CN113671383A - 一种锂离子电池剩余寿命预测系统及其控制方法 - Google Patents

一种锂离子电池剩余寿命预测系统及其控制方法 Download PDF

Info

Publication number
CN113671383A
CN113671383A CN202111078449.6A CN202111078449A CN113671383A CN 113671383 A CN113671383 A CN 113671383A CN 202111078449 A CN202111078449 A CN 202111078449A CN 113671383 A CN113671383 A CN 113671383A
Authority
CN
China
Prior art keywords
lithium ion
ion battery
battery
detection chamber
temperature detection
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
CN202111078449.6A
Other languages
English (en)
Other versions
CN113671383B (zh
Inventor
蒋洪敏
马廷丽
范美强
严立京
邹文珍
马纯莹
周昂
苏怡田
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.)
China Jiliang University
Original Assignee
China Jiliang University
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 China Jiliang University filed Critical China Jiliang University
Priority to CN202111078449.6A priority Critical patent/CN113671383B/zh
Publication of CN113671383A publication Critical patent/CN113671383A/zh
Application granted granted Critical
Publication of CN113671383B publication Critical patent/CN113671383B/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]
    • G01R31/367—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]
    • G01R31/364—Battery terminal connectors with integrated measuring arrangements
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
    • 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
    • G01R31/386—Arrangements for measuring battery or accumulator variables using test-loads
    • 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
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • 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
    • 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)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本申请公开了一种锂离子电池剩余寿命预测系统及其控制方法。待测锂离子电池经过传送带上的磁性限位装置传送到恒温检测室内，电磁吸附装置将待测电池连接到电池循环测试装置上进行充放电测试，锂离子电池容量预测软件对测试数据进行自动化采集和处理，输出锂离子电池的容量衰减曲线，从而达到锂离子电池的剩余寿命预测的目的。在相同测试条件下，该锂离子电池剩余寿命预测系统及其控制方法的预测准确率高于90％。因此该锂离子电池剩余寿命预测系统及其控制方法在锂离子电池的健康管理领域中具有一定的应用前景。

Description

一种锂离子电池剩余寿命预测系统及其控制方法
技术领域
本发明专利属于锂离子电池寿命预测领域，具体涉及一种锂离子电池剩余寿命预测系统及其控制方法。
背景技术
锂离子电池具有能量密度高、循环寿命长、自放电小、无记忆效应和环境友好等众多优点，已经在消费类电子产品、动力电池和大型储能领域中获得了广泛的应用。然而锂离子电池在使用过程中存在电池容量衰减的现象，导致用电设备性能下降或系统故障，甚至引起起火或爆炸等问题。为确保电池的可靠性和安全性，发展锂离子电池的健康管理技术如电池剩余使用寿命预测，即通过较少循环圈数的测试数据就能预测出电池容量衰减曲线的方法，具有重大意义。锂离子电池衰减退化主要是由于电池内部电化学环境的变化引起的，如正负极活性材料的结构性退化，固体电解质SEI膜的变化以及电解液的分解等。此外，充放电深度、电流大小、使用时间和温度等外部因素也会对电池的寿命产生影响。锂离子电池的容量衰减退化涉及多方面的非线性因素，而基于大数据学习的数据驱动预测技术则可以无需对电池内部复杂的电化学机理进行精确建模，因而在锂离子电池剩余寿命预测领域中具有良好的应用前景。本发明基于一定量的电池循环数据，通过提取电池衰减关键特征，借助数据驱动算法，训练出与电池老化特性一致的模型，对电池进行离线或在线的剩余寿命预测。
发明内容
本发明目的在于提供一种锂离子电池剩余寿命预测系统及其控制方法，实现电池容量衰减曲线的准确预测。为实现上述发明目的，本发明的技术方案是：
一种锂离子电池剩余寿命预测系统，包括：
一条传送带及其动力装置、一套电池循环测试装置、一个恒温检测室、2-16个电磁吸附装置、一台计算机；其特征在于：恒温检测室为空心隧道式结构；恒温检测室内部四周设有温湿度传感器，温湿度传感器通过数据传输模块连接计算机，恒温检测室前后洞口处设有隔温帘幕；恒温检测室底部固定在动力装置顶部的两侧，动力装置通过控制模块连接计算机，动力装置顶部的中间设有传送带，即传送带贯穿恒温检测室；传送带表面均匀固定2～16个磁性限位装置，磁性限位装置为向上的凹型槽，凹型槽的顶部两侧设有磁体，其中一个磁体的附近设有金属触点，凹型槽底部设有极板并通过导线连接凹型槽顶部的金属触点；恒温检测室顶部设有2-16个微孔，检测室顶部放置电池循环测试装置；电池循环测试装置通过数据传输模块连接计算机；电池循环测试装置的正极和负极穿过恒温检测室顶部的微孔，并连接电磁吸附装置；电磁吸附装置设在恒温检测室内，电磁吸附装置为向下的凹型槽，电磁吸附装置向下的凹型槽与传送带上磁性限位装置的向上的凹型槽形状相同且宽度一致；电磁吸附装置向下的凹型槽的中间位置设有极板，极板通过导线连接电池循环测试装置的正极；电磁吸附装置向下的凹型槽的底部两侧设有电磁体，其中一个电磁体的附近设有金属触点，金属触点通过导线连接电池循环测试装置的负极；计算机内设置一款集控制、传输及数据处理功能的锂离子电池容量预测软件，用于控制锂离子电池剩余寿命预测系统，并对数据进行特征数据自动化提取、处理和预测，并输出锂离子电池的容量衰减曲线。
一种锂离子电池剩余寿命预测系统的控制方法，包括：
1)将待预测锂离子电池放置在传送带上磁性限位装置的凹型槽中；通过计算机与控制模块，启动动力装置，将传送带上的待预测锂离子电池运输到恒温检测室内部的检测区域，并通过电磁吸附装置将电池固定在电池循环测试装置的正极和负极金属极板间；
2)电池循环测试系统对步骤1)的待预测锂离子电池做同等倍率的充放电循环测试，并将循环测试数据传输至计算机内；充放电循环测试条件为：温度15～60℃、充放电深度100％、充放电速率0.2～20C；
3)采用锂离子电池容量预测软件对步骤2)获取到的特征数据进行进一步处理，包括：
a)绘制充放电循环的容量—电压曲线，并对容量做关于电压的微分；
b)将步骤a)处理后的结果与其对应的电压值序列作图，得到容量增/减量曲线；
c)将步骤b)得到的曲线，利用Savitzky-Golay方法做滤波处理；
d)分析步骤c)处理后的曲线，将峰值及其所对应的电压值作为新的特征数据；
e)将步骤d)得到的特征数据按字段依次拼接，与各样本的真实容量衰减曲线作为标签一一对应，输入到训练完毕的锂离子电池剩余寿命预测模型，最后输出电池的容量衰减曲线；
4)检测完毕后电磁吸附装置自动断电，电池样本被重新放入传送带表面的限位装置中；通过计算机与控制模块，启动电机，将传送带上已预测的锂离子电池传输到恒温检测室外部
本发明主要针对圆柱形18650锂离子电池；但通过改变磁性限位装置和电磁吸附装置凹槽的形状和大小，本发明也可用于14500,14650,17490,18500,26500型号的锂离子电池，也可用于A、C、D、F、N型的镍氢电池、镍铬电池、钠离子电池、锌离子电池。
本发明锂离子电池剩余寿命预测系统及控制方法，在进行10～100次充放电循环后，采用锂离子电池容量预测软件对充放电数据进行处理，建立数学模型，获得锂离子电池容量衰减曲线。与现有技术相比，具有以下的明显优势：
1)本发明锂离子电池剩余寿命预测系统设有传输带传输电池、磁性限位装置和电磁吸附装置智能吸附/脱附电池，实现了智能化在线检测，有效减少了人工操作成本；
2)本发明锂离子电池剩余寿命预测系统及控制方法在进行10～100次充放电循环后，可精确预测电池的容量衰减曲线，可在不破坏电池的前提下，获得电池的剩余寿命，可有效降低电池使用过程中的安全隐患；
3)在同等倍率下的充放电循环测试，充放电循环测试条件为：温度15～60℃、充放电深度100％、充放电速率0.2～20C；本发明对锂离子电池的剩余寿命预测准确率高于90％。
附图说明
图1锂离子电池剩余寿命预测系统结构示意图(1、传送带及其动力装置；2、恒温检测室；3、计算机；4、电池循环测试系统；5、电磁吸附装置；6、磁性限位装置；7、待预测锂离子电池)；
图2磁性限位装置(1、磁体；2、金属触点；3、负极板；4、连接导线)；
图3电磁吸附装置(1、正极导线；2、负极导线；3、正极板；4、电磁体；5、金属触点)；
图4电池容量衰减预测曲线与真实衰减曲线。
具体实施方式
为能进一步了解本发明的目的、技术方案和优点更加清晰，下面将结合附图，举以下实施例详细说明如下：
实施例1
一种锂离子电池剩余寿命预测系统，如图1所示，包括：
一条传送带及其动力装置、一套电池循环测试装置、一个恒温检测室、2-16个电磁吸附装置、一台计算机；其特征在于：恒温检测室为空心隧道式结构；恒温检测室内部四周设有温湿度传感器，温湿度传感器通过数据传输模块连接计算机，恒温检测室前后洞口处设有隔温帘幕；恒温检测室底部固定在动力装置顶部的两侧，动力装置通过控制模块连接计算机，动力装置顶部的中间设有传送带，即传送带贯穿恒温检测室；传送带表面均匀分布有2～16个磁性限位装置，如图2所示，磁性限位装置为向上的凹型槽，凹型槽的顶部两侧设有磁体，其中一个磁体的附近设有金属触点，凹型槽底部设有极板并通过导线连接凹型槽顶部的金属触点；恒温检测室顶部设有2-16个微孔，检测室顶部放置电池循环测试装置；电池循环测试装置通过数据传输模块连接计算机；电池循环测试装置的正极和负极穿过恒温检测室顶部的微孔，并连接电磁吸附装置；电磁吸附装置设在恒温检测室内，如图3所示，电磁吸附装置为向下的凹型槽，电磁吸附装置向下的凹型槽与传送带上磁性限位装置的向上的凹型槽形状相同且宽度一致；电磁吸附装置向下的凹型槽的中间位置设有极板，极板通过导线连接电池循环测试装置的正极；电磁吸附装置向下的凹型槽的底部两侧设有电磁体，其中一个电磁体的附近设有金属触点，金属触点通过导线连接电池循环测试装置的负极；计算机内设置一款集控制、传输及数据处理功能的锂离子电池容量预测软件，用于控制锂离子电池剩余寿命预测系统，并对数据进行特征数据自动化提取、处理和预测，并输出锂离子电池的容量衰减曲线。
一种锂离子电池剩余寿命预测系统的控制方法，包括：
1)采用CCCV充电策略，利用计算机对额定容量为2.0Ah的18650磷酸铁锂动力电池的历史样本的循环测试数据库进行特征提取，训练得到锂离子电池剩余寿命预测模型，控制恒温检测室内温度恒定在20℃，具体循环测试条件包括：
a)充电周期：充电速率为1C，直到电池电压达到4.2V，然后继续以恒压充电直至电流降至20mA，记录电池的电压、电流、温度、充电电压、充电电流、数据采集时间等参数；
b)放电周期：放电速率为1C，直到电池电压降到2.3V，记录电池的电压、电流、温度、负载电压、负载电流、数据采集时间以及电池到截止电压时的电池放电容量；
2)采用和步骤1)相同的充放电策略，控制恒温检测室内温度恒定在20℃，对待测的圆柱形18650磷酸铁锂动力电池样本进行循环测试数据：规定恒流充电阶段，电压上限值为4.2V；恒压充电阶段，电流下限值为20mA；恒流放电阶段，电压下限值为2.3V，前期需要采集的特征数据包括：
a)恒流充电阶段，电压达到4.2V的持续时间；
b)恒压充电阶段，电流达到20mA的持续时间；
c)恒流放电阶段，电压达到3.0V的持续时间；
d)每个循环中，各采样点的电池容量值、电压值；
3)对步骤2)采集的特征数据进行二次提取，做各循环充放电循环的容量—电压曲线。对容量做电压的微分，利用Savitzky-Golay方法做滤波处理，克服噪声对其的影响，得到相对平滑的曲线。需进一步提取特征数据包括：
a)充电阶段，容量增量曲线的峰值与峰值所对应的电压值；
b)放电阶段，容量减量曲线的峰值与峰值所对应的电压值；
4)将每个样本处理后的特征数据按字段依次拼接，将真实的容量衰减曲线作为标签与样本一一对应，共同输入搭建好的深度神经网络中进行学习训练；
5)通过计算机与控制模块，启动电机，将待预测锂离子电池放置在传送带上的磁性限位装置中，运输到恒温室内部的检测区域，利用电磁吸附装置将电池固定在电池循环测试装置的金属电极间；
6)电池循环测试系统对待预测锂离子电池做50次循环测试，将循环测试数据传输至计算机内，利用锂离子电池容量预测软件，对待预测锂离子电池的循环测试数据进行特征数据的自动化提取并作处理后，利用步骤4)训练好的模型计算得到该电池的容量衰减的预测曲线，并在软件中显示该曲线；
7)检测完毕后电磁吸附装置自动断电，电池样本被重新放入传送带表面的限位装置中。通过计算机与控制模块，启动电机，将传送带上的已预测锂离子电池传输到恒温检测室外部；
8)测试样本的容量衰减曲线的预测结果，其容量变化与循环周期的关系曲线如图4所示，预测结果能较为准确的反映电池容量的衰减趋势；
结果显示:本发明将深度学习技术与锂离子电池材料研究工作相结合，在对额定容量为2.0Ah的18650磷酸铁锂动力电池性能研究工作上，预测准确率高于90％。
实施例2
一种锂离子电池剩余寿命预测系统，如实施例1。
一种锂离子电池剩余寿命预测系统的控制方法，包括：
1)采用CCCV充电策略，利用计算机对圆柱形18650磷酸铁锂动力电池的历史样本的循环测试数据库进行特征提取，训练得到锂离子电池剩余寿命预测模型，控制恒温检测室内温度恒定在30℃，具体循环测试条件包括：
a)充电周期：充电速率为5C，直到电池电压达到4.2V，然后继续以恒压充电直至电流降至20mA，记录电池的电压、电流、温度、充电电压、充电电流、数据采集时间等参数；
b)放电周期：放电速率为5C，直到电池电压降到2.3V，记录电池的电压、电流、温度、负载电压、负载电流、数据采集时间以及电池到截止电压时的电池放电容量；
2)采用和步骤1)相同的充放电策略，控制恒温检测室内温度恒定在30℃，对待测的圆柱形18650磷酸铁锂动力电池样本进行循环测试数据：规定恒流充电阶段，电压上限值为4.2V；恒压充电阶段，电流下限值为20mA；恒流放电阶段，电压下限值为2.3V，前期需要采集的特征数据包括：
a)恒流充电阶段，电压达到4.2V的持续时间；
b)恒压充电阶段，电流达到20mA的持续时间；
c)恒流放电阶段，电压达到3.0V的持续时间；
d)每个循环中，各采样点的电池容量值、电压值；
3)对步骤2)采集的特征数据进行二次提取，做各循环充放电循环的容量—电压曲线。对容量做电压的微分，利用Savitzky-Golay方法做滤波处理，克服噪声对其的影响，得到相对平滑的曲线。需进一步提取特征数据包括：
a)充电阶段，容量增量曲线的峰值与峰值所对应的电压值；
b)放电阶段，容量减量曲线的峰值与峰值所对应的电压值；
4)将每个样本处理后的特征数据按字段依次拼接，将真实的容量衰减曲线作为标签与样本一一对应，共同输入搭建好的深度神经网络中进行学习训练；
5)通过计算机与控制模块，启动电机，将待预测锂离子电池放置在传送带上的磁性限位装置中，运输到恒温室内部的检测区域，利用电磁吸附装置将电池固定在电池循环测试装置的金属电极间；
6)电池循环测试系统对待预测锂离子电池做50次循环测试，将循环测试数据传输至计算机内，利用锂离子电池容量预测软件，对待预测锂离子电池的循环测试数据进行特征数据的自动化提取并作处理后，利用步骤4)训练好的模型计算得到该电池的容量衰减的预测曲线，并在软件中显示该曲线；
7)检测完毕后电磁吸附装置自动断电，电池样本被重新放入传送带表面的限位装置中。通过计算机与控制模块，启动电机，将传送带上的已预测锂离子电池传输到恒温检测室外部；
8)测试样本的容量衰减曲线的预测结果，其容量变化与循环周期的关系曲线如图4所示，预测结果能较为准确的反映电池容量的衰减趋势；
结果显示:本发明将深度学习技术与锂离子电池材料研究工作相结合，针对额定容量为2.0Ah和1.8Ah的18650磷酸铁锂动力电池,其预测结果能较为准确的反映电池容量的衰减趋势，预测准确率高于93％。
实施例3
一种锂离子电池剩余寿命预测系统及控制方法，如实施例1。
额定容量为2Ah的18500三元锂离子电池；额定容量为2Ah的26500三元锂离子电池；额定容量为2Ah的17490三元锂离子电池；
结果显示：本发明将深度学习技术与锂离子电池材料研究工作相结合，预测结果能较为准确的反映电池容量的衰减趋势，预测准确率高于92％。
上述专利的具体实施方式是示例性的，是为了更好的使本领域技术人员能够理解本专利，不能理解为是对本专利包括范围的限制；只要是根据本专利所揭示精神的所作的任何等同变更或修饰，均落入本专利包括的范围。

Claims (2)

1.一种锂离子电池剩余寿命预测系统，包括：
一条传送带及其动力装置、一套电池循环测试装置、一个恒温检测室、2-16个电磁吸附装置、一台计算机；其特征在于：恒温检测室为空心隧道式结构；恒温检测室内部四周设有温湿度传感器，温湿度传感器通过数据传输模块连接计算机，恒温检测室前后洞口处设有隔温帘幕；恒温检测室底部固定在动力装置顶部的两侧，动力装置通过控制模块连接计算机，动力装置顶部的中间设有传送带，即传送带贯穿恒温检测室；传送带表面均匀固定2～16个磁性限位装置，磁性限位装置为向上的凹型槽，凹型槽的顶部两侧设有磁体，其中一个磁体的附近设有金属触点，凹型槽底部设有极板并通过导线连接凹型槽顶部的金属触点；恒温检测室顶部设有2-16个微孔，检测室顶部放置电池循环测试装置；电池循环测试装置通过数据传输模块连接计算机；电池循环测试装置的正极和负极穿过恒温检测室顶部的微孔，并连接电磁吸附装置；电磁吸附装置设在恒温检测室内，电磁吸附装置为向下的凹型槽，电磁吸附装置向下的凹型槽与传送带上磁性限位装置的向上的凹型槽形状相同且宽度一致；电磁吸附装置向下的凹型槽的中间位置设有极板，极板通过导线连接电池循环测试装置的正极；电磁吸附装置向下的凹型槽的底部两侧设有电磁体，其中一个电磁体的附近设有金属触点，金属触点通过导线连接电池循环测试装置的负极；计算机内设置一款集控制、传输及数据处理功能的锂离子电池容量预测软件，用于控制锂离子电池剩余寿命预测系统，并对数据进行特征数据自动化提取、处理和预测，并输出锂离子电池的容量衰减曲线。
2.一种锂离子电池剩余寿命预测系统的控制方法，包括：
1)将待预测锂离子电池放置在传送带上磁性限位装置的凹型槽中；通过计算机与控制模块，启动动力装置，将传送带上的待预测锂离子电池运输到恒温检测室内部的检测区域，并通过电磁吸附装置将电池固定在电池循环测试装置的正极和负极金属极板间；
2)电池循环测试系统对步骤1)的待预测锂离子电池做同等倍率的充放电循环测试，并将循环测试数据传输至计算机内；充放电循环测试条件为：温度15～60℃、充放电深度100％、充放电速率0.2～20C；
3)采用锂离子电池容量预测软件对步骤2)获取到的特征数据进行进一步处理，包括：
a)绘制充放电循环的容量—电压曲线，并对容量做关于电压的微分；
b)将步骤a)处理后的结果与其对应的电压值序列作图，得到容量增/减量曲线；
c)将步骤b)得到的曲线，利用Savitzky-Golay方法做滤波处理；
d)分析步骤c)处理后的曲线，将峰值及其所对应的电压值作为新的特征数据；
e)将步骤d)得到的特征数据按字段依次拼接，与各样本的真实容量衰减曲线作为标签一一对应，输入到训练完毕的锂离子电池剩余寿命预测模型，最后输出电池的容量衰减曲线；
4)检测完毕后电磁吸附装置自动断电，电池样本被重新放入传送带表面的限位装置中；通过计算机与控制模块，启动电机，将传送带上已预测的锂离子电池传输到恒温检测室外部。
CN202111078449.6A 2021-09-15 2021-09-15 一种锂离子电池剩余寿命预测系统及其控制方法 Active CN113671383B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111078449.6A CN113671383B (zh) 2021-09-15 2021-09-15 一种锂离子电池剩余寿命预测系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111078449.6A CN113671383B (zh) 2021-09-15 2021-09-15 一种锂离子电池剩余寿命预测系统及其控制方法

Publications (2)

Publication Number Publication Date
CN113671383A true CN113671383A (zh) 2021-11-19
CN113671383B CN113671383B (zh) 2023-05-26

Family

ID=78549490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111078449.6A Active CN113671383B (zh) 2021-09-15 2021-09-15 一种锂离子电池剩余寿命预测系统及其控制方法

Country Status (1)

Country Link
CN (1) CN113671383B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116298978A (zh) * 2023-05-19 2023-06-23 江苏正力新能电池技术有限公司 一种定性分析锂离子电池容量损失的方法
WO2023111571A3 (en) * 2021-12-17 2023-07-20 Cognition Energy Ltd A battery thermal testing system and apparatus

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10328959A (ja) * 1997-05-28 1998-12-15 Koike Sanso Kogyo Co Ltd 永電磁吸着装置
CN1862279A (zh) * 2005-05-11 2006-11-15 孟贞生 电池组老化率估算、故障检测方法和电池组管理监测装置
CN110031770A (zh) * 2019-04-29 2019-07-19 上海玫克生储能科技有限公司 一种快速得到电池包中所有单体电池容量的方法
CN112098848A (zh) * 2020-09-14 2020-12-18 北京大学深圳研究生院 一种电池放电容量预测方法、系统及可读存储介质
CN212586520U (zh) * 2020-07-17 2021-02-23 合肥国盛电池科技有限公司 一种用于电池管理的电池测试装置
CN113391220A (zh) * 2020-03-12 2021-09-14 郑州深澜动力科技有限公司 一种锂离子电池衰减来源判定方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10328959A (ja) * 1997-05-28 1998-12-15 Koike Sanso Kogyo Co Ltd 永電磁吸着装置
CN1862279A (zh) * 2005-05-11 2006-11-15 孟贞生 电池组老化率估算、故障检测方法和电池组管理监测装置
CN110031770A (zh) * 2019-04-29 2019-07-19 上海玫克生储能科技有限公司 一种快速得到电池包中所有单体电池容量的方法
CN113391220A (zh) * 2020-03-12 2021-09-14 郑州深澜动力科技有限公司 一种锂离子电池衰减来源判定方法及装置
CN212586520U (zh) * 2020-07-17 2021-02-23 合肥国盛电池科技有限公司 一种用于电池管理的电池测试装置
CN112098848A (zh) * 2020-09-14 2020-12-18 北京大学深圳研究生院 一种电池放电容量预测方法、系统及可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JINHAO MENG ET AL.: "An Overview and Comparison of Online Implementable SOC Estimation Methods for Lithium-Ion Battery", IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS, *
姚芳;张楠;黄凯;: "锂离子电池状态估算与寿命预测综述", 电源学报 *
高安同等: "锂离子电池荷电状态估算及剩余寿命预测", 《电源技术研究与设计》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023111571A3 (en) * 2021-12-17 2023-07-20 Cognition Energy Ltd A battery thermal testing system and apparatus
CN116298978A (zh) * 2023-05-19 2023-06-23 江苏正力新能电池技术有限公司 一种定性分析锂离子电池容量损失的方法
CN116298978B (zh) * 2023-05-19 2023-10-13 江苏正力新能电池技术有限公司 一种定性分析锂离子电池容量损失的方法

Also Published As

Publication number Publication date
CN113671383B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
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
CN107290679B (zh) 用于电动汽车共享充电桩的智能化电池健康状态检测方法
CN113671383B (zh) 一种锂离子电池剩余寿命预测系统及其控制方法
CN112436202B (zh) 一种防止锂离子电池负极析锂的阶梯式电流充电方法
CN105932349B (zh) 一种锂离子电池长寿命快速充电方法
CN110988086B (zh) 一种检测电池循环过程中电极材料结构稳定性的方法
CN109782190B (zh) 用于估计单颗电池或单批电池的剩余使用寿命的方法
CN110244234A (zh) 一种电池加速寿命测试方法
CN109782192A (zh) 不同放电倍率下锂离子电池剩余寿命预测方法
CN111366864B (zh) 一种基于固定压升区间的电池soh在线估计方法
CN108445414B (zh) 一种三元锂离子电池循环寿命的快速测试方法
CN109061478A (zh) 一种利用eis测试进行锂离子电池寿命定性预测的方法
CN112098866B (zh) 一种判断电池在循环过程中是否发生析锂的无损分析方法
CN114217238A (zh) 一种锂离子电池循环寿命的预测方法
CN113933714B (zh) 基于简化电化学模型和灰色预测联合的电池容量预测方法
CN111077457A (zh) 一种梯次利用磷酸铁锂电池加速衰减的评价方法及装置
CN115994441A (zh) 基于机理信息的大数据云平台在线电池寿命预测方法
CN112782585B (zh) 一种基于电池衰减机制的寿命评估方法及系统
Zheng et al. Dynamic model for characteristics of Li-ion battery on electric vehicle
CN113253139A (zh) 快速评价锂离子二次电池循环寿命的方法
Li et al. Status and Prospects of Research on Lithium-Ion Battery Parameter Identification
CN117074963A (zh) 环境可控智能新能源电池包综合测试系统
CN118156549A (zh) 基于人工神经网络的全钒液流电池soc预测方法
Jan et al. Experimental Evaluation of the True Remaining Capacity of Legacy Lead-Acid Batteries
CN105759215B (zh) 一种数据驱动的铅酸蓄电池荷电容量预测方法

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