方法
CN106383324A (zh) * 2016-12-07 2017-02-08 上海动力储能电池系统工程技术有限公司 一种基于容量衰减机理分解分析的锂离子电池寿命预测方法
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
CN110208716A (zh) * 2018-02-28 2019-09-06 宁德时代新能源科技股份有限公司 电池及电池放电后负极极片中剩余活性锂容量的测试方法
CN109856549A (zh) * 2019-01-18 2019-06-07 合肥国轩高科动力能源有限公司 一种锂离子电池电极循环衰减机制的评价方法
CN111208431A (zh) * 2020-01-07 2020-05-29 天津市捷威动力工业有限公司 一种电动汽车用锂离子电池全气候日历寿命预测方法
CN111339712A (zh) * 2020-02-24 2020-06-26 电子科技大学 质子交换膜燃料电池剩余寿命预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Lifetime Rapid Evaluation Method for Lithium-Ion Battery with Li(NiMnCo)O-2 Cathode;Jiang, JC;《JOURNAL OF THE ELECTROCHEMICAL SOCIETY》;20190403;全文 *
三元材料锂离子电池老化诊断、评估与建模方法;高洋;《中国优秀博士学位论文全文数据库 工程科技Ⅱ辑》;20200115;全文 *

Also Published As

Publication number Publication date
CN112782585A (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
Xiong et al. An electrochemical model based degradation state identification method of Lithium-ion battery for all-climate electric vehicles application
Chiu et al. Cycle life analysis of series connected lithium-ion batteries with temperature difference
Ouyang et al. A dynamic capacity degradation model and its applications considering varying load for a large format Li-ion battery
Lyu et al. A lead-acid battery's remaining useful life prediction by using electrochemical model in the Particle Filtering framework
Chen et al. A new state-of-health estimation method for lithium-ion batteries through the intrinsic relationship between ohmic internal resistance and capacity
Sarasketa-Zabala et al. Calendar ageing analysis of a LiFePO4/graphite cell with dynamic model validations: Towards realistic lifetime predictions
Guo et al. A Bayesian approach for Li-Ion battery capacity fade modeling and cycles to failure prognostics
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
CN112782585B (zh) 一种基于电池衰减机制的寿命评估方法及系统
CN110888057A (zh) 一种动力锂离子电池电化学参数辨识方法及系统
Rohner et al. Evaluating battery models in wireless sensor networks
CN109782190A (zh) 用于估计单颗电池或单批电池的剩余使用寿命的方法
Burzyński et al. A novel method for the modeling of the state of health of lithium-ion cells using machine learning for practical applications
CN114217238A (zh) 一种锂离子电池循环寿命的预测方法
CN113933714A (zh) 基于简化电化学模型和灰色预测联合的电池容量预测方法
CN114252795B (zh) 一种预测锂离子电池循环寿命的方法
CN113671383B (zh) 一种锂离子电池剩余寿命预测系统及其控制方法
CN113820614B (zh) 锂离子电池循环寿命的预测方法
Geslin et al. Selecting the appropriate features in battery lifetime predictions
CN116559757B (zh) 电池析锂电位预测准确性的验证方法、装置和电子设备
CN117723973A (zh) 电池存储容量损失的评估方法、装置、电子设备及介质
CN117471320A (zh) 基于充电片段的电池健康状态估计方法及系统
CN109001632B (zh) 一种用于对补锂电池阶段寿命进行预测的方法及系统
CN114076899B (zh) 电池寿命的分档预估方法、装置、设备、系统及介质
CN115808636A (zh) 电池容量损失测试方法、装置、计算机设备和存储介质

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
TR01 Transfer of patent right

Effective date of registration: 20231030

Address after: 2965 Dongchuan Road, Minhang District, Shanghai, 200245

Patentee after: SHANGHAI INSTITUTE OF SPACE POWER-SOURCES

Patentee after: SHANGHAI AEROSPACE POWER TECHNOLOGY Co.,Ltd.

Address before: 2965 Dongchuan Road, Minhang District, Shanghai, 200245

Patentee before: SHANGHAI INSTITUTE OF SPACE POWER-SOURCES

Patentee before: SHANGHAI POWER ENERGY STORAGE BATTERY SYSTEM ENGINEERING TECHNOLOGY CO.,LTD.