CN113125982A - 电池寿命预测方法及装置 - Google Patents

电池寿命预测方法及装置 Download PDF

Info

Publication number
CN113125982A
CN113125982A CN201911424064.3A CN201911424064A CN113125982A CN 113125982 A CN113125982 A CN 113125982A CN 201911424064 A CN201911424064 A CN 201911424064A CN 113125982 A CN113125982 A CN 113125982A
Authority
CN
China
Prior art keywords
life
prediction model
working condition
single battery
actual
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.)
Granted
Application number
CN201911424064.3A
Other languages
English (en)
Other versions
CN113125982B (zh
Inventor
郭英杰
黄建
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.)
BYD Co Ltd
Original Assignee
BYD 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 BYD Co Ltd filed Critical BYD Co Ltd
Priority to CN201911424064.3A priority Critical patent/CN113125982B/zh
Publication of CN113125982A publication Critical patent/CN113125982A/zh
Application granted granted Critical
Publication of CN113125982B publication Critical patent/CN113125982B/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]
    • G01R31/392—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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery

Abstract

本申请公开一种电池寿命预测方法及装置，其中，一种电池寿命预测方法包括：对第一单体电池进行寿命衰减测试，获得第一寿命预测模型，获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型，根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。采用本发明的技术方案，可以根据第二寿命预测模型预测单体电池的寿命，提高了单体电池寿命预测的准确度。

Description

电池寿命预测方法及装置
技术领域
本发明涉及动力电池技术领域，尤其涉及一种电池寿命预测方法及装置。
背景技术
车载动力电池通常需要具有大约10年的使用寿命，按照实际使用工况，在项目开发周期内，很难按照标准中规定的方法进行全部试验。为了满足电池与整车同寿命和国家提出的动力电池不低于8年或12万公里的质保要求，利用加速寿命测试方法预测电池寿命是常用方法。
但是利用加速寿命测试方法获得电池的寿命预测模型时，一般是在恒定单一工况下进行，使用恒定单一工况下获得单寿命预测模型对实际工况下电池的寿命进行预测，会产生很大的误差，准确率低。
发明内容
本发明实施例提供了一种电池寿命预测方法及装置，通过实际寿命衰减率和实际寿命衰减率对应的工况对第一寿命预测模型进行更新,得到用于对单体电池寿命进行预测的第二寿命预测模型,可以提高单体电池寿命预测的准确率。
第一方面，本发明实施例提供了一种电池寿命预测方法，包括：
对第一单体电池进行寿命衰减测试，获得第一寿命预测模型；
获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，一个实际寿命衰减率对应一个工况，所述实际寿命衰减率是指所述第二单体电池在所述工况下测量得到的实际寿命衰减率；
根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型；
根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
在一种可能实现的实施中，所述第一寿命预测模型包括第一循环寿命预测模型和第一存储寿命预测模型，所述第一循环寿命模型用于表示所述第一单体电池在循环使用场景下的寿命衰减率，所述第一存储寿命预测模型用于表示所述第一单体电池在静置场景下的寿命衰减率；所述实际寿命衰减率包括第一实际寿命衰减率和第二实际寿命衰减率，一个所述第一实际寿命衰减率对应一个第一工况，一个所述第二实际寿命衰减率对应一个第二工况；所述第一实际寿命衰减率是指所述第二单体电池在所述第一工况下，且在循环使用场景中测量得到的实际寿命衰减率；所述第二实际寿命衰减率是指所述第二单体电池在所述第二工况下，且在静置场景中测量得到的实际寿命衰减率。
在一种可能实现的实施中，所述根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型，包括：根据所述至少一个第一实际寿命衰减率和所述至少一个第一实际寿命衰减率对应的至少一个第一工况，对所述第一循环寿命预测模型进行更新处理，获得第二循环寿命预测模型；根据所述至少一个第二实际寿命衰减率和所述至少一个第二实际寿命衰减率对应的至少一个第二工况，对所述第一存储寿命预测模型进行更新处理，获得第二存储寿命预测模型；所述根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测，包括：根据所述第二循环寿命预测模型和所述第二存储寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
在一种可能实现的实施中，所述根据所述第二循环寿命预测模型和所述第二存储寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测，包括：获取与所述第一单体电池关联的第三单体电池在循环使用场景中的至少一个第三工况；根据所述至少一个第三工况和所述第二循环寿命预测模型，计算所述第三单体电池在所述循环使用场景中的预测电池寿命；获取与所述第一单体电池关联的第三单体电池在静置场景中的至少一个第四工况；根据所述至少一个第四工况和所述第二存储寿命预测模型，计算所述第三单体电池在所述静置场景中的预测电池寿命；根据所述第三单体电池在所述循环使用场景中的预测电池寿命和所述静置场景中的预测电池寿命，计算所述第三单体电池的预测电池寿命。
在一种可能实现的实施中，所述根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型之前，所述方法还包括：获取所述至少一个实际寿命衰减率对应的至少一个工况中每个工况的工况频率，所述工况频率用于表示所述工况在所述至少一个工况中出现的概率；所述根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型，包括：根据所述至少一个实际寿命衰减率、所述至少一个实际寿命衰减率对应的至少一个工况以及每个所述工况的工况频率，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型。
在一种可能实现的实施中，所述第一工况包括温度、充放电电流、SOC区间；所述第二循环寿命预测模型的函数表达式为:
Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT)*Qz；
其中，Qloss所述为容量损耗，SOC为荷电状态，I为电流，ln(B)的值为4.15，Ea为活化能，R为气体常数，T为温度，Q为电量，z的值为0.92。
在一种可能实现的实施中，所述第二工况包括温度、SOC区间；所述第二储存预测模型的函数表达式为:
Qloss＝f(SOC)*B*exp(-Ea/RT)*tz；
其中，Qloss所述为容量损耗，SOC为荷电状态，ln(B)的值为14.12，Ea为活化能，R为气体常数，T为温度，Q为电量，t为静置时间，z的值为0.5。
第二方面，本发明实施例提供一种电池寿命预测装置，包括：
第一获得模块，用于对第一单体电池进行寿命衰减测试，获得第一寿命预测模型；
第一获取模块，用于获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，一个实际寿命衰减率对应一个工况，所述实际寿命衰减率是指所述第二单体电池在所述工况下测量得到的实际寿命衰减率；
第二获得模块，用于根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型；
预测模块，用于根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
在一种可能实现的实施中，所述第一寿命预测模型包括第一循环寿命预测模型和第一存储寿命预测模型，所述第一循环寿命模型用于表示所述第一单体电池在循环使用场景下的寿命衰减率，所述第一存储寿命预测模型用于表示所述第一单体电池在静置场景下的寿命衰减率；所述实际寿命衰减率包括第一实际寿命衰减率和第二实际寿命衰减率，一个所述第一实际寿命衰减率对应一个第一工况，一个所述第二实际寿命衰减率对应一个第二工况；所述第一实际寿命衰减率是指所述第二单体电池在所述第一工况下，且在循环使用场景中测量得到的实际寿命衰减率；所述第二实际寿命衰减率是指所述第二单体电池在所述第二工况下，且在静置场景中测量得到的实际寿命衰减率。
在一种可能实现的实施中，所述第二获得模块包括：第一获得单元，用于根据所述至少一个第一实际寿命衰减率和所述至少一个第一实际寿命衰减率对应的至少一个第一工况，对所述第一循环寿命预测模型进行更新处理，获得第二循环寿命预测模型；第二获得单元，用于根据所述至少一个第二实际寿命衰减率和所述至少一个第二实际寿命衰减率对应的至少一个第二工况，对所述第一存储寿命预测模型进行更新处理，获得第二存储寿命预测模型。所述预测模块包括：第一预测单元，用于根据所述第二循环寿命预测模型和所述第二存储寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
在一种可能实现的实施中，所述第一预测单元具体用于：获取与所述第一单体电池关联的第三单体电池在循环使用场景中的至少一个第三工况；根据所述至少一个第三工况和所述第二循环寿命预测模型，计算所述第三单体电池在所述循环使用场景中的预测电池寿命；获取与所述第一单体电池关联的第三单体电池在静置场景中的至少一个第四工况；根据所述至少一个第四工况和所述第二存储寿命预测模型，计算所述第三单体电池在所述静置场景中的预测电池寿命；根据所述第三单体电池在所述循环使用场景中的预测电池寿命和所述静置场景中的预测电池寿命，计算所述第三单体电池的预测电池寿命。
在一种可能实现的实施中，所述装置还包括：第二获取模块，用于获取所述至少一个实际寿命衰减率对应的至少一个工况中每个工况的工况频率，所述工况频率用于表示所述工况在所述至少一个工况中出现的概率；所述第二获得模块具体用于：根据所述至少一个实际寿命衰减率、所述至少一个实际寿命衰减率对应的至少一个工况以及每个所述工况的工况频率，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型。
在一种可能实现的实施中，所述第一工况包括温度、充放电电流、SOC区间；所述第二循环寿命预测模型的函数表达式为:
Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT)*Qz；
其中，Qloss所述为容量损耗，SOC为荷电状态，I为电流，ln(B)的值为4.15，Ea为活化能，R为气体常数，T为温度，Q为电量，z的值为0.92。
在一种可能实现的实施中，所述第二工况包括温度、SOC区间；所述第二储存预测模型的函数表达式为:
Qloss＝f(SOC)*B*exp(-Ea/RT)*tz；
其中，Qloss所述为容量损耗，SOC为荷电状态，ln(B)的值为14.12，Ea为活化能，R为气体常数，T为温度，Q为电量，t为静置时间，z的值为0.5。
第三方面，本发明实施例提供另一种电池寿命预测装置，其特征在于，包括处理器、存储器以及通信接口，所述处理器、存储器和通信接口相互连接，其中，所述通信接口用于接收和发送数据，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，执行第一方面所述的方法。
第四方面，本发明实施例提供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，所述计算机程序被处理器执行以实现第一方面所述的方法。
本发明实施例中，通过对第一单体电池进行寿命衰减测试，获得第一寿命预测模型，获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型，根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。采用本发明的技术方案，获得第一寿命预测模型之后，再根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型，再根据第二寿命预测模型预测电池的寿命，提高了单体电池寿命预测的准确度。
附图说明
为了说明本发明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。
图1为本发明实施例提供的一种电池寿命预测方法的流程图；
图2为本发明实施例提供的一种根据第二寿命预测模型对第三单体电池的电池寿命进行预测方法的示意图；
图3为本发明实施例提供的一种计算第三单体电池的预测电池寿命方法的示意图；
图4为本发明实施例提供的一种电池寿命预测装置的结构示意图；
图5为本发明实施例提供的另一种电池寿命预测装置的结构示意图。
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描述。
下面将结合附图1-附图3，对本发明实施例提供的一种电池寿命预测方法进行详细介绍。
请参见图1，为本发明实施例提供的一种电池寿命预测方法的流程示意图。如图1所示，本发明实施例的所述电池寿命预测方法可以包括以下步骤S101-步骤S104。
S101，对第一单体电池进行寿命衰减测试，获得第一寿命预测模型；
在本发明实施例中，可以根据车辆搭载第一单体电池的类型，对第一单体电池进行循环和存储场景下的衰减测试，获得第一单体电池对应的第一寿命预测模型。
其中，可以利用使用minitab或者其他正交设计软件，设计m水平n因素的第一单体电池循环测试方案。其中，因素是指与考察的变量，水平是指实验中任何单个因素能够取得的值的最大个数，又称等级。本发明实施例中的n因素至少包括温度、放电倍率两因素，还可以根据实际需要增加SOC荷电状态和充电倍率等因素，m水平可以依据实际使用工况边界确定。其他正交设计软件可以为SPSS、SAS、JMP、正交设计助手等软件，本发明实施例不做限制。
例如，如下表1所示，可以利用minitab正交设计软件设计5水平4因素的正交表。根据表1中5水平4因素的正交表，可以得到25组单体电池循环数据，一组实验数据对应一个工况。
表1
Figure BDA0002353099530000081
根据5水平4因素的25组单体电池循环数据，对第一单体电池进行循环衰减测试，该循环衰减测试可以参照国家标准循环寿命测试方法进行，循环寿命测试方法步骤可以为：先在一组单体电池循环数据对应的一个工况下进行一次循环衰减测试，如在15摄氏度下，将第一单体电芯充电至85％SOC状态，再将85％SOC状态下的第一单体电芯，以1I1(A)放电至企业规定的放电终止条件，以此对第一单体电池进行充电放电的过程为一次循环。又再将第一单体电池在某一温度条件下，以1I1(A)充电至某一个放电终止条件，又再次进行放电，以此类推根据25组单体电池循环数据对应的25个工况下进行循环衰减测试，在此不再累述。该循环寿命测试方法可以根据25组单体电池循环数据任意设计，本实施例不作限制。每隔100次循环按照国标标定一次第一单体电池的标准剩余容量、进行一次50％SOC下的HPPC测试，获取不同循环条件下对应的容量衰减率和内阻增长率。与现有技术不同的是，本实施例是利用正交实验设计的25组电芯循环数据，获得不同温度值、充放电倍率、SOC区间组成的多个工况下进行循环测试，获得多个工况下的衰减率。
其中，将第一单体电池对应的SOC值划分为至少一个SOC区间，如10％-20％、30％-40％、50％-60％。不同的SOC区间对应的不同状态，如10％-20％SOC区间对应的状态是较低SOC态，50％-60％SOC区间对应的状态是中SOC态等等。将第一单体电池在不同的SOC区间中进行循环测试，能定量描述循环SOC区间的影响。该实验设计方式能将SOC区间这一过程参数转变为当前SOC状态参数，便于分解实车工况中SOC循环区间对衰减的影响。
同样的，也可以利用正交实验设计m水平n因素的第一单体电池的储存测试方案，n因素至少包括温度、SOC区间等因素，m水平可以依据实际使用工况边界确定。
如表2所示，可以利用minitab正交设计软件设计5水平2因素的正交表。根据表1中的5水平2因素正交表，可以得到25组单体电池循环数据，一组单体电池循环数据对应一个工况。
表2：
水平数 温度(℃) SOC(％)
1 -15 20
2 0 40
3 15 60
4 35 80
5 50 100
根据5水平2因素组成的25组单体电池循环数据，对第一单体电池进行存储寿命衰减测试，一组电芯循环数据对应一个工况，该存储寿命衰减测试可以参照国家标准存储寿命测试方法进行。并每隔两个月标定一次第一单体电池的标准剩余容量、进行一次50％SOC下的HPPC测试，获取不同存储条件下对应的容量衰减率和内阻增长率。
利用正交实验设计循环寿命衰减测试方案和存储寿命衰减测试方案，对第一单体电池进行循环寿命衰减测试和存储寿命衰减测试，并获得不同工况下的容量衰减率之后。再利用正交实验分析软件及数据拟合软件，对第一单体电池的循环衰减规律和存储衰减规律进行建模，获得第一寿命预测模型。其中，所述第一寿命预测模型包括第一循环寿命预测模型和第一存储寿命预测模型，所述第一循环寿命模型用于表示所述第一单体电池在循环使用场景下的寿命衰减率，所述第一存储寿命预测模型用于表示所述第一单体电池在静置场景下的寿命衰减率。
其中，根据在循环寿命衰减测试中得到的每个工况以及每个工况对应的容量衰减率，获得第一循环寿命预测模型。首先，根据循环寿命衰减测试过程的衰减规律，获得初始循环寿命预测模型的拟合函数为f(x)＝f(SOC,T,I).Qb，T为温度，I为电流，Q为电量，SOC为荷电状态。再根据标准电流放电后进行充电时的充电工况造成的容量衰减量，与标准电流充电后进行放电时的放电工况造成的容量衰减量之间是不同的，即存在充电工况下的容量衰减影响和放电工况下的容量衰减影响，获得第一次改进后的循环寿命预测模型的拟合函数:
Figure BDA0002353099530000101
Figure BDA0002353099530000102
表示标准电流放电下充电工况造成的衰减量，
Figure BDA0002353099530000103
表示标准充电电流下放电工况造成的衰减量,SOC为荷电状态，T为温度，Ich为充电电流，Idch为放电电流，Q为累积电量，b为未知常数。根据实验数据显示，当充电工况比较规律时，可以只考虑放电工况的影响。
其中，根据不同工况对应的容量衰减率不同，将改进后的循环寿命预测模型的拟合函数：
Figure BDA0002353099530000104
进行再次完善，获得第二次改进的循环寿命预测模型的拟合函数：
Figure BDA0002353099530000105
ck表示的是总容量衰减率，即单体电芯在一段时间中的n个工况对应的容量衰减率之和。再根据ck获得多段时间中多个工况循环后的总积累容量衰减率Ck，Ck的函数表达式为：
Figure BDA0002353099530000106
该总积累容量衰减率Ck表示第一单体电芯在循环使用场景下n个工况循环m次以后的总积累容量衰减率，Q0表示工况循环单元内的总消耗电量。该总积累容量衰减率Ck为第一循环寿命衰减预测模型。
其中，可以根据在存储寿命衰减测试中得到的每个工况以及每个工况对应的容量衰减率，获得第一存储寿命预测模型。首先，根据存储寿命衰减测试中的各个工况以及各个工况对应的容量衰减率，获得初始储寿命预测模型，该初始储寿命预测模型的拟合函数为f(x)＝f(T,SOC).ta。其中，T为温度，SOC为荷电状态，t为时间，T为温度，a为未知常数。根据不同工况对应的容量衰减率不同，将初始存储寿命预测模型的拟合函数f(x)＝f(T,SOC).ta进行完善，获得改进后的存储寿命预测模型的拟合函数：
Figure BDA0002353099530000111
其中，cs用于表示第一单体电芯在静置场景下某一段时间的总容量衰减率，即某一段时间中n个工况对应的容量衰减率之和，ti为第i个工况所占的时间比例，t为该统计时间之前进行存储的总时间。再根据cs获得多段时间中多个工况循环后的总积累容量衰减率CS，该CS的函数表达式为：
Figure BDA0002353099530000112
其中，t0表示工况循环单元内的总静置时间，该总积累容量衰减率CS表示第一单体电芯在静置场景下n个工况循环m次以后的总积累容量衰减率。该总积累容量衰减率
Figure BDA0002353099530000113
Figure BDA0002353099530000114
为第一存储寿命预测模型。
S102，获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，一个实际寿命衰减率对应一个工况，所述实际寿命衰减率是指所述第二单体电池在所述工况下测量得到的实际寿命衰减率；
S103，根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型；
在本实施例中，获得第一单体电池对应的第一循环寿命预测模型与第一存储寿命预测模型之后，再获取与第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，一个实际寿命衰减率对应一个工况，所述实际寿命衰减率是指所述第二单体电池在所述工况下测量得到的实际寿命衰减率。所述实际寿命衰减率包括第一实际寿命衰减率和第二实际寿命衰减率，一个所述第一实际寿命衰减率对应一个第一工况，一个所述第二实际寿命衰减率对应一个第二工况。所述第一实际寿命衰减率是指所述第二单体电池在所述第一工况下，且在循环使用场景中测量得到的实际寿命衰减率，所述第二实际寿命衰减率是指所述第二单体电池在所述第二工况下，且在静置场景中测量得到的实际寿命衰减率。与第一单体电池关联指的是存在与第一单体电池的型号相同，或者与第一单体电池属于同一种类等关联关系，在本实施例中，第二单体电池是指搭载在实车上的第一单体电池关联的单体电池。
如图2所示，为本发明实施例提供的一种根据第二寿命预测模型对第三单体电池的电池寿命进行预测方法的示意图，如图所示本实施例所述的根据第二寿命预测模型对第三单体电池的电池寿命进行预测方法步骤包括S21-S23；
S21，根据所述至少一个第一实际寿命衰减率和所述至少一个第一实际寿命衰减率对应的至少一个第一工况，对所述第一循环寿命预测模型进行更新处理，获得第二循环寿命预测模型；
S22，根据所述至少一个第二实际寿命衰减率和所述至少一个第二实际寿命衰减率对应的至少一个第二工况，对所述第一存储寿命预测模型进行更新处理，获得第二存储寿命预测模型。
可选的，统计第二单体电池在实车循环使用场景下某一时间阶段内(例如一年)的至少一个第一工况，第一工况包括温度T、充放电电流I、SOC区间等因素，统计每一个第一工况中充/放电电流、SOC、温度各自的出现频率分布函数g，总放电时间为t，以及在该统计时间段之前，第二单体电池历经的总电量为Q。一个第一工况(SOC,I,T)出现的概率为g(SOC).g(I).g(T)(或者使用多维频率统计，则第一工况(SOC,I,T)出现的概率为g(SOC,I,T))。第一工况(SOC,I,T)对应的电量为Q(i)＝I.g(SOC).g(I).g(T).t1。该时间段内各第一工况对应容量衰减率之和为总容量衰减量ck。将各统计时间段内的总容量衰减率ck累加得到总累积容量衰减率CK(ck也可以表示内阻增长率)。
其中，根据所述至少一个第一实际寿命衰减率和所述至少一个第一实际寿命衰减率对应的至少一个第一工况，对所述第一循环寿命预测模型进行更新处理，获得第二循环寿命预测模型。获取第二单体电池在实车循环使用场景下每一个第一工况以及每一个第一工况对应的工况频率，以及每一个第一工况对应的容量衰减率，将每一个第一工况以及每一个第一工况出现的工况频率，以及每一个第一工况对应的容量衰减率以及其他变量的值代入第一循环寿命预测模型之中，获得第一循环寿命预测模型中未知常数b的值，并且对第一循环寿命预测模型进行更新处理，获得第二循环寿命预测模型，该第二循环寿命预测模型的函数表达式为Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT).Qz，其中，R为气体常数，Q为累积使用电量，T为循环温度，其余参数见表3。
表3：
工作状态 E<sub>a</sub>(KJ/mol) z ln(B) f(SOC) f(I) f(I)
循环 22.626 0.92 4.15 (SOC/100)^0.5 I^0.5(I<1C) I^0.4(I>1C)
例如，如下表4所示，统计第二单体电池在实车循环使用场景下某一段时间的第一工况以及每个第一工况对应的第一工况频率。表中列出了每一个第一工况中温度、SOC区间、电流区间的值，其中，历史小时数是指在该统计时间之前实车已经循环运行的小时数量。
表4：
Figure BDA0002353099530000131
Figure BDA0002353099530000141
如表5所示，为第二单体电芯在实车循环使用场景下一段时间中每一个第一工况对应的容量衰减率。
表5：
Figure BDA0002353099530000142
将每一个第一工况以及每一个第一工况对应的工况频率，以及每一个第一工况对应的容量衰减率和其他参数的值代入第一循环寿命预测模型对应的函数表达式
Figure BDA0002353099530000143
Figure BDA0002353099530000144
之中。例如，第一个第一工况中的温度为[28,30)，SOC区间为[0,10)，电流区间为[0,0.1)，统计得到该第一工况对应的工况频率为0.017％，即该第一工况出现的小时数量217除以总计小时数量12955，统计得到该第一工况对应的容量衰减率为0.02。第二个第一工况中的温度为[28,30)，SOC区间为[10,20)，电流区间为[0,0.1)，统计得到该第一工况对应的工况频率为0.036％，即该第二个第一工况出现的小时数量469除以总计小时数量12955，统计该第二个第一工况对应的容量衰减率为0.05。其他第一工况以及对应的工况频率，以及对应的容量衰减率如表4和表5所示，在此不再累述。根据每一个第一工况以及每一个第一工况对应的工况频率，获得每个第一工况(SOC,I,T)对应的电量为Q(i)＝I.g(SOC).g(I).g(T).t1，再根据每个第一工况的电量获得在该时间段中的中消耗电量Q0，再根据每一个第一工况对应的工况频率，以及再获得第一循环寿命预测模型中除未知常数b的值以外的其他变量的值，将获取到的除未知常数b的值以外的其他变量的值代入第一循环寿命预测模型中，就可以获得未知常数b的值，并且根据代入值时获得到的一些规律，对第一循环寿命预测模型进行更新处理，获得第二循环寿命预测模型，该第二循环寿命预测模型的函数表达式为：
Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT).Qz，其中温度间隔1-3℃为等效温度区间，SOC间隔5-10％为等效SOC区间，电流间隔0.1C-1C为等效电流区间，其中温度、电流和SOC区间可以根据实际情况取值，本实施例不作限制。其中代入第一循环寿命预测模型公式
Figure BDA0002353099530000151
的电流、温度、SOC区间取该区间的平均值。为提高预测精度，第一工况统计时间间隔尽可能短，尤其是实车运行前期。因为运行前期为寿命快速衰减期，如果统计间隔过大，所有工况均处于初期快速衰减期，导致预测寿命衰减过快，增大误差。优选时间间隔为0-1年，其中车辆运行初期时间间隔为0-1月，也可以根据需要自定义，本实施例不做限制。
再统计第二单体电池在存储场景下某一时间阶段内的至少一个第二工况，该第二工况包括温度T、SOC区间等因素，统计每个第二工况以及每个第二工况的时间分布ti，以及在该某一时间段之前进行存储的总时间t，获得该统计时间段中每一个第二工况对应的第二实际寿命衰减率，再根据每一个第二工况对应的第二实际寿命衰减率容量衰减率之和，获得总容量衰减率cs。将每个统计时间段内的总容量衰减率cs累加得到总累积容量衰减率CS(cs也可以表示内阻增长率)。
其中，将每个第二工况以及每个第二工况出现的时间分布比例，以及每个第二工况对应的容量衰减率和其他变量的值代入第一存储寿命预测模型之中，获得第一存储寿命预测模型中未知常数a的值，并且对第一存储寿命预测模型进行更新处理，获得第二储存寿命预测模型，该第二储存寿命预测模型的函数表达式为：
Qloss＝f(SOC)*B*exp(-Ea/RT)*tz，
其中，R为气体常数，t为静置时间，T为静置温度，其余参数见表6。
表6：
工作状态 Ea(KJ/mol) z ln(B) f(SOC)
存储 39.21 0.5 14.12 (SOC/100)^0.3
例如，如下表7所示，统计第二单体电池在实车静置场景下某一一段时间的第二工况以及每个第二工况对应的时间分布比例。表中列出了每一个第二工况中温度、SOC区间的值以及每一个第二工况对应的时间分布，其中，历史天数是指在该统计时间之前实车已经静置的天数。
表7：
Figure BDA0002353099530000161
如表8所示，为第二单体电池在实车静置场景下某一段时间中每个第二工况对应的容量衰减率。
表8：
Figure BDA0002353099530000171
将每一个第二工况以及每一个第二工况对应的工况频率，以及每一个第二工况对应的容量衰减率代入第一存储寿命预测模型对应的函数表达式：
Figure BDA0002353099530000172
之中，例如，第一个第二工况中的温度为[28,30)，SOC区间为[0,10)，统计得到该第二工况对应的工况频率ti为0.0043％，即该第二工况出现的天数1.4除以总计天数327.4。统计得到该第二工况对应的容量衰减率为0.01。第二个第二工况中的温度为[28,30)，SOC区间为[10,20)，统计得到该第二个第二工况对应的工况频率ti为0.0039％，即该第二工况出现的天数12.9除以总计天数327.4，统计得到该第二工况对应的容量衰减率为0.07。其他第二工况以及对应的工况频率，以及对应的容量衰减率如表7和表8所示，在此不再累述。获得此前存储的总时间t，获得的每一个第二工况以及每一个第二工况对应的工况频率ti，以及此前存储的总时间t，以及获得第一存储寿命预测模型中除未知常数a的值以外的其他变量的值，将获取到的除未知常数a的值以外的其他变量的值代入第一存储寿命预测模型中，就可以获得未知常数a的值，并且根据代入操作获得到的一些规律，对第一循环寿命预测模型进行更新处理，获得第二循环寿命预测模型，该第二循环寿命预测模型的函数表达式为Qloss＝f(SOC)*B*exp(-Ea/RT)*tz。其中代入第一循环寿命预测模型公式：
Figure BDA0002353099530000181
的温度、SOC区间取该区间的平均值。为提高预测精度，第二工况统计时间间隔尽可能短，可以根据需要自定义，本实施例不做限制。
S23,根据所述第二循环寿命预测模型和所述第二存储寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
获取到第二循环寿命预测模型和所述第二存储寿命预测模型之后，可以根据第二循环寿命预测模型的函数表达式：
Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT).Qz，以及第二存储寿命预测模型的函数表达式Qloss＝f(SOC)*B*exp(-Ea/RT)*tz，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。根据车辆耗电量与里程和行驶时间对应关系，最终获得目标车辆的行驶里程或者行驶时间寿命。基于具体车辆的工况进行分解统计，相比使用典型工况预测，预测结果更具有针对性。与第一单体电池关联指的是与第一单体电池的型号相同，或者与第一单体电池属于同一种类等，第三单体电池可以是搭载在除第二单体电池所在车辆以外的其他车辆上面的单体电池。
S104，根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
在本实施例中，获得第二寿命预测模型之后，即获取到第二循环寿命预测模型和所述第二存储寿命预测模型之后，可以根据第二循环寿命预测模型的函数表达式Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT).Qz，以及第二存储寿命预测模型的函数表达式：
Qloss＝f(SOC)*B*exp(-Ea/RT)*tz，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
如图3所示，为本发明实施例提供的一种计算第三单体电池的预测电池寿命方法的示意图，如图所示，该计算第三单体电池的预测电池寿命方法步骤包括S31-S35；
S31，获取与所述第一单体电池关联的第三单体电池在循环使用场景中的至少一个第三工况；
S32，根据所述至少一个第三工况和所述第二循环寿命预测模型，计算所述第三单体电池在所述循环使用场景中的预测电池寿命；
在本实施例中，在根据第二循环寿命预测模型对与第一单体电池关联的第三单体电池进行寿命预测的时候，首先获取第三单体电池在实车循环使用场景中某一段时间中至少一个第三工况中的温度T、电流I、SOC值，以及每一个第三工况对应的工况频率，以此预估出该至少一个第三工况在第三单体电池的整个寿命中出现的预计工况频率，将获取到的至少一个第三工况中温度T、电流I、SOC值，以及每一个第三工况对应的预计工况频率代入第二循环寿命预测模型的函数表达式Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT).Qz中，将Qloss取值为20％，即根据国家标准，当累积衰减量达到20％或者衰减率大于1％/月时(或者累积内阻增加率大于50％、内阻增长率>2％/月)，对应的时间为该车在目前工况状态下的寿命。就可以获得函数表达式Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT).Qz中时间变量t1的值，该时间变量t1的值就为第三单体电池在循环场景下的预测电池寿命。
S33，获取与所述第一单体电池关联的第三单体电池在静置场景中的至少一个第四工况；
S34，根据所述至少一个第四工况和所述第二存储寿命预测模型，计算所述第三单体电池在所述静置场景中的预测电池寿命；
再根据第二存储寿命预测模型对与第三单体电池进行寿命预测的时候，首先获取第三单体电池在静置场景中的至少一个第四工况，获取该至少一个第四工况中温度T、SOC值，以及每一个第四工况对应的工况频率，以此预估出该至少一个第四工况在第三单体电池的整个寿命中出现的预计工况频率，将获取到的至少一个第三工况中温度T、SOC值，以及每一个第四工况对应的预计工况频率代入第二循环寿命预测模型的函数表达式Qloss＝f(SOC)*B*exp(-Ea/RT)*tz中，将Qloss取值为20％。就可以获得函数表达式：
Qloss＝f(SOC)*B*exp(-Ea/RT)*tz中时间变量t的值，该时间变量t的值就为第三单体电池在静置场景下的预测电池寿命。
S35，根据所述第三单体电池在所述循环使用场景中的预测电池寿命和所述静置场景中的预测电池寿命，计算所述第三单体电池的预测电池寿命。
获得第三单体电池在循环场景下的预测电池寿命和第三单体电池在静置场景下的预测电池寿命之后，根据第三单体电池在循环场景下的预测电池寿命和第三单体电池在静置场景下的预测电池寿命之和，就可以获得第三单体电池的预测电池寿命。
本发明实施例中，通过对第一单体电池进行寿命衰减测试，获得第一寿命预测模型，获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型，根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。采用本发明的技术方案，利用正交实验设计第一单体电池的加速寿命衰减测试，减少实验样本量，节约测试成本，并且将第一单体电池在不同SOC区间循环，建立寿命衰减与SOC状态的对应模型，便于将循环这一过程量转变为状态量进行描述；同时，对安装在实车上的第二单体电池的运行工况数据进行分时间段计算，计算时考虑第二单体电池寿命衰减中时序问题的影响，提高动力单体电池寿命预测精度；通过根据第三单体电池在实车运行过程中的至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型，计算各具体工况的造成的寿命衰减，实现任何实际工况下的寿命预测，无需要局限于某些典型工况下的寿命预测，拓展寿命预测使用范围，并根据第二寿命预测模型预测第三单体电池的寿命，提高了电池寿命预测的准确度。
请参见图4，为本发明实施例提供了一种电池寿命预测装置的结构示意图。如图4所示，本发明实施例的所述一种电池寿命预测装置可以包括：
第一获得模块11，用于对第一单体电池进行寿命衰减测试，获得第一寿命预测模型；
第一获取模块12，用于获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，一个实际寿命衰减率对应一个工况，所述实际寿命衰减率是指所述第二单体电池在所述工况下测量得到的实际寿命衰减率；
第二获得模块13，用于根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型；
第二获得模块包括第一获得单元、第二获得单元；
第一获得单元，用于根据所述至少一个第一实际寿命衰减率和所述至少一个第一实际寿命衰减率对应的至少一个第一工况，对所述第一循环寿命预测模型进行更新处理，获得第二循环寿命预测模型；
第二获得单元，用于根据所述至少一个第二实际寿命衰减率和所述至少一个第二实际寿命衰减率对应的至少一个第二工况，对所述第一存储寿命预测模型进行更新处理，获得第二存储寿命预测模型。
预测模块14，用于根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
所述预测模块包括第一预测单元；
第一预测单元，用于根据所述第二循环寿命预测模型和所述第二存储寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
在一种可能实现的实施中，所述第一预测单元具体用于：
获取与所述第一单体电池关联的第三单体电池在循环使用场景中的至少一个第三工况；
根据所述至少一个第三工况和所述第二循环寿命预测模型，计算所述第三单体电池在所述循环使用场景中的预测电池寿命；
获取与所述第一单体电池关联的第三单体电池在静置场景中的至少一个第四工况；
根据所述至少一个第四工况和所述第二存储寿命预测模型，计算所述第三单体电池在所述静置场景中的预测电池寿命；
根据所述第三单体电池在所述循环使用场景中的预测电池寿命和所述静置场景中的预测电池寿命，计算所述第三单体电池的预测电池寿命。
在一种可能实现的实施中，所述装置还包括：
第二获取模块，用于获取所述至少一个实际寿命衰减率对应的至少一个工况中每个工况的工况频率，所述工况频率用于表示所述工况在所述至少一个工况中出现的概率；
所述第二获得模块具体用于：
根据所述至少一个实际寿命衰减率、所述至少一个实际寿命衰减率对应的至少一个工况以及每个所述工况的工况频率，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型。
在一种可能实现的实施中，所述第一寿命预测模型包括第一循环寿命预测模型和第一存储寿命预测模型，所述第一循环寿命模型用于表示所述第一单体电池在循环使用场景下的寿命衰减率，所述第一存储寿命预测模型用于表示所述第一单体电池在静置场景下的寿命衰减率；
所述实际寿命衰减率包括第一实际寿命衰减率和第二实际寿命衰减率，一个所述第一实际寿命衰减率对应一个第一工况，一个所述第二实际寿命衰减率对应一个第二工况；
所述第一实际寿命衰减率是指所述第二单体电池在所述第一工况下，且在循环使用场景中测量得到的实际寿命衰减率；
所述第二实际寿命衰减率是指所述第二单体电池在所述第二工况下，且在静置场景中测量得到的实际寿命衰减率。
在一种可能实现的实施中，所述第一工况包括温度、充放电电流、SOC区间；
所述第二循环寿命预测模型的函数表达式为：
Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT)*Qz；
其中，Qloss所述为容量损耗，SOC为荷电状态，I为电流，ln(B)的值为4.15，Ea为活化能，R为气体常数，T为温度，Q为电量，z的值为0.92。
在一种可能实现的实施中，所述第二工况包括温度、SOC区间；
所述第二储存预测模型的函数表达式为：
Qloss＝f(SOC)*B*exp(-Ea/RT)*tz；
其中，Qloss所述为容量损耗，SOC为荷电状态，ln(B)的值为14.12，Ea为活化能，R为气体常数，T为温度，Q为电量，t为静置时间，z的值为0.5。
具体内容可以参照图1步骤所述的内容，在此不再累述。
本发明实施例中，通过对第一单体电池进行寿命衰减测试，获得第一寿命预测模型，获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型，根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。采用本发明的技术方案，利用正交实验设计第一单体电池的加速寿命衰减测试，减少实验样本量，节约测试成本；同时，通过根据第三单体电池在实车运行过程中的至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型，并根据第二寿命预测模型预测第三单体电池的寿命，提高了单体电池寿命预测的准确度。
请参照图5，为本发明实施例提供的另一种电池寿命预测装置的结构示意图，如图5所示，所述电池寿命预测装置1000可以包括：至少一个处理器1001，例如CPU，至少一个通信接口1003，存储器1004，至少一个通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。通信接口1003可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1004可以是高速RAM存储器，也可以是非不稳定的存储器(NoN-volatileMeMory)，例如至少一个磁盘存储器。存储器1004可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图5所示，作为一种计算机存储介质的存储器1004中可以包括操作系统、网络通信模块以及程序指令。
在图5所示的一种电池寿命预测装置1000中，处理器1001可以用于加载存储器1004中存储的程序指令，并具体执行以下操作：
对第一单体电池进行寿命衰减测试，获得第一寿命预测模型；
获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，一个实际寿命衰减率对应一个工况，所述实际寿命衰减率是指所述第二单体电池在所述工况下测量得到的实际寿命衰减率；
根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型；
根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
在一种可能实现的实施中，所述第一寿命预测模型包括第一循环寿命预测模型和第一存储寿命预测模型，所述第一循环寿命模型用于表示所述第一单体电池在循环使用场景下的寿命衰减率，所述第一存储寿命预测模型用于表示所述第一单体电池在静置场景下的寿命衰减率；
所述实际寿命衰减率包括第一实际寿命衰减率和第二实际寿命衰减率，一个所述第一实际寿命衰减率对应一个第一工况，一个所述第二实际寿命衰减率对应一个第二工况；
所述第一实际寿命衰减率是指所述第二单体电池在所述第一工况下，且在循环使用场景中测量得到的实际寿命衰减率；
所述第二实际寿命衰减率是指所述第二单体电池在所述第二工况下，且在静置场景中测量得到的实际寿命衰减率。
在一种可能实现的实施中，所述根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型，包括：
根据所述至少一个第一实际寿命衰减率和所述至少一个第一实际寿命衰减率对应的至少一个第一工况，对所述第一循环寿命预测模型进行更新处理，获得第二循环寿命预测模型；
根据所述至少一个第二实际寿命衰减率和所述至少一个第二实际寿命衰减率对应的至少一个第二工况，对所述第一存储寿命预测模型进行更新处理，获得第二存储寿命预测模型。
所述根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测，包括：
根据所述第二循环寿命预测模型和所述第二存储寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
在一种可能实现的实施中，所述根据所述第二循环寿命预测模型和所述第二存储寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测，包括：
获取与所述第一单体电池关联的第三单体电池在循环使用场景中的至少一个第三工况；
根据所述至少一个第三工况和所述第二循环寿命预测模型，计算所述第三单体电池在所述循环使用场景中的预测电池寿命；
获取与所述第一单体电池关联的第三单体电池在静置场景中的至少一个第四工况；
根据所述至少一个第四工况和所述第二存储寿命预测模型，计算所述第三单体电池在所述静置场景中的预测电池寿命；
根据所述第三单体电池在所述循环使用场景中的预测电池寿命和所述静置场景中的预测电池寿命，计算所述第三单体电池的预测电池寿命。
在一种可能实现的实施中，所述根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型之前，还包括：
获取所述至少一个实际寿命衰减率对应的至少一个工况中每个工况的工况频率，所述工况频率用于表示所述工况在所述至少一个工况中出现的概率；
所述根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型，包括：
根据所述至少一个实际寿命衰减率、所述至少一个实际寿命衰减率对应的至少一个工况以及每个所述工况的工况频率，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型。
在一种可能实现的实施中，所述第一工况包括温度、充放电电流、SOC区间；
所述第二循环寿命预测模型的函数表达式为：
Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT)*Qz；
其中，Qloss所述为容量损耗，SOC为荷电状态，I为电流，ln(B)的值为4.15，Ea为活化能，R为气体常数，T为温度，Q为电量，z的值为0.92。
在一种可能实现的实施中，所述第二工况包括温度、SOC区间；
所述第二储存预测模型的函数表达式为：
Qloss＝f(SOC)*B*exp(-Ea/RT)*tz；
其中，Qloss所述为容量损耗，SOC为荷电状态，ln(B)的值为14.12，Ea为活化能，R为气体常数，T为温度，Q为电量，t为静置时间，z的值为0.5。
具体内容可以参看图1所述内容，在此不再累述。
本发明实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1所示实施例的方法步骤，具体执行过程可以参见图1所示实施例的具体说明，在此不进行赘述。
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，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-ONlyMeMory，ROM)或随机存储记忆体(RaNdoM AccessMeMory，RAM)等。

Claims (10)

1.一种电池寿命预测方法，其特征在于，包括：
对第一单体电池进行寿命衰减测试，获得第一寿命预测模型；
获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，一个实际寿命衰减率对应一个工况，所述实际寿命衰减率是指所述第二单体电池在所述工况下测量得到的实际寿命衰减率；
根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型；
根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
2.如权利要求1所述的方法，其特征在于，所述第一寿命预测模型包括第一循环寿命预测模型和第一存储寿命预测模型，所述第一循环寿命模型用于表示所述第一单体电池在循环使用场景下的寿命衰减率，所述第一存储寿命预测模型用于表示所述第一单体电池在静置场景下的寿命衰减率；
所述实际寿命衰减率包括第一实际寿命衰减率和第二实际寿命衰减率，一个所述第一实际寿命衰减率对应一个第一工况，一个所述第二实际寿命衰减率对应一个第二工况；
所述第一实际寿命衰减率是指所述第二单体电池在所述第一工况下，且在循环使用场景中测量得到的实际寿命衰减率；
所述第二实际寿命衰减率是指所述第二单体电池在所述第二工况下，且在静置场景中测量得到的实际寿命衰减率。
3.如权利要求2所述的方法，其特征在于，所述根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型，包括：
根据所述至少一个第一实际寿命衰减率和所述至少一个第一实际寿命衰减率对应的至少一个第一工况，对所述第一循环寿命预测模型进行更新处理，获得第二循环寿命预测模型；
根据所述至少一个第二实际寿命衰减率和所述至少一个第二实际寿命衰减率对应的至少一个第二工况，对所述第一存储寿命预测模型进行更新处理，获得第二存储寿命预测模型；
所述根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测，包括：
根据所述第二循环寿命预测模型和所述第二存储寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
4.如权利要求3所述的方法，其特征在于，所述根据所述第二循环寿命预测模型和所述第二存储寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测，包括：
获取与所述第一单体电池关联的第三单体电池在循环使用场景中的至少一个第三工况；
根据所述至少一个第三工况和所述第二循环寿命预测模型，计算所述第三单体电池在所述循环使用场景中的预测电池寿命；
获取与所述第一单体电池关联的第三单体电池在静置场景中的至少一个第四工况；
根据所述至少一个第四工况和所述第二存储寿命预测模型，计算所述第三单体电池在所述静置场景中的预测电池寿命；
根据所述第三单体电池在所述循环使用场景中的预测电池寿命和所述静置场景中的预测电池寿命，计算所述第三单体电池的预测电池寿命。
5.如权利要求1-4任一项所述的方法，其特征在于，所述根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型之前，所述方法还包括：
获取所述至少一个实际寿命衰减率对应的至少一个工况中每个工况的工况频率，所述工况频率用于表示所述工况在所述至少一个工况中出现的概率；
所述根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对第一寿命预测模型进行更新处理，获得第二寿命预测模型，包括：
根据所述至少一个实际寿命衰减率、所述至少一个实际寿命衰减率对应的至少一个工况以及每个所述工况的工况频率，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型。
6.如权利要求2所述的方法，其特征在于，所述第一工况包括温度、充放电电流、SOC区间；
所述第二循环寿命预测模型的函数表达式为:
Qloss＝f(SOC)*f(I)*B*exp(-Ea/RT)*Qz；
其中，Qloss所述为容量损耗，SOC为荷电状态，I为电流，ln(B)的值为4.15，Ea为活化能，R为气体常数，T为温度，Q为电量，z的值为0.92。
7.如权利要求2所述的方法，其特征在于，所述第二工况包括温度、SOC区间；
所述第二储存预测模型的函数表达式为:
Qloss＝f(SOC)*B*exp(-Ea/RT)*tz；
其中，Qloss所述为容量损耗，SOC为荷电状态，ln(B)的值为14.12，Ea为活化能，R为气体常数，T为温度，Q为电量，t为静置时间，z的值为0.5。
8.一种电池寿命预测装置，其特征在于，包括：
第一获得模块，用于对第一单体电池进行寿命衰减测试，获得第一寿命预测模型；
第一获取模块，用于获取与所述第一单体电池关联的第二单体电池对应的至少一个实际寿命衰减率，一个实际寿命衰减率对应一个工况，所述实际寿命衰减率是指所述第二单体电池在所述工况下测量得到的实际寿命衰减率；
第二获得模块，用于根据所述至少一个实际寿命衰减率和所述至少一个实际寿命衰减率对应的至少一个工况，对所述第一寿命预测模型进行更新处理，获得第二寿命预测模型；
预测模块，用于根据所述第二寿命预测模型，对与所述第一单体电池关联的第三单体电池的电池寿命进行预测。
9.一种电池寿命预测装置，其特征在于，包括处理器、存储器以及通信接口，所述处理器、存储器和通信接口相互连接，其中，所述通信接口用于接收和发送数据，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，执行如权利要求1至7任一项所述的方法。
10.一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，所述计算机程序被处理器执行以实现权利要求1至7任一项所述的方法。
CN201911424064.3A 2019-12-31 2019-12-31 电池寿命预测方法及装置 Active CN113125982B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911424064.3A CN113125982B (zh) 2019-12-31 2019-12-31 电池寿命预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911424064.3A CN113125982B (zh) 2019-12-31 2019-12-31 电池寿命预测方法及装置

Publications (2)

Publication Number Publication Date
CN113125982A true CN113125982A (zh) 2021-07-16
CN113125982B CN113125982B (zh) 2022-10-18

Family

ID=76769900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911424064.3A Active CN113125982B (zh) 2019-12-31 2019-12-31 电池寿命预测方法及装置

Country Status (1)

Country Link
CN (1) CN113125982B (zh)

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000075678A1 (en) * 1999-06-03 2000-12-14 Invensys Energy Systems (Nz) Limited Battery capacity measurement
CN101276949A (zh) * 2007-12-27 2008-10-01 奇瑞汽车股份有限公司 一种用于混合动力汽车电池性能检测装置及检测方法
EP2648011A1 (en) * 2012-04-05 2013-10-09 Samsung SDI Co., Ltd. System for predicting lifetime of battery
CN103778280A (zh) * 2014-01-08 2014-05-07 上海交通大学 具有模型主动更新策略的锂离子电池剩余寿命预测方法
WO2014103705A1 (ja) * 2012-12-26 2014-07-03 三菱電機株式会社 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
CN104833918A (zh) * 2014-05-22 2015-08-12 北汽福田汽车股份有限公司 用于车辆的动力电池的使用寿命检测方法及系统
US20150355283A1 (en) * 2014-06-05 2015-12-10 Ford Global Technologies, Llc Method and System for Estimating Battery Model Parameters to Update Battery Models Used for Controls
CN105842630A (zh) * 2016-05-05 2016-08-10 超威电源有限公司 一种电动车用铅酸电池城市工况寿命检测制定方法
CN105974326A (zh) * 2016-06-01 2016-09-28 华霆（合肥）动力技术有限公司 锂电池寿命预估方法及装置
CN106093778A (zh) * 2016-05-30 2016-11-09 浙江南都电源动力股份有限公司 电池状态预测方法及系统
CN106093781A (zh) * 2016-05-27 2016-11-09 合肥国轩高科动力能源有限公司 一种动力锂离子电池日历寿命测试方法
CN106291372A (zh) * 2016-07-22 2017-01-04 南京工业大学 一种新的锂离子动力电池剩余寿命预测方法
CN107219461A (zh) * 2016-03-22 2017-09-29 珠海光宇电池有限公司 二次电池的寿命预测方法及电源管理方法
CN107271922A (zh) * 2017-08-02 2017-10-20 合肥国轩高科动力能源有限公司 一种新能源汽车整车电池系统寿命预测的方法
CN107831441A (zh) * 2017-09-20 2018-03-23 哈尔滨理工大学 锂电池充电电流的预测方法、预测系统及一种充电装置
CN107957562A (zh) * 2018-01-05 2018-04-24 广西大学 一种锂离子电池剩余寿命在线预测方法
US20180143257A1 (en) * 2016-11-21 2018-05-24 Battelle Energy Alliance, Llc Systems and methods for estimation and prediction of battery health and performance
CN108802616A (zh) * 2017-04-27 2018-11-13 苏州宝时得电动工具有限公司 电动设备及其电池电量管理方法和系统
KR101944313B1 (ko) * 2018-04-30 2019-02-01 쌍용자동차 주식회사 배터리의 수명예측장치
CN110275119A (zh) * 2019-08-01 2019-09-24 优必爱信息技术（北京）有限公司 一种电池健康状态评估模型构建方法、评估方法和装置
CN110308396A (zh) * 2019-07-03 2019-10-08 华人运通(江苏)技术有限公司 电池状态监测方法、边缘处理器、系统及存储介质

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000075678A1 (en) * 1999-06-03 2000-12-14 Invensys Energy Systems (Nz) Limited Battery capacity measurement
CN101276949A (zh) * 2007-12-27 2008-10-01 奇瑞汽车股份有限公司 一种用于混合动力汽车电池性能检测装置及检测方法
EP2648011A1 (en) * 2012-04-05 2013-10-09 Samsung SDI Co., Ltd. System for predicting lifetime of battery
WO2014103705A1 (ja) * 2012-12-26 2014-07-03 三菱電機株式会社 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
CN103778280A (zh) * 2014-01-08 2014-05-07 上海交通大学 具有模型主动更新策略的锂离子电池剩余寿命预测方法
CN104833918A (zh) * 2014-05-22 2015-08-12 北汽福田汽车股份有限公司 用于车辆的动力电池的使用寿命检测方法及系统
US20150355283A1 (en) * 2014-06-05 2015-12-10 Ford Global Technologies, Llc Method and System for Estimating Battery Model Parameters to Update Battery Models Used for Controls
CN107219461A (zh) * 2016-03-22 2017-09-29 珠海光宇电池有限公司 二次电池的寿命预测方法及电源管理方法
CN105842630A (zh) * 2016-05-05 2016-08-10 超威电源有限公司 一种电动车用铅酸电池城市工况寿命检测制定方法
CN106093781A (zh) * 2016-05-27 2016-11-09 合肥国轩高科动力能源有限公司 一种动力锂离子电池日历寿命测试方法
CN106093778A (zh) * 2016-05-30 2016-11-09 浙江南都电源动力股份有限公司 电池状态预测方法及系统
CN105974326A (zh) * 2016-06-01 2016-09-28 华霆（合肥）动力技术有限公司 锂电池寿命预估方法及装置
CN106291372A (zh) * 2016-07-22 2017-01-04 南京工业大学 一种新的锂离子动力电池剩余寿命预测方法
US20180143257A1 (en) * 2016-11-21 2018-05-24 Battelle Energy Alliance, Llc Systems and methods for estimation and prediction of battery health and performance
CN108802616A (zh) * 2017-04-27 2018-11-13 苏州宝时得电动工具有限公司 电动设备及其电池电量管理方法和系统
CN107271922A (zh) * 2017-08-02 2017-10-20 合肥国轩高科动力能源有限公司 一种新能源汽车整车电池系统寿命预测的方法
CN107831441A (zh) * 2017-09-20 2018-03-23 哈尔滨理工大学 锂电池充电电流的预测方法、预测系统及一种充电装置
CN107957562A (zh) * 2018-01-05 2018-04-24 广西大学 一种锂离子电池剩余寿命在线预测方法
KR101944313B1 (ko) * 2018-04-30 2019-02-01 쌍용자동차 주식회사 배터리의 수명예측장치
CN110308396A (zh) * 2019-07-03 2019-10-08 华人运通(江苏)技术有限公司 电池状态监测方法、边缘处理器、系统及存储介质
CN110275119A (zh) * 2019-08-01 2019-09-24 优必爱信息技术（北京）有限公司 一种电池健康状态评估模型构建方法、评估方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YISHAN CAI: "Prediction of lithium-ion battery remaining useful life based on hybrid data-driven method with optimized parameter", 《2017 2ND INTERNATIONAL CONFERENCE ON POWER AND RENEWABLE ENERGY》 *
林娅: "锂离子电池剩余寿命预测研究综述", 《电子测量技术》 *

Also Published As

Publication number Publication date
CN113125982B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN109856559B (zh) 一种锂电池循环寿命的预测方法
CN108919129B (zh) 一种时变工况下动力电池的寿命预测方法
CN111929596B (zh) 获取电池容量的方法、装置、存储介质和电子设备
CN106443480A (zh) 一种锂离子电池系统soc估算方法
CN103969587A (zh) 一种混合动力车用动力电池soc估算方法
CN112198434B (zh) 电池容量衰减模型参数的辨识方法、系统、设备、装置及介质
CN112014735A (zh) 一种基于全寿命周期的电芯老化寿命预测方法及装置
CN107817448B (zh) 一种适用于复杂工况的在线实时监测电池电量的方法
CN110133515B (zh) 电池剩余能量确定方法及其装置
CN110658460A (zh) 一种电池包的电池寿命预测方法及装置
CN113728242A (zh) 对可充电电池中的析锂进行表征
CN110806540B (zh) 电芯测试数据处理方法、装置、系统和存储介质
CN111806291B (zh) 车辆与电池的匹配方法、装置、系统及可读存储介质
CN111325402A (zh) 基于bp神经网络的电动汽车用户充电行为的预测方法
CN111562509B (zh) 一种用于确定退役动力电池剩余寿命的方法及系统
CN113406522B (zh) 一种电动车锂电池系统寿命预测评估方法及系统
CN113406496B (zh) 基于模型迁移的电池容量预测方法、系统、装置及介质
CN111562510A (zh) 一种用于确定退役动力电池剩余寿命的方法及系统
CN113484762A (zh) 电池健康状态估算方法、装置、设备及存储介质
CN111199104B (zh) 一种电池残余性能分析方法、装置、设备及存储介质
CN113125982B (zh) 电池寿命预测方法及装置
CN110068409B (zh) 锂电池应力预测方法和装置
CN113439216A (zh) 蓄电池的健康状态
CN113281656B (zh) 电池健康度的确定方法和装置
CN113821911B (zh) 一种充电站负荷的预测方法、装置及系统

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