CN113466700B - 一种基于两点阻抗寿命特征的锂电池在线寿命预测方法 - Google Patents
一种基于两点阻抗寿命特征的锂电池在线寿命预测方法 Download PDFInfo
- Publication number
- CN113466700B CN113466700B CN202110715878.3A CN202110715878A CN113466700B CN 113466700 B CN113466700 B CN 113466700B CN 202110715878 A CN202110715878 A CN 202110715878A CN 113466700 B CN113466700 B CN 113466700B
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- life
- impedance
- spectrum frequency
- electrochemical impedance
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于两点阻抗寿命特征的锂电池在线寿命预测方法。本发明包括以下步骤：1采集全新锂电池在特定次充放电循环中特定充电荷电状态下的电化学阻抗谱和锂电池的寿命；2计算当前锂电池所有电化学阻抗谱频率组合对应的两点阻抗寿命特征；3重复步骤1‑2，获得各个锂电池的寿命和各个锂电池的所有电化学阻抗谱频率组合对应的两点阻抗寿命特征；4选取所有锂电池的最佳两点阻抗寿命特征和对应锂电池的寿命，构成训练集；5获得训练后的锂电池寿命预测回归模型；6在线诊断时，获得待预测锂电池的最佳两点阻抗寿命特征，预测输出获得当前待预测锂电池的寿命。本发明实现了锂电池寿命的精准预测，提升了锂电池的可靠性、安全性与耐久性。
Description
技术领域
本发明属于锂电池研发与应用的领域的一种锂电池在线寿命预测方法，具体涉及了一种基于两点阻抗寿命特征的锂电池在线寿命预测方法。
背景技术
锂电池具有成本低、能量密度高、循环寿命长等优点，被广泛应用于固定式、便携式和交通等领域。寿命预测技术在加速锂电池新材料、新结构和新管理系统等技术的研发以及实际应用中锂电池的安全运行、预测维护和二次使用等方面都起着重要作用。然而，由于锂电池具有复杂的老化机理，且老化路径受设计、生产和应用过程中诸多因素的影响，使得在复杂的老化路径、广泛的设备可变性和多变的动态运行条件下实现简单、快速和精确的锂电池寿命预测成为了一项巨大挑战。此外，对于由数千个电池组成的大型锂电池组，由于电池之间不可避免的存在各种内在和外在差异，因此需要对每个电池进行单独的寿命预测，这将带来巨大的数据存储负担、计算负担和成本负担。解决以上问题的有效方案包括寿命预测算法的改进和寿命预测特征的改进。然而，当前大量相关研究都集中在开发更好的算法上，而很少关注开发更好的特征。当锂电池的寿命预测特征足够好时，使用简单的回归模型便能够实现准确的寿命预测。因此，设计和开发更好的锂电池寿命预测特征具有着重要意义。
电化学阻抗谱是一种可以有效检测锂电池内部状况的手段，广泛运用于电池检测与研发领域。但电化学阻抗谱测量时间较长，难以在线实施以反映锂电池实时状态，具有一定的局限性。因此，采取相关措施将电化学阻抗谱技术运用于锂电池在线寿命预测，对于提升锂电池的可靠性、安全性和耐久性具有重大意义。
发明内容
为了解决现有技术的不足，本发明提出了一种基于两点阻抗寿命特征的锂电池在线寿命预测方法。
本发明采用的方案是：
本发明包括以下步骤：
1)采集全新锂电池在特定次充放电循环中特定充电荷电状态下的电化学阻抗谱和锂电池的寿命；
2)计算当前锂电池所有电化学阻抗谱频率组合对应的两点阻抗寿命特征；
3)重复步骤1)-2)对各个锂电池均进行处理，获得各个锂电池的寿命和各个锂电池的所有电化学阻抗谱频率组合对应的两点阻抗寿命特征；
4)根据各个锂电池的所有电化学阻抗谱频率组合对应的两点阻抗寿命特征，选取最佳电化学阻抗谱频率组合，将最佳电化学阻抗谱频率组合对应的两点阻抗寿命特征作为最佳两点阻抗寿命特征，选取所有锂电池的最佳两点阻抗寿命特征和对应的锂电池寿命构成训练集；
5)基于训练集对锂电池寿命预测回归模型进行训练，获得训练后的锂电池寿命预测回归模型；
6)在线诊断时，仅采集待预测锂电池在相同次充放电循环中相同充电荷电状态下的最佳电化学阻抗谱频率组合对应的阻抗虚部，计算出待预测锂电池的最佳两点阻抗寿命特征，将待预测锂电池的最佳两点阻抗寿命特征输入到训练好的锂电池寿命预测回归模型中进行预测，输出获得当前待预测锂电池的寿命。
所述步骤2)具体为：
在预设频率范围中，当前锂电池的电化学阻抗谱中两个不同电化学阻抗谱频率作为一个电化学阻抗谱频率组合，计算一个电化学阻抗谱频率组合中较高的电化学阻抗谱频率的阻抗虚部与较低的电化学阻抗谱频率的阻抗虚部的差值并将该差值作为一个两点阻抗寿命特征，遍历所有电化学阻抗谱频率组合，获得当前锂电池的所有两点阻抗寿命特征。
所述步骤4)具体为：
根据所有锂电池的所有两点阻抗寿命特征，计算所有锂电池相同电化学阻抗谱频率组合的两点阻抗寿命特征与对应锂电池的寿命之间的相关系数，遍历计算获得所有电化学阻抗谱频率组合对应的相关系数，由所有电化学阻抗谱频率组合对应的相关系数构成相关系数矩阵，将相关系数矩阵中绝对值最大的相关系数对应的电化学阻抗谱频率组合作为最佳电化学阻抗谱频率组合，然后将最佳电化学阻抗谱频率组合对应的两点阻抗寿命特征作为最佳两点阻抗寿命特征，最后将所有锂电池的最佳两点阻抗寿命特征和对应的锂电池寿命构成训练集。
所述相关系数为皮尔森相关系数，具体通过以下公式进行计算：
其中，ρX,Y表示所有锂电池的相同电化学阻抗谱频率组合对应的两点阻抗寿命特征与对应锂电池的寿命之间的相关系数，X表示所有锂电池的相同电化学阻抗谱频率组合对应的两点阻抗寿命特征的集合，Y表示所有锂电池的寿命的集合，E()表示取期望操作。
所述步骤6)中相同次充放电循环的次数与步骤1)中特定充放电循环的次数相同，所述步骤6)中相同充电荷电状态与步骤1)中的特定充电荷电状态相同。
所述锂电池寿命预测回归模型根据最佳两点阻抗寿命特征与锂电池的寿命的分布关系选择线性回归模型和非线性回归模型。
本发明的有益效果是：
本发明解决了实际应用中锂电池在线寿命预测困难的问题。将基于电化学阻抗谱的两点阻抗寿命特征应用到锂电池的在线寿命预测上，仅通过测量锂电池在一个特定充放电循环中一个特定充电荷电状态下两个电化学阻抗谱频率对应的阻抗虚部便可计算出两点阻抗寿命特征，进而精确预测锂电池循环寿命，降低了数据存储负担、计算负担和成本负担，可用于不同实际应用场景中锂电池的在线寿命预测，有助于加速锂电池新材料、新结构和新管理系统等技术的研发和实际应用中锂电池更好的安全运行、预测维护和二次使用。
附图说明
图1是本发明的整体流程图。
图2是本发明实施例中锂电池特定次充放电循环中特定充电荷电状态下测量得到的电化学阻抗谱以及选取的最佳频率组合对应的阻抗点。
图3是本发明实施例中选取的所有锂电池的最佳两点阻抗寿命特征与对应所有锂电池的寿命在坐标轴上的分布关系图以及锂电池寿命预测回归模型训练后的拟合结果图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
如图1所示，本发明包括以下步骤：
1)采集全新锂电池在特定次充放电循环中特定充电荷电状态下的电化学阻抗谱和锂电池的寿命；特定次的充放电循环具体为第1-100次充放电循环中的一次，特定充电荷电状态具体为0％-100％荷电状态中的某一个值。具体实施时为第2次充放电循环和100％的荷电状态。锂电池的寿命为实验获得，对锂电池不断地进行充放电循环，当锂电池的实际总容量衰减为锂电池的初始总容量的80％时，则当前已进行的充放电循环次数为锂电池的寿命。
2)计算当前锂电池所有电化学阻抗谱频率组合对应的两点阻抗寿命特征；
步骤2)具体为：
在预设频率范围中，当前锂电池的电化学阻抗谱中两个不同电化学阻抗谱频率作为一个电化学阻抗谱频率组合，计算一个电化学阻抗谱频率组合中较高的电化学阻抗谱频率的阻抗虚部与较低的电化学阻抗谱频率的阻抗虚部的差值并将该差值作为一个两点阻抗寿命特征，遍历所有电化学阻抗谱频率组合，获得当前锂电池的所有两点阻抗寿命特征。具体实施中，预设电化学阻抗谱频率范围优选为0.01999Hz-20004.45300Hz，测量的电化学阻抗谱频率共有60个，如表1所示。在测量设备允许的范围内测量的电化学阻抗谱频率的精度越高越好，测量频率的精度越高，电化学阻抗谱频率组合就越多，对应的两点阻抗寿命特征也越多。
表1电化学阻抗谱测量的所有电化学阻抗谱频率(Hz)
3)重复步骤1)-2)对各个锂电池均进行处理，获得各个锂电池的寿命和各个锂电池的所有电化学阻抗谱频率组合对应的两点阻抗寿命特征；
4)根据各个锂电池的所有电化学阻抗谱频率组合对应的两点阻抗寿命特征，选取最佳电化学阻抗谱频率组合，将最佳电化学阻抗谱频率组合对应的两点阻抗寿命特征作为最佳两点阻抗寿命特征，选取所有锂电池的最佳两点阻抗寿命特征和对应的锂电池寿命构成训练集；
步骤4)具体为：
根据所有锂电池的所有两点阻抗寿命特征，计算所有锂电池相同电化学阻抗谱频率组合的两点阻抗寿命特征与对应锂电池的寿命之间的相关系数，遍历计算获得所有电化学阻抗谱频率组合对应的相关系数，由所有电化学阻抗谱频率组合对应的相关系数构成相关系数矩阵，相关系数矩阵作为不同电化学阻抗谱频率组合对应的两点阻抗寿命特征与锂电池的寿命之间相关性的紧凑表示，如表2所示。
表2相关系数矩阵局部示意表
将相关系数矩阵中绝对值最大的相关系数对应的电化学阻抗谱频率组合作为最佳电化学阻抗谱频率组合，然后将最佳电化学阻抗谱频率组合对应的两点阻抗寿命特征作为最佳两点阻抗寿命特征，最后将所有锂电池的最佳两点阻抗寿命特征和对应的锂电池寿命构成训练集。如图2所示，其中，最佳两点阻抗寿命特征具体为所有锂电池在最佳电化学阻抗谱频率组合下的两点阻抗寿命特征，每个锂电池在最佳电化学阻抗谱频率组合下的两点阻抗寿命特征的标签为当前锂电池的寿命。如表2所示，相关系数矩阵中相关系数的行号和列号分别表示两点阻抗寿命特征对应的电化学阻抗谱频率组合中的两个电化学阻抗谱频率，相关系数矩阵的行和列均表示预设电化学阻抗谱频率范围。
所述相关系数为皮尔森相关系数，具体通过以下公式进行计算：
其中，ρX,Y表示所有锂电池的相同电化学阻抗谱频率组合对应的两点阻抗寿命特征与对应锂电池的寿命之间的相关系数，X表示所有锂电池的相同电化学阻抗谱频率组合对应的两点阻抗寿命特征的集合，Y表示所有锂电池的寿命的集合，E()表示取期望操作。
5)基于训练集对锂电池寿命预测回归模型进行训练，获得训练后的锂电池寿命预测回归模型；实施例中选用的是四阶多项式模型。锂电池寿命预测回归模型根据最佳两点阻抗寿命特征与锂电池的寿命的分布关系选择线性回归模型和非线性回归模型。
6)在线诊断时，仅采集待预测锂电池在相同次充放电循环中相同充电荷电状态下测量得到的最佳电化学阻抗谱频率组合对应的阻抗值，计算出待预测锂电池的最佳两点阻抗寿命特征，将待预测锂电池的最佳两点阻抗寿命特征输入到训练好的锂电池寿命预测回归模型中进行预测，输出获得当前待预测锂电池的寿命，如图3所示。
步骤6)中相同次充放电循环的次数与步骤1)中特定充放电循环的次数相同，步骤6)中相同充电荷电状态与步骤1)中的特定充电荷电状态相同。
Claims (5)
1.一种基于两点阻抗寿命特征的锂电池在线寿命预测方法，其特征在于，包括以下步骤：
1)采集全新锂电池在特定次充放电循环中特定充电荷电状态下的电化学阻抗谱和锂电池的寿命；
2)计算当前锂电池所有电化学阻抗谱频率组合对应的两点阻抗寿命特征；
3)重复步骤1)-2)对各个锂电池均进行处理，获得各个锂电池的寿命和各个锂电池的所有电化学阻抗谱频率组合对应的两点阻抗寿命特征；
4)根据各个锂电池的所有电化学阻抗谱频率组合对应的两点阻抗寿命特征，选取最佳电化学阻抗谱频率组合，将最佳电化学阻抗谱频率组合对应的两点阻抗寿命特征作为最佳两点阻抗寿命特征，选取所有锂电池的最佳两点阻抗寿命特征和对应的锂电池寿命构成训练集；
5)基于训练集对锂电池寿命预测回归模型进行训练，获得训练后的锂电池寿命预测回归模型；
6)在线诊断时，仅采集待预测锂电池在相同次充放电循环中相同充电荷电状态下的最佳电化学阻抗谱频率组合对应的阻抗虚部，计算出待预测锂电池的最佳两点阻抗寿命特征，将待预测锂电池的最佳两点阻抗寿命特征输入到训练好的锂电池寿命预测回归模型中进行预测，输出获得当前待预测锂电池的寿命；
所述步骤2)具体为：
在预设频率范围中，当前锂电池的电化学阻抗谱中两个不同电化学阻抗谱频率作为一个电化学阻抗谱频率组合，计算一个电化学阻抗谱频率组合中较高的电化学阻抗谱频率的阻抗虚部与较低的电化学阻抗谱频率的阻抗虚部的差值并将该差值作为一个两点阻抗寿命特征，遍历所有电化学阻抗谱频率组合，获得当前锂电池的所有两点阻抗寿命特征。
2.根据权利要求1所述的一种基于两点阻抗寿命特征的锂电池在线寿命预测方法，其特征在于，所述步骤4)具体为：
根据所有锂电池的所有两点阻抗寿命特征，计算所有锂电池相同电化学阻抗谱频率组合的两点阻抗寿命特征与对应锂电池的寿命之间的相关系数，遍历计算获得所有电化学阻抗谱频率组合对应的相关系数，由所有电化学阻抗谱频率组合对应的相关系数构成相关系数矩阵，将相关系数矩阵中绝对值最大的相关系数对应的电化学阻抗谱频率组合作为最佳电化学阻抗谱频率组合，然后将最佳电化学阻抗谱频率组合对应的两点阻抗寿命特征作为最佳两点阻抗寿命特征，最后将所有锂电池的最佳两点阻抗寿命特征和对应的锂电池寿命构成训练集。
3.根据权利要求2所述的一种基于两点阻抗寿命特征的锂电池在线寿命预测方法，其特征在于，所述相关系数为皮尔森相关系数，具体通过以下公式进行计算：
其中，ρX,Y表示所有锂电池的相同电化学阻抗谱频率组合对应的两点阻抗寿命特征与对应锂电池的寿命之间的相关系数，X表示所有锂电池的相同电化学阻抗谱频率组合对应的两点阻抗寿命特征的集合，Y表示所有锂电池的寿命的集合，E ()表示取期望操作。
4.根据权利要求1所述的一种基于两点阻抗寿命特征的锂电池在线寿命预测方法，其特征在于，所述步骤6)中相同次充放电循环的次数与步骤1)中特定充放电循环的次数相同，所述步骤6)中相同充电荷电状态与步骤1)中的特定充电荷电状态相同。
5.根据权利要求1所述的一种基于两点阻抗寿命特征的锂电池在线寿命预测方法，其特征在于，所述锂电池寿命预测回归模型根据最佳两点阻抗寿命特征与锂电池的寿命的分布关系选择线性回归模型和非线性回归模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110715878.3A CN113466700B (zh) | 2021-06-24 | 2021-06-24 | 一种基于两点阻抗寿命特征的锂电池在线寿命预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110715878.3A CN113466700B (zh) | 2021-06-24 | 2021-06-24 | 一种基于两点阻抗寿命特征的锂电池在线寿命预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113466700A CN113466700A (zh) | 2021-10-01 |
| CN113466700B true CN113466700B (zh) | 2022-05-20 |
Family
ID=77873089
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110715878.3A Active CN113466700B (zh) | 2021-06-24 | 2021-06-24 | 一种基于两点阻抗寿命特征的锂电池在线寿命预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113466700B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113917352B (zh) * | 2021-10-14 | 2022-07-26 | 浙江大学 | 基于阻抗老化特征的燃料电池催化层在线老化诊断方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002330547A (ja) * | 2001-04-27 | 2002-11-15 | Internatl Business Mach Corp <Ibm> | 電池寿命を判断する電気機器、コンピュータ装置、電池寿命判断システム、電池、および電池寿命検出方法 |
| KR101174714B1 (ko) * | 2010-12-23 | 2012-09-20 | (주)티메이트 | 배터리 수명 예측 장치 |
| CN107589379A (zh) * | 2017-08-30 | 2018-01-16 | 电子科技大学 | 一种在线估计锂电池soc和阻抗的方法 |
| WO2019215786A1 (ja) * | 2018-05-07 | 2019-11-14 | 三菱電機株式会社 | 電池劣化検出装置および電池温度推定装置 |
| CN110426639B (zh) * | 2019-07-24 | 2022-09-23 | 中国电力科学研究院有限公司 | 一种基于动态阻抗谱的锂离子电池寿命预测方法及系统 |
| CN111537904A (zh) * | 2020-04-09 | 2020-08-14 | 苏州湛云科技有限公司 | 一种基于交流阻抗虚部的锂离子电池寿命估计方法 |
-
2021
- 2021-06-24 CN CN202110715878.3A patent/CN113466700B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113466700A (zh) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | State-of-health estimation of lithium-ion battery based on fractional impedance model and interval capacity | |
| CN107145628B (zh) | 基于电化学-热耦合模型的预测锂电池循环寿命的方法 | |
| Zhang et al. | Aging performance characterization and state-of-health assessment of retired lithium-ion battery modules | |
| Lu et al. | A method of cell-to-cell variation evaluation for battery packs in electric vehicles with charging cloud data | |
| CN111175666B (zh) | 一种soh检测方法及装置 | |
| CN111062137B (zh) | 一种锂离子电池性能预测模型及其构建方法和应用 | |
| CN112289385B (zh) | 大功率质子交换膜燃料电池电堆电化学阻抗谱预测方法 | |
| Huang et al. | State of health estimation of lithium-ion batteries based on the regional frequency | |
| CN113484784B (zh) | 一种基于两点阻抗老化特征的锂电池在线老化诊断方法 | |
| CN113447817B (zh) | 一种基于两点寿命特征的锂电池在线寿命预测方法 | |
| CN115184809B (zh) | 一种基于温度角度对储能电池系统多维度评估方法 | |
| Li et al. | The open-circuit voltage characteristic and state of charge estimation for lithium-ion batteries based on an improved estimation algorithm | |
| CN113466700B (zh) | 一种基于两点阻抗寿命特征的锂电池在线寿命预测方法 | |
| CN113447816B (zh) | 一种基于两点老化特征的锂电池在线老化诊断方法 | |
| CN117174899B (zh) | 一种氟化碳正极材料制备方法 | |
| Wang et al. | State of health estimation of lithium-ion battery in wide temperature range via temperature-aging coupling mechanism analysis | |
| Xiao et al. | Lithium-ion batteries fault diagnosis based on multi-dimensional indicator | |
| Megateli et al. | Study of the variation of the specific gravity of the electrolyte during charge/discharge cycling of a lead acid battery | |
| Han et al. | Study on Influencing Factors of Consistency in Manufacturing Process of Vehicle Lithium‐Ion Battery Based on Correlation Coefficient and Multivariate Linear Regression Model | |
| CN115308609B (zh) | 一种锂离子电池厚度的预测方法、预测装置和锂离子电池 | |
| Nie et al. | Capacity fade modeling and remaining useful life prediction of lithium-ion batteries using an adaptive degradation model | |
| Chen et al. | Battery health assessment and life prediction in battery management system | |
| CN117686935B (zh) | 一种基于电压概率密度的电池rul预测方法 | |
| CN113821914B (zh) | 一种锂离子电池循环寿命低成本预测方法 | |
| Hu et al. | Research for the state of lithium-ion battery health based on data-driven method |
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 |