CN113030760B - 电池寿命预测方法、设备及存储介质 - Google Patents
电池寿命预测方法、设备及存储介质 Download PDFInfo
- Publication number
- CN113030760B CN113030760B CN202110321426.7A CN202110321426A CN113030760B CN 113030760 B CN113030760 B CN 113030760B CN 202110321426 A CN202110321426 A CN 202110321426A CN 113030760 B CN113030760 B CN 113030760B
- Authority
- CN
- China
- Prior art keywords
- battery
- battery capacity
- value
- discharging
- charging
- 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
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本申请提供一种电池寿命预测方法、设备及存储介质,该方法通过获取目标电池前k次充放电后的电池容量实测值,进而根据该电池容量实测值,获得目标电池对应的电池容量预测模型,根据该电池容量预测模型,确定目标电池第k*次充放电后的电池容量预测值,从而,根据该电池容量预测值,确定目标电池的使用寿命,不仅解决现有采用实验室测试电池寿命,不仅耗时耗能耗钱,而且还无法尽快将电池产品推向市场,耽误产品开发周期的问题。而且,本申请实施例处理过程简单,预测结果准确,从而后续基于该电池容量预测值确定的电池的使用寿命更准确,为电池的预测性维护、维修及优化提供支撑信息,提前制定维修或更换策略,或采取优化策略延长电池的寿命。
Description
技术领域
本申请涉及电池技术领域,尤其涉及一种电池寿命预测方法、设备及存储介质。
背景技术
随着电池技术的不断进步,电池已经成功应用于越来越多的领域。以锂离子电池为例,由于锂离子电池能量密度高,自放电率低等优点,已经应用于电动汽车、电子产品、储能装置、航空航天、军事通信等领域。相应的,人们对电池的使用寿命也越来越关注。
相关技术中,通常采用实验室测试电池的使用寿命。例如300Ah寿命的储能型锂离子电池,目标寿命预计要达到12000次。如果采用实验室测试,则需要将近7年时间(一天充放电5次),一块电池在整个测试过程中将消耗近万度电。
这样,现有采用实验室测试电池寿命,不仅耗时耗能耗钱,而且还无法尽快将电池产品推向市场,耽误产品开发周期。
发明内容
为解决现有技术中存在的问题,本申请提供一种电池寿命预测方法、设备及存储介质。
第一方面,本申请实施例提供一种电池寿命预测方法,包括:
获取目标电池前k次充放电后的电池容量实测值,其中,k=1,2,…,n,n>2,n为整数;
根据所述前k次充放电后的电池容量实测值,获得所述目标电池对应的电池容量预测模型;
根据所述电池容量预测模型,确定所述目标电池第k*次充放电后的电池容量预测值,其中,k*=1,2,…,m,m≥n,m为整数;
根据所述第k*次充放电后的电池容量预测值,确定所述目标电池的使用寿命。
在一种可能的实现方式中,所述根据所述前k次充放电后的电池容量实测值,获得所述目标电池对应的电池容量预测模型,包括:
获取预设模型Ck=α·k+C0,其中,Ck为电池第k次充放电后的电池容量,C0为初始电池容量参数,α为速率参数,k为电池充放电次数;
根据所述前k次充放电后的电池容量实测值和所述预设模型,确定所述目标电池的初始电池容量参数值和速率参数值;
根据所述预设模型,以及所述目标电池的初始电池容量参数值和速率参数值,获得所述电池容量预测模型。
在一种可能的实现方式中,所述根据所述前k次充放电后的电池容量实测值和所述预设模型,确定所述目标电池的初始电池容量参数值和速率参数值,包括:
根据所述前k次充放电后的电池容量实测值和所述预设模型,采用预设拟合算法拟合出所述目标电池的初始电池容量参数值和速率参数值。
在一种可能的实现方式中,在所述根据所述电池容量预测模型,确定所述目标电池第k*次充放电后的电池容量预测值之前,还包括:
根据所述电池容量预测模型,确定所述目标电池第k**次充放电后的电池容量预测值,其中,k**=1,2,…,f,f≥n,f为整数;
根据所述第k**次充放电后的电池容量预测值和所述目标电池第k**次充放电后的电池容量实测值,确定所述目标电池第k**次充放电后的电池容量差值;
根据所述第k**次充放电后的电池容量差值,对所述电池容量预测模型进行调整。
在一种可能的实现方式中,所述根据所述第k**次充放电后的电池容量差值,对所述电池容量预测模型进行调整,包括:
根据所述第k***次充放电后的电池容量实测值,确定调整后的电池容量预测模型。
在一种可能的实现方式中,所述根据所述第k*次充放电后的电池容量预测值,确定所述目标电池的使用寿命,包括:
将所述第k*次充放电后的电池容量预测值与预设电池容量阈值进行比较;
根据比较结果,确定所述目标电池的使用寿命。
在一种可能的实现方式中,所述根据比较结果,确定所述目标电池的使用寿命,包括:
若所述目标电池从第g次充放电后的电池容量预测值起,第g+1,…,m次充放电后的电池容量预测值小于所述预设电池容量阈值,则确定所述目标电池的使用寿命为g次充放电,其中,g<m,g为整数。
第二方面,本申请实施例提供一种电池寿命预测装置,包括:
实测值获取模块,用于获取目标电池前k次充放电后的电池容量实测值,其中,k=1,2,…,n,n>2,n为整数;
模型获得模块,用于根据所述前k次充放电后的电池容量实测值,获得所述目标电池对应的电池容量预测模型;
预测值确定模块,用于根据所述电池容量预测模型,确定所述目标电池第k*次充放电后的电池容量预测值,其中,所述k*=1,2,…,m,m≥n,m为整数;
寿命确定模块,用于根据所述第k*次充放电后的电池容量预测值,确定所述目标电池的使用寿命。
在一种可能的实现方式中,所述模型获得模块,具体用于:
获取预设模型Ck=α·k+C0,其中,Ck为电池第k次充放电后的电池容量,C0为初始电池容量参数,α为速率参数,k为电池充放电次数;
根据所述前k次充放电后的电池容量实测值和所述预设模型,确定所述目标电池的初始电池容量参数值和速率参数值;
根据所述预设模型,以及所述目标电池的初始电池容量参数值和速率参数值,获得所述电池容量预测模型。
在一种可能的实现方式中,所述模型获得模块,具体用于:
根据所述前k次充放电后的电池容量实测值和所述预设模型,采用预设拟合算法拟合出所述目标电池的初始电池容量参数值和速率参数值。
在一种可能的实现方式中,所述模型获得模块,还用于:
根据所述电池容量预测模型,确定所述目标电池第k**次充放电后的电池容量预测值,其中,所述k**=1,2,…,f,f≥n,f为整数;
根据所述第k**次充放电后的电池容量预测值和所述目标电池第k**次充放电后的电池容量实测值,确定所述目标电池第k**次充放电后的电池容量差值;
根据所述第k**次充放电后的电池容量差值,对所述电池容量预测模型进行调整。
在一种可能的实现方式中,所述模型获得模块,具体用于:
根据所述第k***次充放电后的电池容量实测值,确定调整后的电池容量预测模型。
在一种可能的实现方式中,所述寿命确定模块,具体用于:
将所述第k*次充放电后的电池容量预测值与预设电池容量阈值进行比较;
根据比较结果,确定所述目标电池的使用寿命。
在一种可能的实现方式中,所述寿命确定模块,具体用于:
若所述目标电池从第g次充放电后的电池容量预测值起,第g+1,…,m次充放电后的电池容量预测值小于所述预设电池容量阈值,则确定所述目标电池的使用寿命为g次充放电,其中,g<m,g为整数。
第三方面,本申请实施例提供一种电池寿命预测设备,包括:
处理器;
存储器;以及
计算机程序;
其中,所述计算机程序被存储在所述存储器中,并且被配置为由所述处理器执行,所述计算机程序包括用于执行如第一方面所述的方法的指令。
第四方面,本申请实施例提供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程序,所述计算机程序使得服务器执行第一方面所述的方法。
第五方面,本申请实施例提供一种计算机程序产品,包括计算机指令,所述计算机指令被处理器执行第一方面所述的方法。
本申请实施例提供的电池寿命预测方法、设备及存储介质,该方法通过获取目标电池前k次充放电后的电池容量实测值,其中,k=1,2,…,n,n>2,n为整数,进而根据该电池容量实测值,获得目标电池对应的电池容量预测模型,根据该电池容量预测模型,确定目标电池第k*次充放电后的电池容量预测值,其中,k*=1,2,…,m,m≥n,m为整数,从而,根据该电池容量预测值,确定目标电池的使用寿命,即本申请实施例提供一种简单的电池寿命预测方法,解决现有采用实验室测试电池寿命,不仅耗时耗能耗钱,而且还无法尽快将电池产品推向市场,耽误产品开发周期的问题。而且,本申请实施例基于电池的电池容量实测值,获得电池对应的电池容量预测模型,进而,根据该模型确定电池的电池容量预测值,处理过程简单,预测结果准确,从而后续基于该电池容量预测值确定的电池的使用寿命更准确,为电池的预测性维护、维修及优化提供支撑信息,提前制定维修或更换策略,或采取优化策略延长电池的寿命。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种电池容量保持率的示意图;
图2为本申请实施例提供的一种电池寿命预测系统架构示意图;
图3为本申请实施例提供的一种电池寿命预测方法的流程示意图;
图4为本申请实施例提供的另一种电池寿命预测方法的流程示意图;
图5为本申请实施例提供的一种电池充放电的保持率变化趋势示意图;
图6为本申请实施例提供的一种电池寿命预测装置的结构示意图;
图7为本申请提供的一种电池寿命预测设备的基本硬件架构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
电池寿命(State of Health,SOH),又称为电池容量保持率,简单来说是电池使用一段时间后性能参数与标称参数的比值,新出厂电池为100%,完全报废为0%。也可以理解为电池从满充状态下以一定的倍率放电到截止电压所放出的容量与其所对应的标称容量的比值,或者说是电池的极限容量大小。电池寿命的评价有:查看电池充放电规定次数后,容量存储能力还剩多少,以容量保持率作为依据,比如初始容量100Ah,充放电1000次后容量只有90Ah,则电池容量保持率为90%。示例性的,如图1所示,11Ah的长寿命磷酸铁锂电池200次充放电的电池容量保持率。
相关技术中,通常采用实验室测试电池的使用寿命。例如300Ah寿命的储能型锂离子电池,目标寿命预计要达到12000次。如果采用实验室测试,则需要将近7年时间(一天充放电5次),一块电池在整个测试过程中将消耗近万度电。这样,不仅耗时耗能耗钱,而且还无法尽快将电池产品推向市场,耽误产品开发周期。
为了解决上述问题,现有提出几种解决方案。其中,方案一是制备一个与使用前的电池相同的壳体,与壳体外连带有压力表的气瓶,充入惰性气体使壳体膨胀形变,建立膨胀度和压力表显示的压力数据的函数关系式,压力表显示的压力数据和锂电池的内部压力的数值相同,按照膨胀度和剩余寿命的数据来推断电池寿命。方案二是测量同一电芯在相同荷电状态,不同充放电次数下的交流阻抗图谱。总结阻抗图谱的变化趋势;总结不同电芯的阻抗图谱与充放电寿命之间的对应关系。依据不同的充放电次数下的阻抗图谱变化规律,通过阻抗图谱的变化可以预测电芯的充放电寿命。方案三是采用了双指数函数模型、非线性偏微分方程来模拟预测。
但是,在方案一中,由于电池膨胀度不仅和充放电次数有关,也会受到电池的历史经历影响,比如制作电池时电解液中水分偏高,或极片没烘干,都会造成产气引发异常膨胀,这种膨胀和已有的充放电次数是无关的,只和内部水分有关,因此这样的预测出寿命值不准确。在方案二中,由于电池阻抗不仅和充放电次数有关,也会受到电池的历史经历影响,比如制作电池时虚焊,或注液偏少、导电剂不够、配料不均匀等,都会造成阻抗偏大,这种阻抗增大和已有的充放电次数是无关的,这样的预测出寿命值不准确。在方案三中,处理复杂,需要编程,对计算机硬件设备和软件装备要求较高,且预测精度并不高。
因此,本申请实施例提出一种简单的电池寿命预测方法,不仅解决了现有采用实验室测试电池寿命,不仅耗时耗能耗钱,而且还无法尽快将电池产品推向市场,耽误产品开发周期的问题,而且本申请实施例基于电池的电池容量实测值,获得电池对应的电池容量预测模型,进而,根据该模型确定电池的电池容量预测值,预测结果更加准确,从而后续基于该电池容量预测值确定的电池的使用寿命更准确,为电池的预测性维护、维修及优化提供支撑信息,提前制定维修或更换策略,或采取优化策略延长电池的寿命。
可选地,本申请提供的一种电池寿命预测方法,可以适用于图2所示的电池寿命预测系统架构示意图,如图2所示,该系统可以包括接收装置201、处理装置202和显示装置203中至少一种。
在具体实现过程中,接收装置201可以是输入/输出接口,也可以是通信接口,可以用于接收电池前k次充放电后的电池容量实测值等信息。
处理装置202可以通过上述接收装置201获取上述电池前k次充放电后的电池容量实测值,也可以直接从数据库中获取上述电池前k次充放电后的电池容量实测值,进而,基于电池的电池容量实测值,获得电池对应的电池容量预测模型,根据该模型确定电池的电池容量预测值,处理过程简单,预测结果准确,从而后续基于上述电池容量预测值确定的电池的使用寿命更准确,为电池的预测性维护、维修及优化提供支撑信息,提前制定维修或更换策略,或采取优化策略延长电池的寿命,也解决了现有采用实验室测试电池寿命,不仅耗时耗能耗钱,而且还无法尽快将电池产品推向市场,耽误产品开发周期的问题。
显示装置203可以用于对上述电池容量实测值、电池容量预测值、电池的使用寿命等进行显示。
显示装置还可以是触摸显示屏,用于在显示的上述内容的同时接收用户指令,以实现与用户的交互。
应理解,上述处理装置可以通过读取存储器中的指令并执行指令的方式实现,也可以通过芯片电路实现。
上述系统仅为一种示例性系统,具体实施时,可以根据应用需求设置。
可以理解的是,本申请实施例示意的结构并不构成对电池寿命预测系统架构的具体限定。在本申请另一些可行的实施方式中,上述架构可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置,具体可根据实际应用场景确定,在此不做限制。图2所示的部件可以以硬件,软件,或软件与硬件的组合实现。
另外,本申请实施例描述的系统架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着系统架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
下面以几个实施例为例对本申请的技术方案进行描述,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图3为本申请实施例提供的一种电池寿命预测方法的流程示意图,本实施例的执行主体可以为图2中的处理装置,具体执行主体可以根据实际应用场景确定,本申请实施例对此不做特别限制。如图3所示,本申请实施例提供的电池寿命预测方法可以包括如下步骤:
S301:获取目标电池前k次充放电后的电池容量实测值,其中,k=1,2,…,n,n>2,n为整数。
这里,目标电池为需要进行使用寿命预测的电池,具体可以根据实际情况确定。
上述处理装置可以采用电池容量检测装置检测电池前k次充放电后的电池容量实测值。其中,k=1,2,…,n,n>2,n为整数。另外,k也可以是1次或2次,具体可以根据实际情况确定。
S302:根据上述前k次充放电后的电池容量实测值,获得上述目标电池对应的电池容量预测模型。
示例性的,上述处理装置可以获取预设模型Ck=α·k+C0,其中,Ck为电池第k次充放电后的电池容量,C0为初始电池容量参数,α为速率参数,k为电池充放电次数,进而,根据上述前k次充放电后的电池容量实测值和上述预设模型,确定上述目标电池的初始电池容量参数值和速率参数值,根据上述预设模型,以及上述目标电池的初始电池容量参数值和速率参数值,获得上述目标电池对应的电池容量预测模型。
其中,上述处理装置在根据上述前k次充放电后的电池容量实测值和上述预设模型,确定上述目标电池的初始电池容量参数值和速率参数值时,可以根据上述前k次充放电后的电池容量实测值和上述预设模型,采用预设拟合算法,例如最小二乘法,拟合出上述目标电池的初始电池容量参数值和速率参数值。
S303:根据上述电池容量预测模型,确定上述目标电池第k*次充放电后的电池容量预测值,其中,k*=1,2,…,m,m≥n,m为整数。
这里,上述处理装置在获得上述目标电池对应的电池容量预测模型后,可以输入该电池容量预测模型上述目标电池的充放电次数,例如充放电k*次,从而,根据上述电池容量预测模型的输出,确定上述目标电池第k*次充放电后的电池容量预测值。其中,k*=1,2,…,m,m≥n,m为整数,另外,k*也可以是1次或2次,具体可以根据实际情况确定。
S304:根据上述第k*次充放电后的电池容量预测值,确定上述目标电池的使用寿命。
这里,上述处理装置可以目标电池较少次数,例如第200次,充放电后的电池容量实测值,获得目标电池对应的电池容量预测模型,进而,基于该模型预测目标电池较多次数,例如第500次,充放电后的电池容量预测值,从而,基于该预测值确定目标电池的使用寿命,解决现有采用实验室测试电池寿命,不仅耗时耗能耗钱,而且还无法尽快将电池产品推向市场,耽误产品开发周期的问题。
示例性的,上述处理装置可以将上述第k*次充放电后的电池容量预测值与预设电池容量阈值进行比较,进而,根据比较结果,确定上述目标电池的使用寿命。
其中,上述预设电池容量阈值可以根据实际情况确定,例如设置为电池正常工作的最低电池容量。
上述处理装置将上述第k*次充放电后的电池容量预测值与上述预设电池容量阈值进行比较,如果上述目标电池从第g次充放电后的电池容量预测值起,第g+1,…,m次充放电后的电池容量预测值小于上述预设电池容量阈值,则确定上述目标电池的使用寿命为g次充放电,其中,g<m,g为整数。
本申请实施例中,上述处理装置通过获取目标电池前k次充放电后的电池容量实测值,其中,k=1,2,…,n,n>2,n为整数,进而根据该电池容量实测值,获得目标电池对应的电池容量预测模型,根据该电池容量预测模型,确定目标电池第k*次充放电后的电池容量预测值,其中,k*=1,2,…,m,m≥n,m为整数,从而,根据该电池容量预测值,确定目标电池的使用寿命,即本申请实施例提供一种简单的电池寿命预测方法,解决现有采用实验室测试电池寿命,不仅耗时耗能耗钱,而且还无法尽快将电池产品推向市场,耽误产品开发周期的问题。而且,本申请实施例基于电池的电池容量实测值,获得电池对应的电池容量预测模型,进而,根据该模型确定电池的电池容量预测值,处理过程简单,预测结果准确,从而后续基于该电池容量预测值确定的电池的使用寿命更准确,为电池的预测性维护、维修及优化提供支撑信息,提前制定维修或更换策略,或采取优化策略延长电池的寿命。
另外,本申请实施例中上述处理装置在上述根据上述电池容量预测模型,确定上述目标电池第k*次充放电后的电池容量预测值之前,还可以对上述电池容量预测模型进行调整,以便使上述目标电池对应的电池容量预测模型更准确,提高后续处理结果。图4为本申请实施例提出的另一种电池寿命预测方法的流程示意图。如图4所示,该方法包括:
S401:获取目标电池前k次充放电后的电池容量实测值,其中,k=1,2,…,n,n>2,n为整数。
S402:根据上述前k次充放电后的电池容量实测值,获得上述目标电池对应的电池容量预测模型。
其中,步骤S401-S402与上述步骤S301-S302的实现方式相同,此处不再赘述。
S403:根据上述电池容量预测模型,确定上述目标电池第k**次充放电后的电池容量预测值,其中,k**=1,2,…,f,f≥n,f为整数。
S404:根据上述第k**次充放电后的电池容量预测值和上述目标电池第k**次充放电后的电池容量实测值,确定上述目标电池第k**次充放电后的电池容量差值。
S405:根据上述第k**次充放电后的电池容量差值,对上述电池容量预测模型进行调整。
这里,上述处理装置可以根据上述第k**次充放电后的电池容量差值,从上述目标电池第k**次充放电后的电池容量实测值中,提取第k***次充放电后的电池容量实测值,其中,进而,根据该第k***次充放电后的电池容量实测值,确定调整后的电池容量预测模型。
示例性的,上述处理装置可以根据上述第k**次充放电后的电池容量差值,计算该差值的均值μ0,标准方差σ0,以及最大方差模量N0=max(∣Ek-μ0∣/σ0)。其中,Ek为上述第k**次充放电后的电池容量差值。然后,上述处理装置可以设置提取区间,根据该提取区间,从上述电池容量差值Ek中提取一部分差值,例如提取在(μ0-(N0-1)σ0,μ0+(N0-1)σ0)之内的差值,进而,根据提取的差值,从上述目标电池第k**次充放电后的电池容量实测值中,提取第k***次充放电后的电池容量实测值,例如表示为数据集A1={Ck}。
这样,上述处理装置可以根据上述提取第k***次充放电后的电池容量实测值,即数据集A1={Ck},以及上述预设模型Ck=α·k+C0,确定调整后的上述目标电池的初始电池容量参数值和速率参数值,从而,根据上述预设模型,以及调整后的目标电池的初始电池容量参数值和速率参数值,获得调整后的电池容量预测模型。
这里,上述处理装置通过设置上述提取区间,例如区间(μ0-(N0-1)σ0,μ0+(N0-1)σ0),去除一些浮动点,使得后续获得的调整后的电池容量预测模型更准确,进而,后续根据调整后的电池容量预测模型,进行电池容量预测以及电池使用寿命预测的结果更准确,适合应用。
S406:根据调整后的电池容量预测模型,确定上述目标电池第k*次充放电后的电池容量预测值,其中,k*=1,2,…,m,m≥n,m为整数。
S407:根据上述第k*次充放电后的电池容量预测值,确定上述目标电池的使用寿命。
其中,步骤S406-S407与上述步骤S303-S304的实现方式相同,此处不再赘述。
在本申请实施例中,上述处理装置在上述获得目标电池对应的电池容量预测模型时,可以设置相应的条件。如果没有达到该条件,上述处理装置可以对上述电池容量预测模型进行调整,直至达到上述条件。
示例性的,上述条件可以根据实际情况设置,例如设置根据上述电池容量预测模型预测的电池容量预测值确定的电池使用寿命的逐差百分率<1%且上述速率参数α逐差百分率<10%。其中,上述处理装置定义前后两次计算的参数值的差值的绝对值为该参数的逐差,逐差和本次参数值的比值(百分数表示)为该参数本次计算的逐差百分率。
在上述根据上述电池容量预测模型,确定上述目标电池第k*次充放电后的电池容量预测值之前,上述处理装置根据上述第k**次充放电后的电池容量差值,对上述电池容量预测模型进行一次调整,调整后,如果没有达到上述条件,例如没有满足电池使用寿命的逐差百分率<1%且上述速率参数α逐差百分率<10%,上述处理装置可以对上述电池容量预测模型进行再次调整,调整过程参照上述步骤S403-S405,在此不再赘述。
示例性的,表1给出6次调整的相关参数值,以及该参数本次计算的逐差百分率。
表1
由上表可知,各次调整的逐差百分率变化趋势,可以看出随着调整次数增加,逐差百分率迅速降低。第6次模拟的充放电的电池容量保持率逐差百分率<1%且速率常数α逐差百分率<10%,故停止调整,以第6次的调整结果为最终预测结果。
相应的,为了验证上述结论的正确性,上述处理装置可以在上述每次调整时,获取电池充放电的电池容量实测值,与每次调整获得的电池充放电的电池容量预测值进行比较。示例性的,如图5所示,6次调整的电池充放电的保持率变化趋势,其中,该保持率变化趋势包括实测值保持率变化趋势和预测值保持率变化趋势。从图中可以看出随着调整次数增加,电池充放电的电池容量预测值保持率迅速接近实测值保持率,说明上述表中的结论正确。
对应于上文实施例的电池寿命预测方法,图6为本申请实施例提供的电池寿命预测装置的结构示意图。为了便于说明,仅示出了与本申请实施例相关的部分。图6为本申请实施例提供的一种电池寿命预测装置的结构示意图,该电池寿命预测装置60包括:实测值获取模块601、模型获得模块602、预测值确定模块603以及寿命确定模块604。这里的电池寿命预测装置可以是上述处理装置本身,或者是实现处理装置的功能的芯片或者集成电路。这里需要说明的是,实测值获取模块、模型获得模块、预测值确定模块以及寿命确定模块的划分只是一种逻辑功能的划分,物理上两者可以是集成的,也可以是独立的。
其中,实测值获取模块601,用于获取目标电池前k次充放电后的电池容量实测值,其中,k=1,2,…,n,n>2,n为整数。
模型获得模块602,用于根据所述前k次充放电后的电池容量实测值,获得所述目标电池对应的电池容量预测模型。
预测值确定模块603,用于根据所述电池容量预测模型,确定所述目标电池第k*次充放电后的电池容量预测值,其中,所述k*=1,2,…,m,m≥n,m为整数。
寿命确定模块604,用于根据所述第k*次充放电后的电池容量预测值,确定所述目标电池的使用寿命。
在一种可能的实现方式中,所述模型获得模块602,具体用于:
获取预设模型Ck=α·k+C0,其中,Ck为电池第k次充放电后的电池容量,C0为初始电池容量参数,α为速率参数,k为电池充放电次数;
根据所述前k次充放电后的电池容量实测值和所述预设模型,确定所述目标电池的初始电池容量参数值和速率参数值;
根据所述预设模型,以及所述目标电池的初始电池容量参数值和速率参数值,获得所述电池容量预测模型。
在一种可能的实现方式中,所述模型获得模块602,具体用于:
根据所述前k次充放电后的电池容量实测值和所述预设模型,采用预设拟合算法拟合出所述目标电池的初始电池容量参数值和速率参数值。
在一种可能的实现方式中,所述模型获得模块602,还用于:
根据所述电池容量预测模型,确定所述目标电池第k**次充放电后的电池容量预测值,其中,所述k**=1,2,…,f,f≥n,f为整数;
根据所述第k**次充放电后的电池容量预测值和所述目标电池第k**次充放电后的电池容量实测值,确定所述目标电池第k**次充放电后的电池容量差值;
根据所述第k**次充放电后的电池容量差值,对所述电池容量预测模型进行调整。
在一种可能的实现方式中,所述模型获得模块602,具体用于:
根据所述第k***次充放电后的电池容量实测值,确定调整后的电池容量预测模型。
在一种可能的实现方式中,所述寿命确定模块604,具体用于:
将所述第k*次充放电后的电池容量预测值与预设电池容量阈值进行比较;
根据比较结果,确定所述目标电池的使用寿命。
在一种可能的实现方式中,所述寿命确定模块604,具体用于:
若所述目标电池从第g次充放电后的电池容量预测值起,第g+1,…,m次充放电后的电池容量预测值小于所述预设电池容量阈值,则确定所述目标电池的使用寿命为g次充放电,其中,g<m,g为整数。
本申请实施例提供的装置,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本申请实施例此处不再赘述。
可选地,图7示意性地提供本申请所述电池寿命预测设备的一种可能的基本硬件架构示意图。
参见图7,电池寿命预测设备700包括至少一个处理器701以及通信接口703。进一步可选的,还可以包括存储器702和总线704。
其中,电池寿命预测设备700中,处理器701的数量可以是一个或多个,图7仅示意了其中一个处理器701。可选地,处理器701,可以是中央处理器(central processingunit,CPU)、图形处理器(Graphics Processing Unit,GPU)或者数字信号处理器(digitalsignal processor,DSP)。如果电池寿命预测设备700具有多个处理器701,多个处理器701的类型可以不同,或者可以相同。可选地,电池寿命预测设备700的多个处理器701还可以集成为多核处理器。
存储器702存储计算机指令和数据;存储器702可以存储实现本申请提供的上述电池寿命预测方法所需的计算机指令和数据,例如,存储器702存储用于实现上述电池寿命预测方法的步骤的指令。存储器702可以是以下存储介质的任一种或任一种组合:非易失性存储器(例如只读存储器(ROM)、固态硬盘(SSD)、硬盘(HDD)、光盘),易失性存储器。
通信接口703可以为所述至少一个处理器提供信息输入/输出。也可以包括以下器件的任一种或任一种组合:网络接口(例如以太网接口)、无线网卡等具有网络接入功能的器件。
可选的,通信接口703还可以用于电池寿命预测设备700与其它计算设备或者终端进行数据通信。
进一步可选的,图7用一条粗线表示总线704。总线704可以将处理器701与存储器702和通信接口703连接。这样,通过总线704,处理器701可以访问存储器702,还可以利用通信接口703与其它计算设备或者终端进行数据交互。
在本申请中,电池寿命预测设备700执行存储器702中的计算机指令,使得电池寿命预测设备700实现本申请提供的上述电池寿命预测方法,或者使得电池寿命预测设备700部署上述的电池寿命预测装置。
从逻辑功能划分来看,示例性的,如图7所示,存储器702中可以包括实测值获取模块601、模型获得模块602、预测值确定模块603以及寿命确定模块604。这里的包括仅仅涉及存储器中所存储的指令被执行时可以分别实现实测值获取模块、模型获得模块、预测值确定模块以及寿命确定模块的功能,而不限定是物理上的结构。
另外,上述的电池寿命预测设备除了可以像上述图7通过软件实现外,也可以作为硬件模块,或者作为电路单元,通过硬件实现。
本申请提供一种计算机可读存储介质,所述计算机程序产品包括计算机指令,所述计算机指令指示计算设备执行本申请提供的上述电池寿命预测方法。
本申请提供一种计算机程序产品,包括计算机指令,所述计算机指令被处理器执行上述电池寿命预测方法。
本申请提供一种芯片,包括至少一个处理器和通信接口,所述通信接口为所述至少一个处理器提供信息输入和/或输出。进一步,所述芯片还可以包含至少一个存储器,所述存储器用于存储计算机指令。所述至少一个处理器用于调用并运行该计算机指令,以执行本申请提供的上述电池寿命预测方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
Claims (8)
1.一种电池寿命预测方法,其特征在于,包括:
获取目标电池前k次充放电后的电池容量实测值,其中,k=1,2,…,n,n>2,n为整数;
根据所述前k次充放电后的电池容量实测值,获得所述目标电池对应的电池容量预测模型;
根据所述电池容量预测模型,确定所述目标电池第k*次充放电后的电池容量预测值,其中,k*=1,2,…,m,m≥n,m为整数;
根据所述第k*次充放电后的电池容量预测值,确定所述目标电池的使用寿命;
所述根据所述前k次充放电后的电池容量实测值,获得所述目标电池对应的电池容量预测模型,包括:获取预设模型Ck=α·k+C0,其中,Ck为电池第k次充放电后的电池容量,C0为初始电池容量参数,α为速率参数,k为电池充放电次数;
根据所述前k次充放电后的电池容量实测值和所述预设模型,确定所述目标电池的初始电池容量参数值和速率参数值;
根据所述预设模型,以及所述目标电池的初始电池容量参数值和速率参数值,获得所述电池容量预测模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述前k次充放电后的电池容量实测值和所述预设模型,确定所述目标电池的初始电池容量参数值和速率参数值,包括:根据所述前k次充放电后的电池容量实测值和所述预设模型,采用预设拟合算法拟合出所述目标电池的初始电池容量参数值和速率参数值。
3.根据权利要求1至2中任一项所述的方法,其特征在于,在所述根据所述电池容量预测模型,确定所述目标电池第k*次充放电后的电池容量预测值之前,还包括:根据所述电池容量预测模型,确定所述目标电池第k**次充放电后的电池容量预测值,其中,k**=1,2,…,f,f≥n,f为整数;
根据所述第k**次充放电后的电池容量预测值和所述目标电池第k**次充放电后的电池容量实测值,确定所述目标电池第k**次充放电后的电池容量差值;
根据所述第k**次充放电后的电池容量差值,对所述电池容量预测模型进行调整。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第k**次充放电后的电池容量差值,对所述电池容量预测模型进行调整,包括:根据所述第k**次充放电后的电池容量差值,从所述目标电池第k**次充放电后的电池容量实测值中,提取第k***次充放电后的电池容量实测值,其中,根据所述第k***次充放电后的电池容量实测值,确定调整后的电池容量预测模型。
5.根据权利要求1至2中任一项所述的方法,其特征在于,所述根据所述第k*次充放电后的电池容量预测值,确定所述目标电池的使用寿命,包括:将所述第k*次充放电后的电池容量预测值与预设电池容量阈值进行比较;
根据比较结果,确定所述目标电池的使用寿命。
6.根据权利要求5所述的方法,其特征在于,所述根据比较结果,确定所述目标电池的使用寿命,包括:若所述目标电池从第g次充放电后的电池容量预测值起,第g+1,…,m次充放电后的电池容量预测值小于所述预设电池容量阈值,则确定所述目标电池的使用寿命为g次充放电,其中,g<m,g为整数。
7.一种电池寿命预测设备,其特征在于,包括:
处理器;
存储器;以及
计算机程序;
其中,所述计算机程序被存储在所述存储器中,并且被配置为由所述处理器执行,所述计算机程序包括用于执行如权利要求1-6任一项所述的方法的指令。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得服务器执行权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321426.7A CN113030760B (zh) | 2021-03-25 | 2021-03-25 | 电池寿命预测方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321426.7A CN113030760B (zh) | 2021-03-25 | 2021-03-25 | 电池寿命预测方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113030760A CN113030760A (zh) | 2021-06-25 |
CN113030760B true CN113030760B (zh) | 2023-02-03 |
Family
ID=76473796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110321426.7A Active CN113030760B (zh) | 2021-03-25 | 2021-03-25 | 电池寿命预测方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113030760B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN114545259A (zh) * | 2022-02-18 | 2022-05-27 | 湖南航天天麓新材料检测有限责任公司 | 蓄电池容量评估方法、计算机装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399276A (zh) * | 2013-07-25 | 2013-11-20 | 哈尔滨工业大学 | 一种锂离子电池容量估计及剩余循环寿命预测方法 |
CN109188303A (zh) * | 2018-08-13 | 2019-01-11 | 莱茵技术监护(深圳)有限公司 | 快充系统测试方法、设备及存储介质 |
CN109633474A (zh) * | 2018-11-14 | 2019-04-16 | 江苏大学 | 一种锂离子电池剩余寿命预测方法 |
CN110988695A (zh) * | 2019-12-24 | 2020-04-10 | 珠海银隆电器有限公司 | 动力电池健康状态评估方法、装置、存储介质及电子设备 |
CN111537884A (zh) * | 2020-04-17 | 2020-08-14 | 中国科学院深圳先进技术研究院 | 获取动力电池寿命数据的方法、装置、计算机设备及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9800073B2 (en) * | 2015-08-20 | 2017-10-24 | International Business Machines Corporation | Modeling a change in battery degradation |
KR20200140093A (ko) * | 2019-06-05 | 2020-12-15 | 삼성에스디아이 주식회사 | 배터리의 충방전 사이클에 따른 용량 변화 예측방법 및 예측시스템 |
-
2021
- 2021-03-25 CN CN202110321426.7A patent/CN113030760B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399276A (zh) * | 2013-07-25 | 2013-11-20 | 哈尔滨工业大学 | 一种锂离子电池容量估计及剩余循环寿命预测方法 |
CN109188303A (zh) * | 2018-08-13 | 2019-01-11 | 莱茵技术监护(深圳)有限公司 | 快充系统测试方法、设备及存储介质 |
CN109633474A (zh) * | 2018-11-14 | 2019-04-16 | 江苏大学 | 一种锂离子电池剩余寿命预测方法 |
CN110988695A (zh) * | 2019-12-24 | 2020-04-10 | 珠海银隆电器有限公司 | 动力电池健康状态评估方法、装置、存储介质及电子设备 |
CN111537884A (zh) * | 2020-04-17 | 2020-08-14 | 中国科学院深圳先进技术研究院 | 获取动力电池寿命数据的方法、装置、计算机设备及介质 |
Non-Patent Citations (2)
Title |
---|
Remaining Useful Life Prediction of Lithium-Ion Batteries using Semi-Empirical Model and Bat-Based Particle Filter;Yucheng Lian等;《IEEE》;20200928;第1-5页 * |
基于最小二乘支持向量机误差补偿模型的锂离子电池健康状态估计方法;王萍等;《电网技术》;20210317;第1-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113030760A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108241102A (zh) | 一种电池微短路的检测方法及装置 | |
CN103901347B (zh) | 一种显示电池电量的方法和终端 | |
CN113030760B (zh) | 电池寿命预测方法、设备及存储介质 | |
CN108287312B (zh) | 一种退役电池的分选方法、系统及装置 | |
CN104584376A (zh) | 针对预定义充电持续时间在积分退化全局最小化下对电池进行充电的方法和装置 | |
CN114839541B (zh) | 基于k均值聚类的动力电池组不一致性诊断方法及系统 | |
CN106786893B (zh) | 电池间容量差值的获取方法和装置 | |
CN108594117B (zh) | 确定电池容量的方法、装置、终端设备及计算机存储介质 | |
CN110806540B (zh) | 电芯测试数据处理方法、装置、系统和存储介质 | |
Chen et al. | State of health estimation of lithium-ion batteries based on equivalent circuit model and data-driven method | |
CN112084459A (zh) | 电池充放电循环寿命的预测方法、装置、电子终端、及存储介质 | |
CN110673037A (zh) | 基于改进模拟退火算法的电池soc估算方法及系统 | |
CN117805621A (zh) | 一种电池容量估计方法、装置、设备及存储介质 | |
EP4235198A1 (en) | Apparatus and method for managing battery | |
CN114675196A (zh) | 一种电芯的状态检测方法、装置和电子设备 | |
CN111257779B (zh) | 电池系统的soh确定方法及设备 | |
CN115327391B (zh) | 一种基于梯次利用电池的检测方法及装置 | |
CN116298920A (zh) | 电源管理系统的量产文件生成方法、装置及电子设备 | |
CN115808636A (zh) | 电池容量损失测试方法、装置、计算机设备和存储介质 | |
CN114355212A (zh) | 电池自放电检测方法、装置、计算机设备及存储介质 | |
CN110658463B (zh) | 预测锂离子电池循环寿命的方法 | |
CN112240979B (zh) | 锂离子电池电压临界点的检测方法、电子终端、及存储介质 | |
CN118011225B (zh) | 可充放电容量的修正方法、装置、存储介质及电子装置 | |
CN114260213B (zh) | 锂离子电池一致性的筛选方法及系统 | |
CN109991546B (zh) | 一种电池参数获取方法、装置及终端设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |