CN112883531A - 锂离子电池数据处理方法、计算机设备和存储介质 - Google Patents

Abstract

本发明公开了一种锂离子电池数据处理方法、计算机设备和存储介质。所述方法包括：根据正半电池进行充放电实验的第一实验数据以及负半电池进行充放电实验的第二实验数据；根据第一实验数据确定正半电池的第一OCV‑SOC曲线，根据第二实验数据确定负半电池的第二OCV‑SOC曲线；获取锂离子电池的结构材料参数；记录锂离子电池在不同测试工况下进行电池测试的测试数据；建立电化学热耦合模型；根据第一OCV‑SOC曲线、第二OCV‑SOC曲线、结构材料参数、测试数据以及电化学热耦合模型，对预设的电池内部参数进行辨识。本发明基于简化的电化学热耦合模型，快速准确地获取锂离子电池内部参数，使得BMS系统对锂离子电池的监测和控制稳定可靠，提升了锂离子电池的安全性。

Description

锂离子电池数据处理方法、计算机设备和存储介质

技术领域

本发明涉及电池技术领域，具体涉及一种锂离子电池数据处理方法、计算机设备和存储介质。

背景技术

锂离子电池以其能量密度高、绿色环保、循环寿命长等特点而广泛运用于电子设备、储能和交通领域。通过电池模型对锂离子电池本身的特性进行研究分析，对锂离子电池的应用具有重要的意义。

在现有技术中，在新能源车辆的BMS(Battery Management System，电池管理系统)系统中所使用的电池模型主要为等效电路模型，而电化学机理模型很少运用到BMS系统当中。而电池模型中的等效电路模型虽然具备运算速度快，模型相对精确，不需要了解电池内部的复杂反应等优点，但等效电路模型存在模型参数的物理意义不明确，对电池内部机理的表达不太清楚，对锂离子电池的精准控制不准确等问题。相对等效电路模型来说，电化学机理模型具备模型精度高，能够表征内部复杂的物理化学反应，各项参数都具备详细的物理意义，然而电化学机理模型也存在以下不足之处：计算量特别大、参数复杂且获取比较困难。因此，现有技术的BMS系统很难准确获得电池内部参数信息，进而导致BMS系统对电池的监测和控制发生偏差。

发明内容

本发明实施例提供一种锂离子电池数据处理方法、计算机设备和存储介质，建立简化的锂离子电池的电化学热耦合模型，再基于简化的电化学热耦合模型，快速准确地获取锂离子电池内部参数，使得BMS系统对锂离子电池的监测和控制稳定可靠，提升了锂离子电池的安全性。

为实现上述目的，本发明提供了一种锂离子电池数据处理方法，包括：

获取正半电池进行充放电实验的第一实验数据以及负半电池进行充放电实验的第二实验数据；所述正半电池的正极材料为锂离子电池的正极材料，所述正半电池的负极材料为金属锂；所述负半电池的正极材料为所述锂离子电池的负极材料，所述负半电池的负极材料为金属锂；

根据所述第一实验数据确定所述正半电池的第一OCV-SOC曲线，根据所述第二实验数据确定所述负半电池的第二OCV-SOC曲线；

获取所述锂离子电池的结构材料参数；

记录所述锂离子电池在不同测试工况下进行电池测试的测试数据，其中，所述测试工况根据所述结构材料参数的电流敏感性确定；

建立电化学热耦合模型；所述电化学热耦合模型包括锂离子在正负极材料内的第一扩散模型，所述第一扩散模型包括：

其中：

i＝n或i＝p；p代表正极区域，所述正极区域包括正极材料所属区域；n代表负极区域，所述负极区域包括负极材料所属区域；

c_s,i为正负极材料内的锂离子浓度；

D_s,i为正负极材料内的锂离子扩散系数；

r为球形颗粒半径，0≤r≤R；R为球形颗粒的最大半径；

根据所述第一OCV-SOC曲线、所述第二OCV-SOC曲线、所述结构材料参数、所述测试数据以及所述电化学热耦合模型，对预设的电池内部参数进行辨识。

本发明还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现所述的锂离子电池数据处理方法。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现所述的锂离子电池数据处理方法。

本发明提供的锂离子电池数据处理方法、计算机设备和存储介质，首先获取正半电池进行充放电实验的第一实验数据以及负半电池进行充放电实验的第二实验数据；再根据第一实验数据确定正半电池的第一OCV-SOC曲线，根据第二实验数据确定负半电池的第二OCV-SOC曲线；获取锂离子电池的结构材料参数；记录锂离子电池在不同测试工况下进行电池测试的测试数据；建立电化学热耦合模型；根据第一OCV-SOC曲线、第二OCV-SOC曲线、结构材料参数、测试数据以及电化学热耦合模型，对预设的电池内部参数进行辨识。本发明可建立简化的锂离子电池的电化学热耦合模型，再基于简化的电化学热耦合模型，快速准确地获取锂离子电池内部参数，使得BMS系统对锂离子电池的监测和控制稳定可靠，提升了锂离子电池的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中锂离子电池数据处理方法的流程图；

图2是本发明一实施例中锂离子电池的电化学机理模型图；

图3是本发明一实施例中锂离子电池数据处理方法中0.2C倍率工况对应的实际电压曲线和仿真电压曲线示意图；

图4是本发明一实施例中锂离子电池数据处理方法中2C倍率工况对应的实际电压曲线和仿真电压曲线示意图；

图5是本发明一实施例中锂离子电池数据处理方法中1C倍率工况对应的实际电压曲线和仿真电压曲线示意图；

图6是本发明一实施例中锂离子电池数据处理方法中4C倍率工况对应的实际电压曲线和仿真电压曲线示意图；

图7是本发明一实施例中锂离子电池数据处理方法中0.2C倍率工况对应的实际温度曲线和仿真温度曲线对比示意图；

图8是本发明一实施例中锂离子电池数据处理方法中2C倍率工况对应的实际温度曲线和仿真温度曲线对比示意图；

图9是本发明一实施例中锂离子电池数据处理方法中1C倍率工况对应的实际温度曲线和仿真温度曲线对比示意图；

图10是本发明一实施例中锂离子电池数据处理方法中4C倍率工况对应的实际温度曲线和仿真温度曲线对比示意图；

图11是本发明一实施例中COMSOL仿真电压曲线和电化学热耦合模型的仿真电压曲线的对比示意图；

图12是本发明一实施例中COMSOL仿真温度曲线和电化学热耦合模型的仿真温度曲线的对比示意图；

图13是本发明一实施例中计算机设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

进一步地，如图1所示，提供一种锂离子电池数据处理方法，包括以下步骤S10-S60：

S10，获取正半电池进行充放电实验的第一实验数据以及负半电池进行充放电实验的第二实验数据；所述正半电池的正极材料为锂离子电池的正极材料，所述正半电池的负极材料为金属锂；所述负半电池的正极材料为所述锂离子电池的负极材料，所述负半电池的负极材料为金属锂；比如，在一实施例中，锂离子电池的正极材料为三元材料，负极材料为石墨，因此进行充放电实验的正半电池的正极材料为三元材料；负半电池的正极材料为石墨，且正半电池和负半电池的负极材料均为金属锂。如图2所示的电化学机理模型图，图中，锂离子电池包括负极11、正极13以及隔膜12；其中，L为负极、隔膜和正极总的厚度(x为锂离子电池在长度方向上的坐标值，长度方向即为与负极隔膜和正极总的厚度方向相同的方向，也即，x在0到L的范围内变化)。δ_n为负极涂层厚度；δ_p为正极涂层厚度；δ_sep为隔膜厚度；c_s,p为正极材料内的锂离子浓度；c_s,n为负极材料内的锂离子浓度。r为球形颗粒半径，0≤r≤R；R为球形颗粒的最大半径。

可理解地，在本发明的正半电池和负半电池的充放电实验过程中，首先将正半电池和负半电池均充电至指定的第一电压上限，然后对正半电池和负半电池进行小倍率放电至第一电压下限，在上述充电和放电过程中实时记录的正半电池的电流和电压信息(比如后文中提及的第一充电电压、第一放电电压、第一充电电流和第一放电电流)即为第一实验数据，在上述充电和放电过程中实时记录的负半电池的电流和电压信息(比如后文中提及的第二充电电压、第二放电电压、第二充电电流和第二放电电流)即为第二实验数据。

S20，根据所述第一实验数据确定所述正半电池的第一OCV-SOC(State ofCharge：电池荷电状态；Open Circuit Voltage：电池开路电压)曲线，根据所述第二实验数据确定所述负半电池的第二OCV-SOC曲线；可理解地，在本发明中，可以通过第一实验数据和安时积分方法计算正半电池的第一SOC值，进而第一实验数据中的电压信息以及计算得到的第一SOC值构建正半电池的第一OCV-SOC曲线；同时，通过第二实验数据和安时积分方法计算负半电池的第二SOC值，进而第二实验数据中的电压信息以及计算得到的第二SOC值构建负半电池的第二OCV-SOC曲线。

S30，获取所述锂离子电池的结构材料参数；在本发明中，所述结构材料参数包括后续步骤S40和S50中需要使用的结构材料参数，其中，部分结构材料参数可以直接在锂离子电池的制作过程中获取(其中一部分结构材料参数亦可以在后续对锂离子电池进行拆解获得)；比如：锂离子电池的容量和尺寸、正负极涂层厚度、隔膜厚度、隔膜孔隙率、电解液的浓度等；而部分结构材料参数为公知常识，可以在查阅相关文献获取；比如：在获取电解液的扩散系数，电导率、活性相关度、正负极材料的最大锂离子浓度等。可理解地，在获取结构材料参数之后，可以将其直接存储至BMS系统中，在后续需要使用该结构材料参数时，直接根据需求自BMS系统中调取即可。

S40，记录所述锂离子电池在不同测试工况下进行电池测试的测试数据，其中，所述测试工况根据所述结构材料参数的电流敏感性确定；具体地，在本发明中，首先对锂离子电池进行充电测试，可理解地，充电测试工况根据需求设定为仅有一个(比如1/10C倍率，本发明中亦可根据需求设定其他的充电测试工况)，此时，采用1/10C倍率的电流对锂离子电池进行充电至指定的第二上限电压，然后静置预设的波动消除时长(比如3个小时及以上)之后开始进行放电测试(电池在充电和放电之后，内部还需要一定时间来达到物理和化学平衡，因此，电池在充电和放电测试之后，均需要静置波动消除时长，以消除达到平衡前的电压波动)，也即，在第一个放电测试工况(其中，放电测试过程中所需要的放电测试工况根据锂离子电池的的结构材料参数对电流的敏感性来设计；第一个放电测试工况可以根据需求设定，可以预先排序亦可以随机选取；作为优选，设置4个放电测试工况，分别为0.2C倍率放电，1C倍率放电，2C倍率放电，4C倍率放电；当然，本发明中亦可根据需求设定其他的放电测试工况)下对锂离子电池放电至指定的第二电压下限，记录所述锂离子电池在放电过程中的测试电压、测试电流以及测试温度，并在将所述锂离子电池静置所述波动消除时长之后，返回至将所述锂离子电池在所述充电测试工况下充电至指定的第二电压上限；进而，静置波动消除时长之后重新在第二个放电测试工况下对锂离子电池进行第二次放电测试，也即，在第二个放电测试工况下对锂离子电池放电至指定的第二电压下限，并记录所述锂离子电池在放电过程中的测试电压、测试电流以及测试温度；并按照上述循环过程持续完成在不同放电测试工况下的测试，并将在所有不同放电测试工况下记录的测试电压、测试电流以及测试温度标记为电池测试的测试数据。

S50，建立电化学热耦合模型；所述电化学热耦合模型包括锂离子在正负极材料内的第一扩散模型，所述第一扩散模型包括：

其中：

i＝n或i＝p；p代表正极区域，所述正极区域包括正极材料所属区域；n代表负极区域，所述负极区域包括负极材料所属区域；

c_s,i为正负极材料内的锂离子浓度；

D_s,i为正负极材料内的锂离子扩散系数；

r为球形颗粒半径，0≤r≤R；R为球形颗粒的最大半径；

上述锂离子在正负极材料内的第一扩散模型，在整个过程中没有忽略电解液的动态变化，但其适用的范围性增大到4C以上。本发明的简化之后的电化学热耦合模型，相对于对比原始的电化学模型而言，不仅保留了原始的电化学模型的电池内部参数，考察了电池的电性能和热性能，且仿真运算的过程被大大简化，运算时间缩短，因此可以实现同时兼顾仿真的速度和精度，为BMS提供了关于电池内部参数初始的参考依据。

作为优选，所述电化学热耦合模型还包括锂离子在电解液内的第二扩散模型、正负极材料内的第一电势分布模型、电解液内的第二电势分布模型以及正负极材料和电解液接触的表面化学反应模型。在本发明中，可以在MATLAB平台搭建所用的简化的电化学热耦合模型，简化的电化学热耦合模型可以提升MATLAB中的仿真速度，减少了运算时间；但在本发明中，简化的电化学热耦合模型中依旧保留了对电池的电性能和热性能的考察，因此，兼顾了仿真精度，提升了后续获取的电池内部参数的准确度；并且，本发明基于MATLAB平台进行仿真运算，与后续的控制算法和策略更容易结合。

S60，根据所述第一OCV-SOC曲线、所述第二OCV-SOC曲线、所述结构材料参数、所述测试数据以及所述电化学热耦合模型，对预设的电池内部参数进行辨识。在本实施例中，可以将上述步骤S20中获取的第一OCV-SOC曲线和第二OCV-SOC曲线，步骤S30中获取的结构材料参数，步骤S40中确定的测试数据作为输入，联合步骤S50中确定的简化的电化学热耦合模型，对电池内部参数进行辨识(该电池内部参数是电化学热耦合模型中的模型参数的一部分；本发明在根据电化学热耦合模型的运算获取预设的电池内部参数的值之后，依据优化算法所设的目标函数来对电化学热耦合模型中的电池内部参数进行调整，其中，辨识所采用的优化算法包括但不限定于为遗传算法、退火算法、粒子寻优等方法)。可理解地，电池内部参数可以根据需求进行设定；在本发明中，作为优选，电池内部参数包括：正极粒径、负极粒径、正极中活性物质的比例、负极中活性物质的比例、正极材料内锂离子的扩散系数、负极材料内锂离子的扩散系数、正极材料表面和电解液发生化学反应的速率、负极材料表面和电解液发生化学反应的速率、正极的扩散活化能、负极的扩散活化能、正极的反应活化能以及负极的反应活化能。在本发明中，通过优化算法的目标函数对简化之后的电化学热耦合模型的电池内部参数进行辨识，也即通过优化算法对其进行迭代运算，最终使得目标函数的值最小，将与目标函数的最小值对应的一组电池内部参数作为最终辨识得到的电池内部参数即可；可理解地，锂离子电池最终辨识得到的电池内部参数被存入云端或者预设智能终端(比如存储至车辆终端，作为车辆的出厂的初始参数进行存储)。

本发明的上述实施例中，建立简化的锂离子电池的电化学热耦合模型，再基于简化的电化学热耦合模型，快速准确地获取锂离子电池内部参数，使得BMS系统对锂离子电池的监测和控制稳定可靠，提升了锂离子电池的安全性。在本实施例中，首先，电化学热耦合模型相对于等效电路模型而言，从锂离子电池机理的角度进行运算，获得了更多关于电池内部参数的信息，为后续对于锂离子电池的控制等提供参数依据；并且，本发明的简化之后的电化学热耦合模型，相对于对比原始的电化学模型而言，不仅保留了原始的电化学模型的电池内部参数，考察了电池的电性能和热性能，且仿真运算的过程被大大简化，运算时间缩短，因此可以实现同时兼顾仿真的速度和精度，为BMS提供了关于电池内部参数初始的参考依据；同时，本发明基于多目标函数进行辨识，最终辨识得到的电池内部参数的准确度更高；在对锂离子电池进行充放电测试时，结构材料参数的敏感度的不同来匹配不同的放电测试工况，最终采用上述测试过程中的测试数据进行辨识，可以减少测试的次数，也减少了辨识的时间，提升了效率。

在一实施例中，所述步骤S10，也即获取正半电池进行充放电实验的第一实验数据以及负半电池进行充放电实验的第二实验数据，包括：

将所述正半电池和所述负半电池均充电至指定的第一电压上限，记录所述正半电池在充电过程中的第一充电电压和第一充电电流以及所述负半电池在充电过程中的第二充电电压和第二充电电流；在一实施例中，锂离子电池的正极材料为三元材料，负极材料为石墨，因此进行充放电实验的正半电池的正极材料为三元材料；负半电池的正极材料为石墨，且正半电池和负半电池的负极材料均为金属锂。

对充电至指定的电压上限的所述正半电池和所述负半电池分别进行小倍率放电至指定的第一电压下限，实时记录所述正半电池在放电过程中的第一放电电压和第一放电电流以及所述负半电池在放电过程中的第二放电电压和第二放电电流；可理解地，在所述正半电池和所述负半电池制作完成时，其第一电压上限和第一电压上限即已知，作为优选，所述正半电池和所述负半电池的第一电压上限相等；所述正半电池和所述负半电池的第一电压下限相等。

将所述正半电池的第一充电电压、第一放电电压、第一充电电流和第一放电电流记录为所述第一实验数据；将所述负半电池的第二充电电压、第二放电电压、第二充电电流和第二放电电流记录为所述第二实验数据。

可理解地，在本发明的正半电池和负半电池的充放电实验过程中，首先将正半电池和负半电池均充电至指定的第一电压上限，然后对正半电池和负半电池进行小倍率放电至第一电压下限，在上述充电和放电过程中实时记录的正半电池的第一充电电压、第一放电电压、第一充电电流和第一放电电流，即为第一实验数据，在上述充电和放电过程中实时记录的负半电池的第二充电电压、第二放电电压、第二充电电流和第二放电电流，即为第二实验数据。根据第一实验数据和第二实验数据，可以确定第一OCV-SOC曲线和第二OCV-SOC曲线。

在一实施例中，所述步骤S20，也即所述根据所述第一实验数据确定所述正半电池的第一OCV-SOC曲线，根据所述第二实验数据确定所述负半电池的第二OCV-SOC曲线，包括：

根据第一实验数据，通过安时积分法确定与所述第一充电电压以及所述第一放电电压均对应的第一SOC值；根据第二实验数据，通过安时积分法确定与所述第二充电电压以及所述第二放电电压均对应的第二SOC值；

获取与所述第一SOC值对应的第一充电电压和第一放电电压的第一电压平均值，并记录所述第一SOC值与所述第一电压平均值之间的第一关联关系；同时获取与所述第二SOC值对应的第二充电电压和第二放电电压的第二电压平均值，并记录所述第二SOC值与所述第二电压平均值之间的第二关联关系；其中，第一关联关系是指第一OCV-SOC曲线中的一个坐标点中，OCV坐标(一个第一电压平均值)与SOC坐标(一个第一SOC值)之间的对应关系。第二关联关系是指第二OCV-SOC曲线中的一个坐标点中，OCV坐标(一个第二电压平均值)与SOC坐标(一个第二SOC值)之间的对应关系。

根据所述第一关联关系构建所述正半电池的第一OCV-SOC曲线，根据所述第二关联关系构建所述负半电池的第二OCV-SOC曲线。可理解地，在本发明中，可以通过第一实验数据和安时积分方法计算正半电池的第一SOC值，进而第一实验数据中的电压信息以及计算得到的第一SOC值构建正半电池的第一OCV-SOC曲线；同时，通过第二实验数据和安时积分方法计算负半电池的第二SOC值，进而第二实验数据中的电压信息以及计算得到的第二SOC值构建负半电池的第二OCV-SOC曲线。并将构建的第一OCV-SOC曲线和第二OCV-SOC曲线作为步骤S60中的对预设的电池内部参数进行辨识的数据输入。

在一实施例中，所述步骤S40，也即所述记录所述锂离子电池在不同测试工况下进行电池测试的测试数据，包括：

获取预设的充电测试工况，并根据所述结构材料参数的电流敏感性确定若干个放电测试工况；充电测试工况根据需求设定为仅有一个(比如1/10C倍率，本发明中亦可根据需求设定其他的充电测试工况)；放电测试过程中所需要的放电测试工况根据锂离子电池的的结构材料参数对电流的敏感性来设计；第一个放电测试工况可以根据需求设定，可以预先排序亦可以随机选取；作为优选，设置4个放电测试工况，分别为0.2C倍率放电，1C倍率放电，2C倍率放电，4C倍率放电；当然，本发明中亦可根据需求设定其他的放电测试工况。

将所述锂离子电池在所述充电测试工况下充电至指定的第二电压上限；

将所述锂离子电池静置预设的波动消除时长之后，将所述锂离子电池在所述放电测试工况下放电至指定的第二电压下限，记录所述锂离子电池在放电过程中的第一测试电压、第二测试电流以及测试温度，并在将所述锂离子电池静置所述波动消除时长之后，返回至将所述锂离子电池在所述充电测试工况下充电至指定的第二电压上限。

可理解地，在所述锂离子电池制作完成时，其第二电压上限和第二电压上限即已知。在本发明中，首先对锂离子电池进行充电测试，也即，采用1/10C倍率的电流对锂离子电池进行充电至指定的第二上限电压，然后静置预设的波动消除时长(比如3个小时及以上)之后开始进行放电测试(电池在充电和放电之后，内部还需要一定时间来达到物理和化学平衡，因此，电池在充电和放电测试之后，均需要静置波动消除时长，以消除达到平衡前的电压波动)，也即，在根据所述结构材料参数的电流敏感性确定的所有放电测试工况中的第一个放电测试工况下对锂离子电池放电至指定的第二电压下限，记录所述锂离子电池在放电过程中的测试电压、测试电流以及测试温度，并在将所述锂离子电池静置所述波动消除时长之后，返回至将所述锂离子电池在所述充电测试工况下充电至指定的第二电压上限；进而，静置波动消除时长之后重新在第二个放电测试工况下对锂离子电池进行第二次放电测试，也即，在第二个放电测试工况下对锂离子电池放电至指定的第二电压下限，并记录所述锂离子电池在放电过程中的测试电压、测试电流以及测试温度；并按照上述循环过程持续完成在不同放电测试工况下的测试，并将在所有不同放电测试工况下记录的测试电压、测试电流以及测试温度标记为电池测试的测试数据。在该实施例中获取的所有测试数据将作为步骤S60中的对预设的电池内部参数进行辨识的数据输入。

具体地，在所述电化学热耦合模型中，所述第一扩散模型包括：

其中：

i＝n或i＝p；p代表正极区域，所述正极区域包括正极材料所属区域；n代表负极区域，所述负极区域包括负极材料所属区域；

c_s,i为正负极材料内的锂离子浓度；

D_s,i为正负极材料内的锂离子扩散系数；

r为球形颗粒半径，0≤r≤R；R为球形颗粒的最大半径；可理解地，所述第一扩散模型的边界条件为：

其中：F为法拉第常数，t为时间；r_i为正负极材料内的球形颗粒半径；R_i为正负极材料内的球形颗粒的最大半径；a_s为颗粒的比表面积；j_f(x,t)为局部电流体密度；可理解地，局部电流体密度可以用其不同区域的平均体密度进行简化，其中，正极区域的平均体密度

负极区域的平均体密度

上述式中：I(t)为所述锂离子电池的输出电流；A为电池总表面积；δ_p为正极涂层厚度。

在一实施例中，所述电化学热耦合模型还包括锂离子在电解液内的第二扩散模型，所述第二扩散模型包括：

其中：

i＝n或i＝p；p代表正极区域；n代表负极区域；

C_i为球形颗粒中的锂离子浓度；

ε_e为液相体积分数；

j_f(x,t)为局部电流体密度；

t为时间；

x为锂离子电池在长度方向上的坐标值；如图2所示的x。

为液相的有效锂离子扩散系数；且

其中，D_e为液相材料的扩散系数；Brugg为Bruggman系数，通常取值为1.5。

t⁺为锂离子的迁移数；

F为法拉第常数。

作为优选，所述第二扩散模型的初值条件为：

c_e(x,t)|_t＝0＝c_e,0(0≤x≤L)

其中，c_e(x,t)为电解液中锂离子浓度；L为负极隔膜和正极总的厚度(x为锂离子电池在长度方向上的坐标值，长度方向即为与负极、隔膜和正极总的厚度方向相同的方向，也即，x在0到L的范围内变化)。

在一实施例中，所述电化学热耦合模型还包括正负极材料内的第一电势分布模型，所述第一电势分布模型包括：

其中：

δ^eff为固相有效离子电导率；

φ(x,t)为正负极材料内的电势分布；

j_f(x,t)为局部电流体密度；

t为时间；

x为锂离子电池在长度方向上的坐标值。

所述第一电势分布模型的边界条件为：

其中：L为负极隔膜和正极总的厚度(x为锂离子电池在长度方向上的坐标值，长度方向即为与负极隔膜和正极总的厚度方向相同的方向，也即，x在0到L的范围内变化)。I(t)为所述锂离子电池的输出电流；A为电池总表面积；δ_n为负极涂层厚度；δ_sep为隔膜厚度。σ^eff为正负极材料的有效离子电导率；σ^eff＝σ*ε_s，ε_s为固相体积分数。

在一实施例中，所述电化学热耦合模型还包括电解液内的第二电势分布模型，所述第二电势分布模型包括：

可理解地，所述第二电势分布模型的边界条件为：

其中：

k^eff为电解液的有效粒子电导率；

k为电解液粒子电导率，ε_e为液相体积分数；Brugg为Bruggman系数，通常取值为1.5。

为锂离子有效扩散电导率；

φ_e(x,t)为正负极材料内的电势分布；

c_e(x,t)为电解液中锂离子浓度；

j_f(x,t)为局部电流体密度；

t为时间；

x为锂离子电池在长度方向上的坐标值。

在一实施例中，所述电化学热耦合模型还包括正负极材料和电解液接触的表面化学反应模型，所述表面化学反应模型包括：

Butler-Volmer(巴特勒-伏尔摩)动力学模型：

其中：j_f(x,t)为局部电流体密度；a_s为颗粒的比表面积；i₀为交换电流密度；α为电化学反应传递系数(通常取恒定值0.5)；F为法拉第常数；R为气体常数；T为电池单体平均温度；η_act(x,t)为主反应的活化过电势；

交换电流密度模型：

其中：i＝n或i＝p；p代表正极区域；n代表负极区域；k_i为正负极材料与电解液界面化学反应速率常数；c_s,i,max为固相最大锂离子浓度；c_e为电解液中锂离子浓度；c_s,i,surf为固相表面锂离子浓度；可理解地：

不同温度下的扩散系数模型：

其中：D_s,i为正负极材料内的锂离子扩散系数；D_s,i,0为25℃常温下正负极材料中锂离子的扩散系数；Ea_i为正负极的扩散活化能；T_ref为参考温度；

不同温度下的反应速率常数模型：

其中：k_i,0为25℃常温下正负极材料中锂离子的化学反应速率常数；Ek_i为正负极的反应活化能；

端电压模型：

其中：V(t)为仿真端电压；Up(t)为正极材料在不同时刻的OCV值；

Un(t)为负极材料在不同时刻的OCV值，可理解地，活性材料的平衡电势U_i可视为其开路电压，且其可以用表面锂离子浓度的函数进行表示，此处引入变量soc_i，soc_i＝c_s,i,surf/c_s,i,max。对应于变量soc_i，i＝n或i＝p；p代表正极区域；n代表负极区域，Up＝f(soc_p)；f(soc_p)代表正极的OCV-SOC，soc_p代表正极的SOC值Un＝f(soc_n)；f(soc_n)为负极的OCV-SOC，soc_n代表负极的SOC值。R_SEI,p为正极材料中SEI膜的值；ER_SEI,n为负极材料中SEI膜的值；t⁺为锂离子的迁移数；c_e(0,t)为负极集流体位置的锂离子浓度；c_e(L,t)为正极集流体位置的锂离子浓度；I(t)为所述锂离子电池的输出电流；A为电池总表面积；δ_n为负极涂层厚度；δ_sep隔膜厚度；δ_p为正极涂层厚度；

为负极处的电解液电导率；

隔膜处的电解液电导率；

正极处的电解液电导率；

a_s,p为正极颗粒的比表面积；i_0,p为正极处交换电流密度；a_s,n为负极颗粒的比表面积；i_0,n为负极处交换电流密度；j_p为正极区域的平均电流体密度；j_n为负极区域的平均电流体密度；

正负极的容量模型：

其中：Q_i为正负极的容量；

为正负极活性物质的比例；c_s,imax为正负极最大锂离子浓度；为ΔSOC正负极锂离子浓度与最大锂离子浓度比值的变化范围。

电池的产热的计算过程为：

其中，q产热功率，

电势的熵变，E为电动势，U为端电压；I为电池电流。

散热的计算过程为：

q_n＝h(T_S-T)

q_n为换热功率，h为换热系数，T_s为环境温度，T为电池单体平均温度。

在一实施例中，所述步骤S60中，所述对预设的电池内部参数进行辨识，包括：

通过遗传算法预设的目标函数对所述电池内部参数进行辨识，并将辨识后的所述电池内部参数存储至云端或者预设智能终端；其中，所述电池内部参数包括：正极粒径、负极粒径、正极中活性物质的比例、负极中活性物质的比例、正极材料内锂离子的扩散系数、负极材料内锂离子的扩散系数、正极材料表面和电解液发生化学反应的速率、负极材料表面和电解液发生化学反应的速率、正极的扩散活化能、负极的扩散活化能、正极的反应活化能以及负极的反应活化能。在本实施例中，可以将上述步骤S20中获取的第一OCV-SOC曲线和第二OCV-SOC曲线，步骤S30中获取的结构材料参数，步骤S40中确定的测试数据作为输入，联合步骤S50中确定的简化的电化学热耦合模型，对电池内部参数进行辨识(该电池内部参数是电化学热耦合模型中的模型参数的一部分；本发明在根据电化学热耦合模型的运算获取预设的电池内部参数的值之后，依据优化算法所设的目标函数来对电化学热耦合模型中的电池内部参数进行调整，其中，辨识所采用的优化算法包括但不限定于为遗传算法、退火算法、粒子寻优等方法)。；可理解地，锂离子电池最终辨识得到的电池内部参数被存入云端或者预设智能终端(比如存储至车辆终端，作为车辆的出厂的初始参数进行存储)。

在一实施例中，辨识所采用的优化算法为遗传算法，此时，所述目标函数为：

其中：

miny(θ)为目标函数；

V_exp,i锂离子电池进行充放电实验测得的第i个采样点的端电压；

n为采样的总数点；

V_exp,avg为进行电池测试的一个测试工况下测得的端电压的平均值；

V_sim,i为根据电化学热耦合模型计算的第i个采样点的端电压；

R_n为正极粒径；

R_p为负极粒径；

为正极中活性物质的比例；

为负极中活性物质的比例；

D_s,p为正极材料内锂离子的扩散系数；

D_s,n为负极材料内锂离子的扩散系数；

k_p为正极材料表面和电解液发生化学反应的速率；

k_n为负极材料表面和电解液发生化学反应的速率；

Ea_p为正极的扩散活化能；

Ea_n为负极的扩散活化能；

Ek_p为正极的反应活化能；

Ek_n为负极的反应活化能。

在本发明中，通过优化算法的目标函数对简化之后的电化学热耦合模型的电池内部参数进行辨识，也即通过优化算法对其进行迭代运算，最终使得目标函数的值最小，将与目标函数的最小值对应的一组电池内部参数作为最终辨识得到的电池内部参数即可。

在上述辨识的过程中，分析结构材料参数的敏感性可以发现，在小倍率(0.2C)的情况下(辨识过程中采用0.2C倍率的放电测试工况对应的测试数据进行辨识)，锂离子电池的温升很小，端电压及温度对正负极材料内锂离子的扩散系数、反应速率常数、扩散活化能和反应活化能等参数敏感度较差，而对正负极粒径和正负极中活性物质的比例比较敏感，因此在低倍率的状况下通过遗传算法对粒径和正负极中活性物质的比例进行辨识；同时，根据实际情况设置了粒径和正负极中活性物质的比例(

10^-6m<R_n<20*10^-6m，10^-6m<R_p<20*10^-6m)的范围，以加速辨识过程，然后将辨识的结果应用到下一个工况进行辨识。而在大倍率的情况下，根据结构材料参数对车辆采集的电池电流的敏感性，选择2C倍率的放电测试工况对应的测试数据进行辨识。在本发明中，对不同参数设置不同的辨识条件：如对低倍率影响小的参数在低倍率下进行辨识，在高倍率下不进行辨识；对高倍率影响小的参数在高倍率下进行辨识，在低倍率下不进行辨识；如此，可以减少计算工作量，增加辨识的准确性。

上述0.2C和2C倍率的放电测试工况的测试数据对应的辨识结果如图3、图4、图7和图8中所示(参照图3中所示，V11为0.2C倍率的放电测试工况对应的MATLAB平台的简化的电化学热耦合模型的仿真电压曲线；V12为实际0.2C倍率工况中测得的电压曲线；如图4所示，V21为2C倍率的放电测试工况对应的MATLAB平台的简化的电化学热耦合模型的仿真电压曲线；V22为实际2C倍率工况中测得的电压曲线；如图7所示，T11为0.2C倍率的放电测试工况对应的MATLAB平台的简化的电化学热耦合模型的仿真温度曲线；T12为实际0.2C倍率工况中测得的温度曲线；如图8所示，T21为2C倍率的放电测试工况对应的MATLAB平台的简化的电化学热耦合模型的仿真温度曲线；T22为实际2C倍率工况中测得的温度曲线)。

在确定上述0.2C和2C倍率的放电测试工况的测试数据对应的辨识结果之后，将辨识之后的所述电池内部参数应用到对1C和4C倍率的放电测试工况对应的测试数据对应的仿真(也即利用具有该电池内部参数的简化的电化学热耦合模型，在MATLAB平台进行仿真计算)计算中之后，将仿真结果与实际工况测得的数据结果进行比对，结果比较吻合(参照图5中所示，V31为1C倍率的放电测试工况对应的MATLAB平台的简化的电化学热耦合模型的仿真电压曲线；V32为实际1C倍率工况中测得的电压曲线；如图6所示，V41为4C倍率的放电测试工况对应的MATLAB平台的简化的电化学热耦合模型的仿真电压曲线；V42为实际4C倍率工况中测得的电压曲线；如图9所示，T31为1C倍率的放电测试工况对应的MATLAB平台的简化的电化学热耦合模型的仿真温度曲线；T32为实际1C倍率工况中测得的温度曲线；如图10所示，T41为4C倍率的放电测试工况对应的MATLAB平台的简化的电化学热耦合模型的仿真温度曲线；T42为实际4C倍率工况中测得的温度曲线)。

并且，将辨识的参数在动态工况下进行验证(采用COMSOL的计算结果作为对比)，结果也相当吻合(参照图11和图12中所示，V53为COMSOL(全阶电化学模型)仿真电压曲线；V51为MATLAB平台的简化的电化学热耦合模型的仿真电压曲线；T53为COMSOL仿真温度曲线；T51为MATLAB平台的简化的电化学热耦合模型的仿真温度曲线)；从而也证明了本发明辨识之后的电池内部参数在动态工况下参数的合理性。表1中示出的是一实施例中最终辨识得到的电池内部参数。在本发明中，采用电压和温度两个参数进行结果的优化，相较于现有技术中只采用一个参数进行优化，此优化结果更准确。

表1辨识后的电池内部参数

在一实施例中，所述步骤S60之后，也即所述对预设的电池内部参数进行辨识之后，包括：

在所述锂离子电池实际运行过程中的实测电池参数与辨识之后的所述电池内部参数之间的差值超出预设差值范围时，根据所述第一OCV-SOC曲线、所述第二OCV-SOC曲线、所述结构材料参数、所述实测电池参数以及所述电化学热耦合模型，对所述电池内部参数进行重新辨识。也即，当锂离子电池在实际运行工况中工作一段时间(比如车辆中的电池使用一段时间)之后，会发生老化现象，其电池内部参数会发生变化，因此当上述辨识之后的电池内部参数与车辆实际运行过程中实际测得的结果(也即实测电池参数)之间的差值超过一定阈值(也即超出预设差值范围)时，则开始根据上述步骤S60中的方式对电池内部参数进行重新辨识，但是此前所使用的测试数据替换为实际运行过程中获取的实测电池参数，也即，根据所述第一OCV-SOC曲线、所述第二OCV-SOC曲线、所述结构材料参数、所述实测电池参数以及所述电化学热耦合模型，对所述电池内部参数进行重新辨识。在重新辨识完毕之后，将重新辨识后的电池内部参数在云端和预设智能终端(比如车辆终端)中进行更新，在后续需要使用时，均使用重新辨识之后的新的电池内部参数，以在不断的调整过程中，进一步保持对电池性能预测的准确性，使得BMS系统对锂离子电池的监测和控制稳定可靠，提升了锂离子电池的安全性。

进一步地，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机可读指令和数据库。该内存储器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机可读指令被处理器执行时以实现一种锂离子电池数据处理方法。

进一步地，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述的锂离子电池数据处理方法。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述的锂离子电池数据处理方法。

本发明还提供了一种车辆，所述车辆包括锂离子电池以及与所述锂离子电池通信连接的控制模块，所述控制模块用于执行所述的锂离子电池数据处理方法。

关于所述控制模块的具体限定可以参见上文中对于锂离子电池数据处理方法的限定，在此不再赘述。上述控制模块中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、存储器总线直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元或模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元或模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包括在本发明的保护范围之内。

Claims (13)

1.一种锂离子电池数据处理方法，其特征在于，包括：

获取正半电池进行充放电实验的第一实验数据以及负半电池进行充放电实验的第二实验数据；所述正半电池的正极材料为锂离子电池的正极材料，所述正半电池的负极材料为金属锂；所述负半电池的正极材料为所述锂离子电池的负极材料，所述负半电池的负极材料为金属锂；

根据所述第一实验数据确定所述正半电池的第一OCV-SOC曲线，根据所述第二实验数据确定所述负半电池的第二OCV-SOC曲线；

获取所述锂离子电池的结构材料参数；

记录所述锂离子电池在不同测试工况下进行电池测试的测试数据，其中，所述测试工况根据所述结构材料参数的电流敏感性确定；

建立电化学热耦合模型；所述电化学热耦合模型包括锂离子在正负极材料内的第一扩散模型，所述第一扩散模型包括：

其中：

i＝n或i＝p；p代表正极区域，所述正极区域包括正极材料所属区域；n代表负极区域，所述负极区域包括负极材料所属区域；

c_s,i为正负极材料内的锂离子浓度；

D_s,i为正负极材料内的锂离子扩散系数；

r为球形颗粒半径，0≤r≤R；R为球形颗粒的最大半径；

根据所述第一OCV-SOC曲线、所述第二OCV-SOC曲线、所述结构材料参数、所述测试数据以及所述电化学热耦合模型，对预设的电池内部参数进行辨识。

2.如权利要求1所述的锂离子电池数据处理方法，其特征在于，所述获取正半电池进行充放电实验的第一实验数据以及负半电池进行充放电实验的第二实验数据，包括：

将所述正半电池和所述负半电池均充电至指定的第一电压上限，记录所述正半电池在充电过程中的第一充电电压和第一充电电流以及所述负半电池在充电过程中的第二充电电压和第二充电电流；

对充电至指定的电压上限的所述正半电池和所述负半电池分别进行小倍率放电至指定的第一电压下限，实时记录所述正半电池在放电过程中的第一放电电压和第一放电电流以及所述负半电池在放电过程中的第二放电电压和第二放电电流；

将所述正半电池的第一充电电压、第一放电电压、第一充电电流和第一放电电流记录为所述第一实验数据；将所述负半电池的第二充电电压、第二放电电压、第二充电电流和第二放电电流记录为所述第二实验数据。

3.如权利要求2所述的锂离子电池数据处理方法，其特征在于，所述根据所述第一实验数据确定所述正半电池的第一OCV-SOC曲线，根据所述第二实验数据确定所述负半电池的第二OCV-SOC曲线，包括：

根据第一实验数据，通过安时积分法确定与所述第一充电电压以及所述第一放电电压均对应的第一SOC值；根据第二实验数据，通过安时积分法确定与所述第二充电电压以及所述第二放电电压均对应的第二SOC值；

获取与所述第一SOC值对应的第一充电电压和第一放电电压的第一电压平均值，并记录所述第一SOC值与所述第一电压平均值之间的第一关联关系；同时获取与所述第二SOC值对应的第二充电电压和第二放电电压的第二电压平均值，并记录所述第二SOC值与所述第二电压平均值之间的第二关联关系；

根据所述第一关联关系构建所述正半电池的第一OCV-SOC曲线，根据所述第二关联关系构建所述负半电池的第二OCV-SOC曲线。

4.如权利要求1所述的锂离子电池数据处理方法，其特征在于，所述记录所述锂离子电池在不同测试工况下进行电池测试的测试数据，包括：

获取预设的充电测试工况，并根据所述结构材料参数的电流敏感性确定若干个放电测试工况；

将所述锂离子电池在所述充电测试工况下充电至指定的第二电压上限；

将所述锂离子电池静置预设的波动消除时长之后，将所述锂离子电池在所述放电测试工况下放电至指定的第二电压下限，记录所述锂离子电池在放电过程中的测试电压、测试电流以及测试温度，并在将所述锂离子电池静置所述波动消除时长之后，返回至将所述锂离子电池在所述充电测试工况下充电至指定的第二电压上限。

5.如权利要求1所述的锂离子电池数据处理方法，其特征在于，所述电化学热耦合模型还包括锂离子在电解液内的第二扩散模型，所述第二扩散模型包括：

其中：

i＝n或i＝p；p代表正极区域；n代表负极区域；

C_i为球形颗粒中的锂离子浓度；

ε_e为液相体积分数；

j_f(x,t)为局部电流体密度；

t为时间；

x为锂离子电池在长度方向上的坐标值；

为液相的有效锂离子扩散系数；

t⁺为锂离子的迁移数；

F为法拉第常数。

6.如权利要求1所述的锂离子电池数据处理方法，其特征在于，所述电化学热耦合模型还包括正负极材料内的第一电势分布模型，所述第一电势分布模型包括：

其中：

δ^eff为固相有效离子电导率；

φ(x,t)为正负极材料内的电势分布；

j_f(x,t)为局部电流体密度；

t为时间；

x为锂离子电池在长度方向上的坐标值。

7.如权利要求1所述的锂离子电池数据处理方法，其特征在于，所述电化学热耦合模型还包括电解液内的第二电势分布模型，所述第二电势分布模型包括：

其中：

k^eff为电解液的有效粒子电导率；

为锂离子有效扩散电导率；

φ_e(x,t)为正负极材料内的电势分布；

c_e(x,t)为电解液中锂离子浓度；

j_f(x,t)为局部电流体密度；

t为时间；

x为锂离子电池在长度方向上的坐标值。

8.如权利要求1所述的锂离子电池数据处理方法，其特征在于，所述电化学热耦合模型还包括正负极材料和电解液接触的表面化学反应模型，所述表面化学反应模型包括：

Butler-Volmer动力学模型:

其中：j_f(x,t)为局部电流体密度；a_s为颗粒的比表面积；i₀为交换电流密度；α为电化学反应传递系数；F为法拉第常数；R为气体常数；T为电池单体平均温度；η_act(x,t)为主反应的活化过电势；

交换电流密度模型：

其中：i＝n或i＝p；p代表正极区域；n代表负极区域；k_i为正负极材料与电解液界面化学反应速率常数；c_s,i,max为固相最大锂离子浓度；c_s,i,surf为固相表面锂离子浓度；c_e为电解液中锂离子浓度；

不同温度下的扩散系数模型：

其中：D_s,i为正负极材料内的锂离子扩散系数；D_s,i,0为25℃常温下正负极材料中锂离子的扩散系数；Ea_i为正负极的扩散活化能；T_ref为参考温度；

不同温度下的反应速率常数模型：

其中：k_i,0为25℃常温下正负极材料中锂离子的化学反应速率常数；Ek_i为正负极的反应活化能；

端电压模型：

其中：V(t)为仿真端电压；Up(t)为正极材料在不同时刻的OCV值；Un(t)为负极材料在不同时刻的OCV值；R_SEI,p为正极材料中SEI膜的值；ER_SEI,n为负极材料中SEI膜的值；t⁺为锂离子的迁移数；c_e(0,t)为负极集流体位置的锂离子浓度；c_e(L,t)为正极集流体位置的锂离子浓度；I(t)为所述锂离子电池的输出电流；A为电池总表面积；δ_n为负极涂层厚度；δ_sep隔膜厚度；δ_p为正极涂层厚度；

为负极处的电解液电导率；

隔膜处的电解液电导率；

正极处的电解液电导率；

a_s,p为正极颗粒的比表面积；i_0,p为正极处交换电流密度；a_s,n为负极颗粒的比表面积；i_0,n为负极处交换电流密度；j_p为正极区域的平均电流体密度；j_n为负极区域的平均电流体密度；

正负极的容量模型：

其中：Q_i为正负极的容量；

为正负极活性物质的比例；c_s,imax为正负极最大锂离子浓度；为ΔSOC正负极锂离子浓度与最大锂离子浓度比值的变化范围。

9.如权利要求1所述的锂离子电池数据处理方法，其特征在于，所述对预设的电池内部参数进行辨识，包括：

通过遗传算法预设的目标函数对所述电池内部参数进行辨识，并将辨识后的所述电池内部参数存储至云端或者预设智能终端；其中，所述电池内部参数包括：正极粒径、负极粒径、正极中活性物质的比例、负极中活性物质的比例、正极材料内锂离子的扩散系数、负极材料内锂离子的扩散系数、正极材料表面和电解液发生化学反应的速率、负极材料表面和电解液发生化学反应的速率、正极的扩散活化能、负极的扩散活化能、正极的反应活化能以及负极的反应活化能。

10.如权利要求9所述的锂离子电池数据处理方法，其特征在于，所述目标函数为：

其中：

min y(θ)为目标函数；

V_exp,i锂离子电池进行充放电实验测得的第i个采样点的端电压；

n为采样的总数点；

V_exp,avg为进行电池测试的一个测试工况下测得的端电压的平均值；

V_sim,i为根据电化学热耦合模型计算的第i个采样点的端电压；

R_n为正极粒径；

R_p为负极粒径；

为正极中活性物质的比例；

为负极中活性物质的比例；

D_s,p为正极材料内锂离子的扩散系数；

D_s,n为负极材料内锂离子的扩散系数；

k_p为正极材料表面和电解液发生化学反应的速率；

k_n为负极材料表面和电解液发生化学反应的速率；

Ea_p为正极的扩散活化能；

Ea_n为负极的扩散活化能；

Ek_p为正极的反应活化能；

Ek_n为负极的反应活化能。

11.如权利要求1所述的锂离子电池数据处理方法，其特征在于，所述对预设的电池内部参数进行辨识之后，包括：

在所述锂离子电池实际运行过程中的实测电池参数与辨识之后的所述电池内部参数之间的差值超出预设差值范围时，根据所述第一OCV-SOC曲线、所述第二OCV-SOC曲线、所述结构材料参数、所述实测电池参数以及所述电化学热耦合模型，对所述电池内部参数进行重新辨识。

12.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权利要求1至11任一项所述的锂离子电池数据处理方法。

13.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如权利要求1至11任一项所述的锂离子电池数据处理方法。

Images