CN113011065B - 预测电芯充放电性能的方法、装置、存储介质及电子设备 - Google Patents

预测电芯充放电性能的方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN113011065B
CN113011065B CN202110272468.6A CN202110272468A CN113011065B CN 113011065 B CN113011065 B CN 113011065B CN 202110272468 A CN202110272468 A CN 202110272468A CN 113011065 B CN113011065 B CN 113011065B
Authority
CN
China
Prior art keywords
model
target
cell
battery cell
parameters
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
CN202110272468.6A
Other languages
English (en)
Other versions
CN113011065A (zh
Inventor
王连旭
李峰宇
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.)
Svolt Energy Technology Co Ltd
Original Assignee
Svolt 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 Svolt Energy Technology Co Ltd filed Critical Svolt Energy Technology Co Ltd
Priority to CN202110272468.6A priority Critical patent/CN113011065B/zh
Publication of CN113011065A publication Critical patent/CN113011065A/zh
Application granted granted Critical
Publication of CN113011065B publication Critical patent/CN113011065B/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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • G06F2119/08—Thermal analysis or thermal optimisation
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Secondary Cells (AREA)

Abstract

本公开涉及一种预测电芯充放电性能的方法、装置、存储介质及电子设备，可以在预测待生产的目标电芯的目标性能的过程中，针对多个不同的预设环境温度，获取该预设环境温度下在多个时刻分别测得的小软包电芯的电压实测数据和电芯温度，所述目标性能包括充电性能或者放电性能；根据电压实测数据和电芯温度对该预设环境温度对应的预设小软包电芯模型的模型参数进行标定，得到参数标定后的目标小软包模型；获取目标电芯对应的电芯设计参数；根据电芯设计参数和目标小软包模型建立目标电芯对应的目标电芯模型；通过目标电芯模型预测目标电芯进行恒流倍率充电或者放电时的充放电性能参数。

Description

预测电芯充放电性能的方法、装置、存储介质及电子设备
技术领域
本公开涉及电芯性能检测领域，具体地，涉及一种预测电芯充放电性能的方法、装置、存储介质及电子设备。
背景技术
随着市场对新能源汽车的迫切需求，动力电池企业也要加快电芯迭代速度，缩短研发周期，电芯从设计到量产分为不同阶段，相关技术中，针对每个阶段都选取一定数量的平行样品进行测试，例如，先设计小软包电芯，基于小软包电芯进行电芯的性能测试，在小软包电芯性能满足要求后，可以根据满足性能要求的小软包电芯生产大方型电芯，之后再去检测生产的大方型电芯是否满足充放电的性能要求，但是，在每个阶段都选取一定数量的平行样品进行测试，不仅会增加产品成本以及人力、物力的消耗，也会降低电芯的研发效率，进而影响电芯迭代速度。
发明内容
本公开的目的是提供一种预测电芯充放电性能的方法、装置、存储介质及电子设备。
第一方面，提供一种预测电芯充放电性能的方法，所述方法包括：
在预测待生产的目标电芯的目标性能的过程中，针对多个不同的预设环境温度，获取该预设环境温度下在多个时刻分别测得的小软包电芯的电压实测数据和电芯温度，所述目标性能包括充电性能或者放电性能；
根据所述电压实测数据和所述电芯温度对该预设环境温度对应的预设小软包电芯模型的模型参数进行标定，得到参数标定后的目标小软包模型；
获取所述目标电芯对应的电芯设计参数；
根据所述电芯设计参数和所述目标小软包模型建立所述目标电芯对应的目标电芯模型；
通过所述目标电芯模型预测所述目标电芯的目标性能参数，所述目标性能参数包括在该预设环境温度下对所述目标电芯进行恒流倍率充电时的充电性能参数，或者包括在该预设环境温度下对所述目标电芯进行恒流倍率放电时的放电性能参数。
可选地，所述目标性能参数包括所述目标电芯的实际容量、能量以及不同预设位置的温升，所述通过所述目标电芯模型预测所述目标电芯的目标性能参数包括：
通过所述目标电芯模型对所述目标电芯在该预设环境温度下按照第一电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，所述第一电流为根据当前倍率与所述目标电芯的额定容量确定的电流；
根据仿真结果确定所述目标电芯的实际容量、能量以及不同预设位置的温升。
可选地，所述电压实测数据包括参比电极与正极之间的正参实测电压，以及所述参比电极与负极之间的负参实测电压，所述模型参数包括正极电化学参数、负极电化学参数以及热力学参数，所述根据所述电压实测数据和所述电芯温度对该预设环境温度对应的预设小软包电芯模型的模型参数进行标定，得到参数标定后的目标小软包模型包括：
分别绘制第一变化曲线、第二变化曲线以及第三变化曲线，其中，所述第一变化曲线为所述正参实测电压随时间的变化曲线，所述第二变化曲线为所述负参实测电压随时间的变化曲线，所述第三变化曲线为所述电芯温度随时间的变化曲线；
通过所述预设小软包电芯模型对所述小软包电芯在该预设环境温度下按照第二电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，得到正参仿真电压随时间的第四变化曲线、负参仿真电压随时间的第五变化曲线以及电芯仿真温度随时间的第六变化曲线；所述第二电流为根据当前倍率以及所述小软包电芯的额定容量确定的电流；
根据所述第一变化曲线和所述第四变化曲线的第一拟合程度调整所述正极电化学参数，根据所述第二变化曲线和所述第五变化曲线的第二拟合程度调整所述负极电化学参数，根据所述第三变化曲线和所述第六变化曲线的第三拟合程度调整所述热力学参数；
在所述第一拟合程度大于或者等于第一预设匹配度阈值，所述第二拟合程度大于或者等于所述第一预设匹配度阈值，并且所述第三拟合程度大于或者等于第二预设匹配度阈值的情况下，将调整后的正极电化学参数、调整后的负极电化学参数以及调整后的热力学参数作为标定后的模型参数，得到所述目标小软包模型。
可选地，所述根据所述电芯设计参数和所述目标小软包模型建立所述目标电芯对应的目标电芯模型包括：
将所述目标小软包模型中的小软包设计参数修改为所述电芯设计参数，得到所述目标电芯模型。
可选地，所述预设小软包电芯模型通过以下方式预先建立：
获取预设模型参数，所述预设模型参数包括自定义参数、小软包设计参数以及待标定参数；
建立所述小软包电芯对应的有限元电化学几何模型和有限元固态传热几何模型，并根据用户的触发操作设置所述有限元电化学几何模型和所述有限元固态传热几何模型中每个区域的材料属性；
获取用户自定义的模型输入参数和模型输出参数；
根据所述预设模型参数、所述模型输入参数、所述模型输出参数、被设置材料属性的有限元电化学几何模型以及被设置材料属性的有限元固态传热几何模型建立所述预设小软包电芯模型。
可选地，所述目标电芯包括大方型电芯或者圆柱型电芯。
第二方面，提供一种预测电芯充放电性能的装置，所述装置包括：
第一获取模块，用于在预测目标电芯目标性能的过程中，针对多个不同的预设环境温度，获取该预设环境温度下在多个时刻分别测得的小软包电芯的电压实测数据和电芯温度，所述目标性能包括充电性能或者放电性能；
参数标定模块，用于根据所述电压实测数据和所述电芯温度对该预设环境温度对应的预设小软包电芯模型的模型参数进行标定，得到参数标定后的目标小软包模型；
第二获取模块，用于获取所述目标电芯对应的电芯设计参数；
模型建立模块，用于根据所述电芯设计参数和所述目标小软包模型建立所述目标电芯对应的目标电芯模型；
预测模块，用于通过所述目标电芯模型预测所述目标电芯的目标性能参数，所述目标性能参数包括在该预设环境温度下对所述目标电芯进行恒流倍率充电时的充电性能参数，或者包括在该预设环境温度下对所述目标电芯进行恒流倍率放电时的放电性能参数。
可选地，所述目标性能参数包括所述目标电芯的实际容量、能量以及不同预设位置的温升，所述预测模块，用于通过所述目标电芯模型对所述目标电芯在该预设环境温度下按照第一电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，所述第一电流为根据当前倍率与所述目标电芯的额定容量确定的电流；根据仿真结果确定所述目标电芯的实际容量、能量以及不同预设位置的温升。
可选地，所述电压实测数据包括参比电极与正极之间的正参实测电压，以及所述参比电极与负极之间的负参实测电压，所述模型参数包括正极电化学参数、负极电化学参数以及热力学参数，
所述参数标定模块，用于分别绘制第一变化曲线、第二变化曲线以及第三变化曲线，其中，所述第一变化曲线为所述正参实测电压随时间的变化曲线，所述第二变化曲线为所述负参实测电压随时间的变化曲线，所述第三变化曲线为所述电芯温度随时间的变化曲线；
通过所述预设小软包电芯模型对所述小软包电芯在该预设环境温度下按照第二电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，得到正参仿真电压随时间的第四变化曲线、负参仿真电压随时间的第五变化曲线以及电芯仿真温度随时间的第六变化曲线；所述第二电流为根据当前倍率以及所述小软包电芯的额定容量确定的电流；
根据所述第一变化曲线和所述第四变化曲线的第一拟合程度调整所述正极电化学参数，根据所述第二变化曲线和所述第五变化曲线的第二拟合程度调整所述负极电化学参数，根据所述第三变化曲线和所述第六变化曲线的第三拟合程度调整所述热力学参数；
在所述第一拟合程度大于或者等于第一预设匹配度阈值，所述第二拟合程度大于或者等于所述第一预设匹配度阈值，并且所述第三拟合程度大于或者等于第二预设匹配度阈值的情况下，将调整后的正极电化学参数、调整后的负极电化学参数以及调整后的热力学参数作为标定后的模型参数，得到所述目标小软包模型。
可选地，所述模型建立模块，用于将所述目标小软包模型中的小软包设计参数修改为所述电芯设计参数，得到所述目标电芯模型。
可选地，所述预设小软包电芯模型通过以下方式预先建立：
获取预设模型参数，所述预设模型参数包括自定义参数、小软包设计参数以及待标定参数；建立所述小软包电芯对应的有限元电化学几何模型和有限元固态传热几何模型，并根据用户的触发操作设置所述有限元电化学几何模型和所述有限元固态传热几何模型中每个区域的材料属性；获取用户自定义的模型输入参数和模型输出参数；根据所述预设模型参数、所述模型输入参数、所述模型输出参数、被设置材料属性的有限元电化学几何模型以及被设置材料属性的有限元固态传热几何模型建立所述预设小软包电芯模型。
可选地，所述目标电芯包括大方型电芯或者圆柱型电芯。
第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面所述方法的步骤。
第四方面，提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
通过上述技术方案，在预测目标电芯目标性能的过程中，针对多个不同的预设环境温度，获取该预设环境温度下在多个时刻分别测得的小软包电芯的电压实测数据和电芯温度，所述目标性能包括充电性能或者放电性能；根据所述电压实测数据和所述电芯温度对该预设环境温度对应的预设小软包电芯模型的模型参数进行标定，得到参数标定后的目标小软包模型；获取所述目标电芯对应的电芯设计参数；根据所述电芯设计参数和所述目标小软包模型建立所述目标电芯对应的目标电芯模型；通过所述目标电芯模型预测所述目标电芯的目标性能参数，所述目标性能参数包括在该预设环境温度下对所述目标电芯进行恒流倍率充电时的充电性能参数，或者包括在该预设环境温度下对所述目标电芯进行恒流倍率放电时的放电性能参数，这样，在生产该目标电芯之前，可以根据小软包电芯的实测数据预测目标电芯(如大方型电芯)在不同的预设环境温度下的恒流倍率充放电性能，即在电芯研发阶段就能够得知此款目标电芯的性能，从而根据预测结果优化电芯设计，加快了研发进程，缩短了研发周期，减少了人工成本、时间成本与电芯制作成本，实现了电芯设计的快速产品迭代。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种预测电芯充放电性能的方法的流程图；
图2a是根据一示例性实施例示出的一种小软包电芯三维单片电池的电化学几何模型的示意图；
图2b为该小软包电芯三维单片电池几何模型的侧视图；
图3是根据一示例性实施例示出的一种小软包电芯的有限元三维固体传热几何模型的示意图；
图4是根据一示例性实施例示出的一种预测电芯充放电性能的装置的框图；
图5是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
首先，对本公开的应用场景进行介绍，本公开主要应用于电芯设计研发过程中对电芯充放电性能进行测试的场景中，电芯从设计到量产分为不同阶段，相关技术中针对每个阶段都选取一定数量的平行样品进行测试，例如，先设计小软包电芯，基于小软包电芯进行电芯的性能测试，在小软包电芯性能满足要求后，可以根据满足性能要求的小软包电芯生产研发大方型电芯，之后再去检测生产的大方型电芯是否满足充放电的性能要求，但是，在每个阶段都选取一定数量的平行样品进行测试，不仅会增加产品成本以及人力、物力的消耗，也会降低电芯的研发效率，进而影响电芯迭代速度。
另外，相关技术中也可以通过已有电芯实测数据的数据库定性分析设计的电芯的倍率充放电性能，但这通常是根据经验及数据整理粗略的预测出电芯的恒流倍率充放电性能，在预估过程中凭借从业经验做出定性的分析，无法定量的给出结果。
为解决上述存在的问题，本公开提供一种预测电芯充放电性能的方法、装置、存储介质及电子设备，下面结合附图对本公开的具体实施方式进行详细说明。
图1是根据一示例性实施例示出的一种预测电芯充放电性能的方法的流程图，如图1所示，该方法包括以下步骤：
在步骤S101中，在预测待生产的目标电芯的目标性能的过程中，针对多个不同的预设环境温度，获取该预设环境温度下在多个时刻分别测得的小软包电芯的电压实测数据和电芯温度，该目标性能包括充电性能或者放电性能。
其中，该目标电芯包括大方型电芯或者圆柱型电芯，该电压实测数据包括电芯的三电极电压数据，即参比电极与正极之间的正参实测电压，该参比电极与负极之间的负参实测电压，以及正负极之间的电池电压，该预设环境温度包括但不限于以下温度中的任一温度：-30℃、-10℃、0℃、25℃、45℃、 60℃。
在本公开中，可以通过小软包电芯的电压实测数据和电芯温度对该小软包电芯对应的预设小软包电芯模型的模型参数进行标定，然后根据标定好的参数建立目标电芯对应的目标小软包模型，以便基于该目标小软包模型对待生产的目标电芯的充放电性能进行预测。
在步骤S102中，根据该电压实测数据和该电芯温度对该预设环境温度对应的预设小软包电芯模型的模型参数进行标定，得到参数标定后的目标小软包模型。
其中，该模型参数可以包括正极电化学参数、负极电化学参数以及热力学参数，例如，表1示例性的示出了该预设小软包电芯模型中的多个电化学参数，该热力学参数可以包括对流换热系数。
Figure RE-GDA0003071695210000091
Figure RE-GDA0003071695210000101
表1
在本步骤中，可以分别绘制第一变化曲线、第二变化曲线以及第三变化曲线，其中，该第一变化曲线为该正参实测电压随时间的变化曲线，该第二变化曲线为该负参实测电压随时间的变化曲线，该第三变化曲线为该电芯温度随时间的变化曲线；通过该预设小软包电芯模型对该小软包电芯在该预设环境温度下按照第二电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，得到正参仿真电压随时间的第四变化曲线、负参仿真电压随时间的第五变化曲线以及电芯仿真温度随时间的第六变化曲线；其中，该第二电流为根据当前倍率以及该小软包电芯的额定容量确定的电流，该第二电流为该当前倍率和该额定容量的乘积。
在一种可能的实现方式中，用户可以通过运用COMSOL Mutiphysics软件预先建立该预设小软包电芯模型(具体模型建立过程会在下文中描述)，然后从多个预设倍率中选择一个预设倍率作为当前倍率，并将该当前倍率、该预设环境温度以及该第二电流作为该预设小软包电芯模型中自定义参数的变量值，这样，用户在触发充电或者放电仿真指令后，终端可以在该 COMSOL Mutiphysics软件中通过该预设小软包电芯模型对该小软包电芯在该预设环境温度下按照第二电流进行恒流倍率(即该当前倍率，如0.33C， 1C，2C等)充电或者恒流倍率放电的过程进行仿真，进而得到模型输出的该小软包电芯在该预设环境温度下按照第二电流进行恒流倍率充电或者恒流倍率放电时正参仿真电压随时间的第四变化曲线、负参仿真电压随时间的第五变化曲线以及电芯仿真温度随时间的第六变化曲线。
之后可以根据该第一变化曲线和该第四变化曲线的第一拟合程度调整该正极电化学参数，根据该第二变化曲线和该第五变化曲线的第二拟合程度调整该负极电化学参数，根据该第三变化曲线和该第六变化曲线的第三拟合程度调整该热力学参数。
其中，电芯研发人员可以根据经验调整模型参数，直至仿真测试数据(即正参仿真电压、负参仿真电压、电芯仿真温度)对应的仿真曲线与小软包电芯的实测数据(即正参实测电压、负参实测电压、电芯温度)对应的实测曲线的线形一致即可。
在该第一拟合程度大于或者等于第一预设匹配度阈值，该第二拟合程度大于或者等于该第一预设匹配度阈值，并且该第三拟合程度大于或者等于第二预设匹配度阈值的情况下，将调整后的正极电化学参数、调整后的负极电化学参数以及调整后的热力学参数作为标定后的模型参数，得到该目标小软包模型。
在本步骤一种可能的实现方式中，可以通过仿真测试终端自动识别仿真曲线与实测曲线的拟合程度，在确定该拟合程度小于或者等于预设匹配度阈值的情况下，电芯研发人员可以根据经验手动调整对应的模型参数，每次调整该模型参数后可以对该小软包电芯在该预设环境温度下、该当前倍率的充放电过程重新进行仿真，得到新的仿真曲线，直至在确定该第一拟合程度大于或者等于第一预设匹配度阈值，该第二拟合程度大于或者等于该第一预设匹配度阈值，并且该第三拟合程度大于或者等于第二预设匹配度阈值的情况下，可以视为仿真曲线与实测曲线的线性一致，此时可以将当前调整后的正极电化学参数、调整后的负极电化学参数以及调整后的热力学参数作为标定后的模型参数，得到参数标定后的目标小软包模型。
需要说明的是，基于上述的仿真方法，可以得到该小软包电芯在多个预设环境温度、多个预设倍率下分别进行充放电仿真测试的结果，具体的，针对每个预设环境温度，可以仿真得到该预设环境温度下多个预设倍率分别对应的仿真曲线，从而根据小软包电芯的实测数据标定出小软包电芯模型在同一环境温度下，采用不同的充放电倍率进行充放电时的模型参数，这样，可以根据该模型参数建立目标电芯对应的不同的目标电芯模型，从而可以预测目标电芯在不同的预设环境温度下、不同倍率的充放电性能参数。
示例地，若想要预测目标电芯在预设环境温度为-30℃、0℃、25℃时的充放电性能参数，并且针对每个该预设环境温度，还要进一步预测当充放电倍率分别为0.33C、0.5C、1C、2C、3C时，目标电芯各自对应的充放电性能参数，可以先针对预设环境温度为-30℃时，该预设倍率分别为0.33C、0.5C、 1C、2C、3C时该预设小软包电芯模型的模型参数进行标定，然后根据标定后的模型参数得到预设环境温度为-30℃，预设倍率分别为0.33C、0.5C、1C、2C、3C时目标电芯对应的目标电芯模型，从而可以根据该目标电芯模型对该目标电芯在预设环境温度为-30℃时，分别采用预设倍率为0.33C、0.5C、 1C、2C、3C进行充放电的充放电性能参数进行预测，类似地，可以按照上述的步骤对该预设小软包电芯模型在预设环境温度为0℃、25℃时不同倍率下的模型参数进行标定，进而预测目标电芯在不同的预设环境温度下、不同倍率的充放电性能参数，上述示例仅是举例说明，本公开对此不作限定。
还需说明的是，充电时的模型参数和放电时的模型参数可以分别进行标定，例如，可以先标定充电时的模型参数，再标定放电时的模型参数。
另外，本公开采用小软包电芯的三电极数据(即正极与参比电极之间的电压数据、负极与参比电极之间的电压数据)对模型参数进行标定，并且是基于正极与参比电极之间的电压数据对模型的正极电化学参数进行标定，基于负极与参比电极之间的电压数据对模型的负极电化学参数进行标定，这样能够更加准确的标定模型参数，进而可以达到精确预测目标电芯的充放电性能的目的。
当然，本公开在进行模型参数标定的过程中，也可以不使用三电极实测数据，而是使用整个电芯的整体电压实测数据进行参数标定，但这可能会影响参数标定的准确程度，使用电芯的整体电压实测数据进行参数标定的过程与使用三电极数据进行参数标定的过程类似，在此不再赘述。
下面对该预设小软包电芯模型的建立过程进行说明：
该预设小软包电芯模型包括电化学几何模型和固体传热几何模型，在一种可能的实现方式中，可以建立三维有限元电化学几何模型和三维有限元固体传热几何模型。
首先，获取预设模型参数，该预设模型参数包括自定义参数、小软包设计参数以及待标定参数；其中，该自定义参数可以包括自定义的充放电倍率以及预设环境温度，该小软包设计参数包括小软包电芯的设计尺寸，该待标定参数可以包括如表1所示的电化学参数、热力学参数(如对流换热系数) 以及电芯的多孔正极最大荷电状态、多孔正极最小荷电状态、多孔负极最大荷电状态、多孔负极最小荷电状态、初始电解质盐浓度、布鲁格曼系数等参数。
在获取该待标定参数的过程中，可以根据常用的电化学方程(如Fick 第二定律、Butler-Volmer方程、Nernst-Plank方程)通过查阅文献或进行测试两种途径对小软包电芯的电化学参数与小软包设计参数进行收集，得到该待标定参数的初始值。
其次，建立该小软包电芯对应的有限元电化学几何模型和有限元固态传热几何模型，并根据用户的触发操作设置该有限元电化学几何模型和该有限元固态传热几何模型中每个区域的材料属性。
示例地，以小软包电芯三维单片电池为例，图2a是根据一示例性实施例示出的一种小软包电芯三维单片电池的电化学几何模型的示意图，图2b 为该小软包电芯三维单片电池几何模型的侧视图，图3是根据一示例性实施例示出的一种小软包电芯的有限元三维固体传热几何模型的示意图，如图2a 所示，首先绘制五层结构的小软包电芯三维有限元电化学几何模型，如图2b 所示，该五层结构依次为正极集流体、正极多孔电极(含极耳)、隔膜、负极多孔电极(含极耳)、负极集流体，然后赋予不同区域对应的材料属性，包括正负极活性物质、电解液、隔膜、集流体，例如，可以在模型界面中的“材料”接口嵌入相应的材料，然后在“锂离子电池”接口中对应定义的几何区域中，选择相应的电解液材料域或者正负极活性材料。在建立完小软包电芯的电化学几何模型后，可以建立如图3所示的有限元三维固体传热几何模型，如图3所示，该固体传热几何模型包括正极耳、负极耳、电芯内部极组、电芯外部铝塑膜，上述示例仅是举例说明，本公开对此不作限定。
还需说明的是，该预设小软包电芯模型包括电化学模型和固体传热模型，其中，利用电化学模型可以计算由于电化学反应产生的热量，将热量耦合到固体传热模型，转化成电芯的温度变化，再将温度耦合到电化学模型，电化学模型中关于温度的敏感参数会随着温度的变化而变化，从而实现了电化学与固体传热的相互作用。
在建立小软包电芯的上述几何模型后，可以获取用户自定义的模型输入参数和模型输出参数，从而根据该预设模型参数、该模型输入参数、该模型输出参数、被设置材料属性的有限元电化学几何模型以及被设置材料属性的有限元固态传热几何模型建立该预设小软包电芯模型。
其中，该模型输入参数包括电流密度，该模型输出参数包括电池电压、正极参比电极电压、负极参比电极电压以及电芯温度。
至此即建立该小软包电芯对应的该预设小软包电芯模型，并且不同的预设环境温度对应不同的该预设小软包电芯模型。
在步骤S103中，获取该目标电芯对应的电芯设计参数。
其中，该目标电芯的电芯设计参数包括目标电芯的设计尺寸、单位面积正容量、多孔电极的参比浓度、电池热容量等参数，并且该电芯设计参数可以由电芯设计研发人员根据实际需求和经验值进行设置。
在步骤S104中，根据该电芯设计参数和该目标小软包模型建立该目标电芯对应的目标电芯模型。
在本步骤中，可以将该目标小软包模型中的小软包设计参数修改为该电芯设计参数，得到该目标电芯模型。
在步骤S105中，通过该目标电芯模型预测该目标电芯的目标性能参数，该目标性能参数包括在该预设环境温度下对该目标电芯进行恒流倍率充电时的充电性能参数，或者包括在该预设环境温度下对该目标电芯进行恒流倍率放电时的放电性能参数。
其中，目标性能参数包括该目标电芯的实际容量、能量以及不同预设位置的温升。
在本步骤中，可以通过该目标电芯模型对该目标电芯在该预设环境温度下按照第一电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，该第一电流为根据当前倍率与该目标电芯的额定容量确定的电流；根据仿真结果确定该目标电芯的实际容量、能量以及不同预设位置的温升。
在一种可能的实现方式中，用户(指电芯设计研发人员)可以设定外界的环境温度以及充电电流或者放电电流(即该第一电流)，并通过触发充电或者放电仿真指令控制，使得终端可以在该COMSOL Mutiphysics软件中通过该预设小软包电芯模型对该目标电芯在任一预设环境温度下按照第一电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，进而得到预测得到目标电芯在不同设定条件(指定的外界环境温度和指定的充放电倍率)下的实际容量、能量以及不同预设位置的温升。
在本公开中，可以通过在该目标电芯模型中写入如下所示的全局常微分和微分代数方程计算得到该目标电芯的实际容量和能量：
Figure RE-GDA0003071695210000161
Figure RE-GDA0003071695210000162
其中，W表示该目标电芯的能量，Q表示目标电芯的实际容量，I表示恒流充放电电流，Ecell表示目标电芯的电压。
另外，可以通过在目标电芯的不同位置定义温度探针，通过该温度探针观测到电芯不同位置的温度变化，该不同位置可以包括电芯的正极极柱、负极极柱、大面中心、极组中心等位置，例如，表2为预测得到的目标电芯在环境温度为25℃下进行恒流倍率充电时不同位置的温升，表3为预测得到的目标电芯在环境温度为-20℃下进行恒流倍率充电时不同位置的温升。
Figure RE-GDA0003071695210000163
表2
Figure RE-GDA0003071695210000164
Figure RE-GDA0003071695210000171
表3
基于上述的实施步骤，在生产该目标电芯之前，可以根据小软包电芯的实测数据预测目标电芯(如大方型电芯)在不同的预设环境温度下的恒流倍率充放电性能，即在电芯研发阶段就能够得知此款目标电芯的性能，从而根据预测结果优化电芯设计，例如，该目标电芯的额定容量为84Ah(安培小时)，预测到的该目标电芯在进行恒流充电时的实际容量(或称之为实际发挥容量)为78Ah，此时可以通过适当降低极片厚度、增加导电剂、增加多孔电极的孔隙率、降低正极、负极活性材料的颗粒尺寸等措施优化电芯设计，使得优化后的目标电芯满足充放电的性能要求，从而加快了研发进程，缩短了研发周期，减少了人工成本、时间成本与电芯制作成本，实现了电芯设计的快速产品迭代。
另外，还可以根据小软包电芯的电芯实测数据对目标电芯在不同的预设环境温度下的恒流倍率充放电性能即容量、能量、不同位置的温升等数据进行定量分析，从而为电芯的研发设计提供参考价值较高的指导意见。
图4是根据一示例性实施例示出的一种预测电芯充放电性能的装置的框图，如图4所示，该装置包括：
第一获取模块401，用于在预测目标电芯目标性能的过程中，针对多个不同的预设环境温度，获取该预设环境温度下在多个时刻分别测得的小软包电芯的电压实测数据和电芯温度，该目标性能包括充电性能或者放电性能；
参数标定模块402，用于根据该电压实测数据和该电芯温度对该预设环境温度对应的预设小软包电芯模型的模型参数进行标定，得到参数标定后的目标小软包模型；
第二获取模块403，用于获取该目标电芯对应的电芯设计参数；
模型建立模块404，用于根据该电芯设计参数和该目标小软包模型建立该目标电芯对应的目标电芯模型；
预测模块405，用于通过该目标电芯模型预测该目标电芯的目标性能参数，该目标性能参数包括在该预设环境温度下对该目标电芯进行恒流倍率充电时的充电性能参数，或者包括在该预设环境温度下对该目标电芯进行恒流倍率放电时的放电性能参数。
可选地，该目标性能参数包括该目标电芯的实际容量、能量以及不同预设位置的温升，该预测模块405，用于通过该目标电芯模型对该目标电芯在该预设环境温度下按照第一电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，该第一电流为根据当前倍率与该目标电芯的额定容量确定的电流；根据仿真结果确定该目标电芯的实际容量、能量以及不同预设位置的温升。
可选地，该电压实测数据包括参比电极与正极之间的正参实测电压，以及该参比电极与负极之间的负参实测电压，该模型参数包括正极电化学参数、负极电化学参数以及热力学参数，
该参数标定模块402，用于分别绘制第一变化曲线、第二变化曲线以及第三变化曲线，其中，该第一变化曲线为该正参实测电压随时间的变化曲线，该第二变化曲线为该负参实测电压随时间的变化曲线，该第三变化曲线为该电芯温度随时间的变化曲线；
通过该预设小软包电芯模型对该小软包电芯在该预设环境温度下按照第二电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，得到正参仿真电压随时间的第四变化曲线、负参仿真电压随时间的第五变化曲线以及电芯仿真温度随时间的第六变化曲线；该第二电流为根据当前倍率以及该小软包电芯的额定容量确定的电流；
根据该第一变化曲线和该第四变化曲线的第一拟合程度调整该正极电化学参数，根据该第二变化曲线和该第五变化曲线的第二拟合程度调整该负极电化学参数，根据该第三变化曲线和该第六变化曲线的第三拟合程度调整该热力学参数；
在该第一拟合程度大于或者等于第一预设匹配度阈值，该第二拟合程度大于或者等于该第一预设匹配度阈值，并且该第三拟合程度大于或者等于第二预设匹配度阈值的情况下，将调整后的正极电化学参数、调整后的负极电化学参数以及调整后的热力学参数作为标定后的模型参数，得到该目标小软包模型。
可选地，该模型建立模块404，用于将该目标小软包模型中的小软包设计参数修改为该电芯设计参数，得到该目标电芯模型。
可选地，该预设小软包电芯模型通过以下方式预先建立：
获取预设模型参数，该预设模型参数包括自定义参数、小软包设计参数以及待标定参数；建立该小软包电芯对应的有限元电化学几何模型和有限元固态传热几何模型，并根据用户的触发操作设置该有限元电化学几何模型和该有限元固态传热几何模型中每个区域的材料属性；获取用户自定义的模型输入参数和模型输出参数；根据该预设模型参数、该模型输入参数、该模型输出参数、被设置材料属性的有限元电化学几何模型以及被设置材料属性的有限元固态传热几何模型建立该预设小软包电芯模型。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
采用上述装置，在生产该目标电芯之前，可以根据小软包电芯的实测数据预测目标电芯(如大方型电芯)在不同的预设环境温度下的恒流倍率充放电性能，即在电芯研发阶段就能够得知此款目标电芯的性能，从而根据预测结果优化电芯设计，加快了研发进程，缩短了研发周期，减少了人工成本、时间成本与电芯制作成本，实现了电芯设计的快速产品迭代。
图5是根据一示例性实施例示出的一种电子设备500的框图。如图5所示，该电子设备500可以包括：处理器501，存储器502。该电子设备500 还可以包括多媒体组件503，输入/输出(I/O)接口504，以及通信组件505 中的一者或多者。
其中，处理器501用于控制该电子设备500的整体操作，以完成上述的预测电芯性能的方法中的全部或部分步骤。存储器502用于存储各种类型的数据以支持在该电子设备500的操作，这些数据例如可以包括用于在该电子设备500上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器502可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件503可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器502或通过通信组件505发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口504为处理器 501和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件505用于该电子设备500与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、 eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件505可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，电子设备500可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器 (DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的预测电芯性能的方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的预测电芯性能的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器502，上述程序指令可由电子设备500的处理器501执行以完成上述的预测电芯性能的方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的预测电芯性能的方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (12)

1.一种预测电芯充放电性能的方法，其特征在于，所述方法包括：
在预测待生产的目标电芯的目标性能的过程中，针对多个不同的预设环境温度，获取该预设环境温度下在多个时刻分别测得的小软包电芯的电压实测数据和电芯温度，所述目标性能包括充电性能或者放电性能；
根据所述电压实测数据和所述电芯温度对该预设环境温度对应的预设小软包电芯模型的模型参数进行标定，得到参数标定后的目标小软包模型；
获取所述目标电芯对应的电芯设计参数；
根据所述电芯设计参数和所述目标小软包模型建立所述目标电芯对应的目标电芯模型；
通过所述目标电芯模型预测所述目标电芯的目标性能参数，所述目标性能参数包括在该预设环境温度下对所述目标电芯进行恒流倍率充电时的充电性能参数，或者包括在该预设环境温度下对所述目标电芯进行恒流倍率放电时的放电性能参数；
其中，所述预设小软包电芯模型通过以下方式预先建立：
获取预设模型参数，所述预设模型参数包括自定义参数、小软包设计参数以及待标定参数；
建立所述小软包电芯对应的有限元电化学几何模型和有限元固态传热几何模型，并根据用户的触发操作设置所述有限元电化学几何模型和所述有限元固态传热几何模型中每个区域的材料属性；
获取用户自定义的模型输入参数和模型输出参数；
根据所述预设模型参数、所述模型输入参数、所述模型输出参数、被设置材料属性的有限元电化学几何模型以及被设置材料属性的有限元固态传热几何模型建立所述预设小软包电芯模型。
2.根据权利要求1所述的方法，其特征在于，所述目标性能参数包括所述目标电芯的实际容量、能量以及不同预设位置的温升，所述通过所述目标电芯模型预测所述目标电芯的目标性能参数包括：
通过所述目标电芯模型对所述目标电芯在该预设环境温度下按照第一电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，所述第一电流为根据当前倍率与所述目标电芯的额定容量确定的电流；
根据仿真结果确定所述目标电芯的实际容量、能量以及不同预设位置的温升。
3.根据权利要求1所述的方法，其特征在于，所述电压实测数据包括参比电极与正极之间的正参实测电压，以及所述参比电极与负极之间的负参实测电压，所述模型参数包括正极电化学参数、负极电化学参数以及热力学参数，所述根据所述电压实测数据和所述电芯温度对该预设环境温度对应的预设小软包电芯模型的模型参数进行标定，得到参数标定后的目标小软包模型包括：
分别绘制第一变化曲线、第二变化曲线以及第三变化曲线，其中，所述第一变化曲线为所述正参实测电压随时间的变化曲线，所述第二变化曲线为所述负参实测电压随时间的变化曲线，所述第三变化曲线为所述电芯温度随时间的变化曲线；
通过所述预设小软包电芯模型对所述小软包电芯在该预设环境温度下按照第二电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，得到正参仿真电压随时间的第四变化曲线、负参仿真电压随时间的第五变化曲线以及电芯仿真温度随时间的第六变化曲线；所述第二电流为根据当前倍率以及所述小软包电芯的额定容量确定的电流；
根据所述第一变化曲线和所述第四变化曲线的第一拟合程度调整所述正极电化学参数，根据所述第二变化曲线和所述第五变化曲线的第二拟合程度调整所述负极电化学参数，根据所述第三变化曲线和所述第六变化曲线的第三拟合程度调整所述热力学参数；
在所述第一拟合程度大于或者等于第一预设匹配度阈值，所述第二拟合程度大于或者等于所述第一预设匹配度阈值，并且所述第三拟合程度大于或者等于第二预设匹配度阈值的情况下，将调整后的正极电化学参数、调整后的负极电化学参数以及调整后的热力学参数作为标定后的模型参数，得到所述目标小软包模型。
4.根据权利要求1所述的方法，其特征在于，所述根据所述电芯设计参数和所述目标小软包模型建立所述目标电芯对应的目标电芯模型包括：
将所述目标小软包模型中的小软包设计参数修改为所述电芯设计参数，得到所述目标电芯模型。
5.根据权利要求1所述的方法，其特征在于，所述目标电芯包括大方型电芯或者圆柱型电芯。
6.一种预测电芯充放电性能的装置，其特征在于，所述装置包括：
第一获取模块，用于在预测目标电芯目标性能的过程中，针对多个不同的预设环境温度，获取该预设环境温度下在多个时刻分别测得的小软包电芯的电压实测数据和电芯温度，所述目标性能包括充电性能或者放电性能；
参数标定模块，用于根据所述电压实测数据和所述电芯温度对该预设环境温度对应的预设小软包电芯模型的模型参数进行标定，得到参数标定后的目标小软包模型；
第二获取模块，用于获取所述目标电芯对应的电芯设计参数；
模型建立模块，用于根据所述电芯设计参数和所述目标小软包模型建立所述目标电芯对应的目标电芯模型；
预测模块，用于通过所述目标电芯模型预测所述目标电芯的目标性能参数，所述目标性能参数包括在该预设环境温度下对所述目标电芯进行恒流倍率充电时的充电性能参数，或者包括在该预设环境温度下对所述目标电芯进行恒流倍率放电时的放电性能参数；
其中，所述预设小软包电芯模型通过以下方式预先建立：
获取预设模型参数，所述预设模型参数包括自定义参数、小软包设计参数以及待标定参数；建立所述小软包电芯对应的有限元电化学几何模型和有限元固态传热几何模型，并根据用户的触发操作设置所述有限元电化学几何模型和所述有限元固态传热几何模型中每个区域的材料属性；获取用户自定义的模型输入参数和模型输出参数；根据所述预设模型参数、所述模型输入参数、所述模型输出参数、被设置材料属性的有限元电化学几何模型以及被设置材料属性的有限元固态传热几何模型建立所述预设小软包电芯模型。
7.根据权利要求6所述的装置，其特征在于，所述目标性能参数包括所述目标电芯的实际容量、能量以及不同预设位置的温升，所述预测模块，用于通过所述目标电芯模型对所述目标电芯在该预设环境温度下按照第一电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，所述第一电流为根据当前倍率与所述目标电芯的额定容量确定的电流；根据仿真结果确定所述目标电芯的实际容量、能量以及不同预设位置的温升。
8.根据权利要求6所述的装置，其特征在于，所述电压实测数据包括参比电极与正极之间的正参实测电压，以及所述参比电极与负极之间的负参实测电压，所述模型参数包括正极电化学参数、负极电化学参数以及热力学参数，
所述参数标定模块，用于分别绘制第一变化曲线、第二变化曲线以及第三变化曲线，其中，所述第一变化曲线为所述正参实测电压随时间的变化曲线，所述第二变化曲线为所述负参实测电压随时间的变化曲线，所述第三变化曲线为所述电芯温度随时间的变化曲线；
通过所述预设小软包电芯模型对所述小软包电芯在该预设环境温度下按照第二电流进行恒流倍率充电或者恒流倍率放电的过程进行仿真，得到正参仿真电压随时间的第四变化曲线、负参仿真电压随时间的第五变化曲线以及电芯仿真温度随时间的第六变化曲线；所述第二电流为根据当前倍率以及所述小软包电芯的额定容量确定的电流；
根据所述第一变化曲线和所述第四变化曲线的第一拟合程度调整所述正极电化学参数，根据所述第二变化曲线和所述第五变化曲线的第二拟合程度调整所述负极电化学参数，根据所述第三变化曲线和所述第六变化曲线的第三拟合程度调整所述热力学参数；
在所述第一拟合程度大于或者等于第一预设匹配度阈值，所述第二拟合程度大于或者等于所述第一预设匹配度阈值，并且所述第三拟合程度大于或者等于第二预设匹配度阈值的情况下，将调整后的正极电化学参数、调整后的负极电化学参数以及调整后的热力学参数作为标定后的模型参数，得到所述目标小软包模型。
9.根据权利要求6所述的装置，其特征在于，所述模型建立模块，用于将所述目标小软包模型中的小软包设计参数修改为所述电芯设计参数，得到所述目标电芯模型。
10.根据权利要求6所述的装置，其特征在于，所述目标电芯包括大方型电芯或者圆柱型电芯。
11.一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，该程序被处理器执行时实现权利要求1-5中任一项所述方法的步骤。
12.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-5中任一项所述方法的步骤。
CN202110272468.6A 2021-03-12 2021-03-12 预测电芯充放电性能的方法、装置、存储介质及电子设备 Active CN113011065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110272468.6A CN113011065B (zh) 2021-03-12 2021-03-12 预测电芯充放电性能的方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110272468.6A CN113011065B (zh) 2021-03-12 2021-03-12 预测电芯充放电性能的方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN113011065A CN113011065A (zh) 2021-06-22
CN113011065B true CN113011065B (zh) 2022-05-17

Family

ID=76406555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110272468.6A Active CN113011065B (zh) 2021-03-12 2021-03-12 预测电芯充放电性能的方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN113011065B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018301A (zh) * 2022-05-30 2022-09-06 佛山市美的清湖净水设备有限公司 软水设备的性能检测方法、装置及电子设备
CN116227310B (zh) * 2023-05-10 2023-08-22 深圳市华宝新能源股份有限公司 电池模组电芯温度的快速推测方法、装置、设备和介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110165314A (zh) * 2019-04-30 2019-08-23 蜂巢能源科技有限公司 电池电芯性能参数获取方法及获取装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110165314A (zh) * 2019-04-30 2019-08-23 蜂巢能源科技有限公司 电池电芯性能参数获取方法及获取装置

Also Published As

Publication number Publication date
CN113011065A (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
CN107819339B (zh) 充电模式制作装置、充电控制装置、充电模式制作方法及蓄电系统
US9020798B2 (en) Real-time capable battery cell simulation
CN113253131B (zh) 确定电芯充放电性能的方法、装置、存储介质及电子设备
Hua et al. Finding a better fit for lithium ion batteries: A simple, novel, load dependent, modified equivalent circuit model and parameterization method
CN113011065B (zh) 预测电芯充放电性能的方法、装置、存储介质及电子设备
CN112883531B (zh) 锂离子电池数据处理方法、计算机设备和存储介质
CN111062137B (zh) 一种锂离子电池性能预测模型及其构建方法和应用
CN112949101B (zh) 电池脉冲充放电最大电流的获取方法、装置、设备及介质
CN109581064B (zh) 测量电池低温直流电阻的方法、装置、介质
CN109614754B (zh) 一种锂离子电池三维简化模型的仿真方法
CN109738806B (zh) 模拟电池产热率的方法、装置、介质
Liu et al. A study on the transient heat generation rate of lithium-ion battery based on full matrix orthogonal experimental design with mixed levels
Shen et al. A sensitivity-based group-wise parameter identification algorithm for the electric model of li-ion battery
Hu et al. A control oriented reduced order electrochemical model considering variable diffusivity of lithium ions in solid
Muñoz et al. Parameter optimization of an electrochemical and thermal model for a lithium-ion commercial battery
Li et al. Control-oriented modeling of all-solid-state batteries using physics-based equivalent circuits
Rodríguez-Iturriaga et al. A physics-based fractional-order equivalent circuit model for time and frequency-domain applications in lithium-ion batteries
CN114707391A (zh) 电池包寿命预测方法、存储介质以及电子设备
CN116068408B (zh) 电池老化数据确定方法、装置、计算机设备和存储介质
CN117007976A (zh) 一种电池仿真方法、装置、电子设备及存储介质
Schmitke et al. Developing mathematical models of batteries in modelica for energy storage applications
CN109557480B (zh) 一种化学电源循环使用寿命的估算方法及系统
CN114089204B (zh) 一种电池容量跳水拐点预测方法及装置
Ma et al. Sensitivity analysis of electrochemical model parameters for lithium-ion batteries on terminal voltages and anode lithium plating criterion
CN109716151A (zh) 用于估计电池电压的方法和设备

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No.8899 Xincheng Avenue, Jintan District, Changzhou City, Jiangsu Province

Applicant after: SVOLT Energy Technology Co.,Ltd.

Address before: No.8899 Xincheng Avenue, Jintan District, Changzhou City, Jiangsu Province

Applicant before: SVOLT Energy Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant