CN113687236A - 一种动力电池半经验循环寿命预测评估方法 - Google Patents

一种动力电池半经验循环寿命预测评估方法 Download PDF

Info

Publication number
CN113687236A
CN113687236A CN202110887480.8A CN202110887480A CN113687236A CN 113687236 A CN113687236 A CN 113687236A CN 202110887480 A CN202110887480 A CN 202110887480A CN 113687236 A CN113687236 A CN 113687236A
Authority
CN
China
Prior art keywords
cyclic
cycle
empirical
season
attenuation
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.)
Pending
Application number
CN202110887480.8A
Other languages
English (en)
Inventor
刘建明
孙德洋
吴晓刚
从长杰
陈超
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.)
Tianjin EV Energies Co Ltd
Original Assignee
Tianjin EV Energies 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 Tianjin EV Energies Co Ltd filed Critical Tianjin EV Energies Co Ltd
Priority to CN202110887480.8A priority Critical patent/CN113687236A/zh
Publication of CN113687236A publication Critical patent/CN113687236A/zh
Pending legal-status Critical Current

Links

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]
    • G01R31/378—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
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明提供了一种动力电池半经验循环寿命预测评估方法，包括如下步骤：S1、采用循环典型测试方法，记录不同倍率、不同循环周数下的不可逆容量损失；S2：将步骤S1的数据拟合循环衰减模型参数，并建立各季节循环寿命模型；S3、基于对客户工况的分解，利用步骤S2中各季节循环容量衰减模型，分别计算确定各季节的循环衰减，最后进行整体累加评估。本发明所述的动力电池半经验循环寿命预测评估方法，将同一温度下不同倍率的循环老化混合进行测试，减少了测试样品，同时增加了测试点数量；循环老化半经验模型，考虑了不同温度、不同倍率对循环衰减的影响，提高了电池循环寿命评估精度。

Description

一种动力电池半经验循环寿命预测评估方法
技术领域
本发明属于动力电池技术领域，尤其是涉及一种动力电池半经验循环寿命预测评估方法。
背景技术
动力电池剩余寿命是电池监测与维护的关键，已成为电池技术的核心构成部分，准确估算电池剩余寿命，对锂离子电池组的剩余寿命做出预判，有利于提高电池使用效率，确保电池使用中的安全性和可靠性，提高整车的控制性能和准确续航。循环寿命—电池在使用周期内充放电次数之和。许多电池生产商和研究机构用循环寿命来评价电池性能，对于锂离子电池，由循环充放电所引起的容量下降是表征寿命衰退过程的指标。
现有循环容量损失测试试验方法一般如下：搭建动力电池实验平台，设计面向老化特性的电池测试流程和程序，电池基于实验数据分析锂离子动力电池的外特性：放电倍率特性，充放电效率特性，放电电压特性，欧姆内阻特性，放电电压特性，容量衰减特性。一般只取常温荷、高温(45℃)1C/1C 测试，测试的数据点比较单一，对于循环寿命评估很难精准。
发明内容
有鉴于此，本发明旨在提出一种动力电池半经验循环寿命预测评估方法，以提供一种综合考虑电池不同倍率、不同温度的锂离子电池循环寿命测试评估方法，提高电池循环寿命评估精度。
为达到上述目的，本发明的技术方案是这样实现的：
一种动力电池半经验循环寿命预测评估方法，包括如下步骤：
S1、采用循环典型测试方法，记录不同倍率、不同循环周数下的不可逆容量损失；
S2：将步骤S1的数据拟合循环衰减模型参数，并建立各季节循环寿命模型；
S3、基于对客户工况的分解，利用步骤S2中各季节循环容量衰减模型，分别计算确定各季节的循环衰减，最后进行整体累加评估。
进一步的，所述步骤S1中循环典型测试方法具体为：
S11、选取同批次化成后的若干支电池作为待测电池，然后根据客户电池使用四季温度(春季平均温度15℃、夏季平均温度35℃、秋季平均温度 25℃、冬季平均温度5℃)，将测试电池分成四组进行不同温度循环测试；
S12、每组电池在恒温箱中连续进行不同倍率测试，记录不同倍率、不同循环周数下的不可逆容量损失。
3.根据权利要求1所述的一种动力电池半经验循环寿命预测评估方法，其特征在于：所述步骤S2中，对步骤S1的数据进行参数拟合，建立不同季节的循环衰减参数模型的具体方法为：
步骤S21、在循环寿命试验中，通过阿伦尼乌斯动力学表达式，评估电池循环期间损失的容量，公式为：
Figure BDA0003194704750000021
式中：Qloss—循环容量损失，％；B—指前因子，也称为阿伦尼乌斯常数；Ea—活化能，以J/mol表示；z—无量纲数；Ah—循环充放吞吐量，Ah；R—摩尔气体常数，单位J/mol*K，R＝8.314；T—绝对温度，单位K；exp—自然对数的底；C—倍率；α—倍率系数；
S22、利用matlab工具拟合循环衰减模型参数，并建立各季节循环寿命模型。
进一步的，所述步骤S22中利用matlab工具拟合循环衰减模型参数过程如下：
在命令行输入春季实验数据：
》Qloss＝[Qc1 Qc2 Qc3 Qc4 Qc5 Qc6……]
》Ah＝[Ahc1 Ahc2 Ahc3 Ahc4 Ahc5 Ahc6……]
》C＝[0.1 0.2 0.3 0.5 1 1.5……]
启动曲线拟合工具箱，得到拟合结果参数a1、b1、c1、Ea1；同时得到春季循环寿命模型：Z＝b1*exp((-Ea1+c1*X)/8.314/(273.15+15))*Y^a1，重复上述步骤分别输入夏季、秋季、冬季实验数据得到不同季节循环衰减参数模型。
进一步的，所述步骤S3中对客户工况的分解内容具体为：统计客户工况每个季节的循环衰减倍率C和充放电吞吐量Ah。
相对于现有技术，本发明所述的动力电池半经验循环寿命预测评估方法具有以下优势：
(1)本发明所述的动力电池半经验循环寿命预测评估方法，将同一温度下不同倍率的循环老化混合进行测试，减少了测试样品，同时增加了测试点数量；循环老化半经验模型，考虑了不同温度、不同倍率对循环衰减的影响，提高了电池循环寿命评估精度。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将结合实施例来详细说明本发明。
一种动力电池半经验循环寿命预测评估方法，包括如下步骤：
S1、采用循环典型测试方法，记录不同倍率、不同循环周数下的不可逆容量损失。
循环典型测试方法具体为：
S11、选取同批次化成后的若干支电池作为待测电池，然后根据客户电池使用四季温度(春季平均温度15℃、夏季平均温度35℃、秋季平均温度 25℃、冬季平均温度5℃)，将测试电池分成四组进行不同温度循环测试。
S12、每组电池在恒温箱中连续进行不同倍率测试，记录不同倍率、不同循环周数下的不可逆容量损失。循环往复进行不同倍率测试。如下表1、表2、表3和表4所示。
表1春季15℃循环
Figure BDA0003194704750000041
表2夏季35℃循环
Figure BDA0003194704750000051
表3秋季25℃循环
Figure BDA0003194704750000052
表4冬季5℃循环
Figure BDA0003194704750000061
步骤S2：对步骤S1的数据进行参数拟合，建立不同季节的循环衰减参数模型。步骤S21、在循环寿命试验中，电池的寿命受到充放电Ah吞吐量和倍率的强烈影响，遵循阿伦尼乌斯动力学表达式。这个表达式非常适合于快速评估循环期间损失的容量。(即上面循环典型测试数据遵循此公式，利用实验数据可回归公式里面的参数)
Figure BDA0003194704750000062
式中：
Qloss—循环容量损失，％
B—指前因子，也称为阿伦尼乌斯常数
Ea—活化能，以J/mol表示
z—无量纲数
Ah—循环充放吞吐量，Ah
R—摩尔气体常数，单位J/mol*K，R＝8.314
T—绝对温度，单位K
exp—自然对数的底
C—倍率
α—倍率系数
S22、参数拟合，
matlab有一个功能强大的曲线拟合工具箱cftool，使用方便，能实现多种类型的线性、非线性曲线拟合。利用这个工具拟合循环衰减模型参数过程如下：
在命令行输入春季实验数据(即表1中的数据)：
》Qloss＝[Qc1 Qc2 Qc3 Qc4 Qc5 Qc6……]
》Ah＝[Ahc1 Ahc2 Ahc3 Ahc4 Ahc5 Ahc6……]
》C＝[0.1 0.2 0.3 0.5 1 1.5……]
启动曲线拟合工具箱
》cftool
进入曲线拟合工具箱界面“Curve fitting tool”
选择拟合曲线的类型：Custom Equations用户自定义的函数类型。然后输入函数类型Z＝b1*exp((-Ea1+c1*X)/8.314/(273.15+15))*Y^a1
利用X data、Y data和Z data的下拉菜单读入数据C、Ah、Qloss
类型设置完成后，点击“Apply”按钮，就可以在Results框中得到拟合结果参数a1、b1、c1、Ea1。
春季循环寿命模型：Z＝b1*exp((-Ea1+c1*X)/8.314/(273.15+15))*Y^a1 重复上述步骤分别输入夏季、秋季、冬季实验数据(即表2、表3和表4中的数据)，得到不同季节循环衰减参数模型。
夏季循环寿命模型：Z＝b2*exp((-Ea2+c2*X)/8.314/(273.15+15))*Y^a2
季循环寿命模型：Z＝b3*exp((-Ea3+c3*X)/8.314/(273.15+15))*Y^a3
冬季循环寿命模型：Z＝b4*exp((-Ea4+c4*X)/8.314/(273.15+15))*Y^a4。
S3、基于对客户工况的分解，利用步骤S2中各季节循环容量衰减模型，分别计算确定各季节的循环衰减，最后进行整体累加评估。
统计客户工况每个季节的循环衰减倍率C、充放电吞吐量Ah，利用步骤 S2中确定的各季节循环容量衰减模型，分别计算确定各季节的循环衰减，最后进行整体累加评估。
本申请优化了循环寿命测试，将同一温度下不同倍率的循环老化混合进行测试，减少了测试样品，同时增加了测试点数量；循环老化半经验模型，考虑了不同温度、不同倍率对循环衰减的影响。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种动力电池半经验循环寿命预测评估方法，其特征在于：包括如下步骤：
S1、采用循环典型测试方法，记录不同倍率、不同循环周数下的不可逆容量损失；
S2：将步骤S1的数据拟合循环衰减模型参数，并建立各季节循环寿命模型；
S3、基于对客户工况的分解，利用步骤S2中各季节循环容量衰减模型，分别计算确定各季节的循环衰减，最后进行整体累加评估。
2.根据权利要求1所述的一种动力电池半经验循环寿命预测评估方法，其特征在于：所述步骤S1中循环典型测试方法具体为：
S11、选取同批次化成后的若干支电池作为待测电池，然后根据客户电池使用四季温度(春季平均温度15℃、夏季平均温度35℃、秋季平均温度25℃、冬季平均温度5℃)，将测试电池分成四组进行不同温度循环测试；
S12、每组电池在恒温箱中连续进行不同倍率测试，记录不同倍率、不同循环周数下的不可逆容量损失。
3.根据权利要求1所述的一种动力电池半经验循环寿命预测评估方法，其特征在于：所述步骤S2中，对步骤S1的数据进行参数拟合，建立不同季节的循环衰减参数模型的具体方法为：
步骤S21、在循环寿命试验中，通过阿伦尼乌斯动力学表达式，评估电池循环期间损失的容量，公式为：
Figure FDA0003194704740000011
式中：Qloss—循环容量损失，％；B—指前因子，也称为阿伦尼乌斯常数；Ea—活化能，以J/mol表示；z—无量纲数；Ah—循环充放吞吐量，Ah；R—摩尔气体常数，单位J/mol*K，R＝8.314；T—绝对温度，单位K；exp—自然对数的底；C—倍率；α—倍率系数；
S22、利用matlab工具拟合循环衰减模型参数，并建立各季节循环寿命模型。
4.根据权利要求3所述的一种动力电池半经验循环寿命预测评估方法，其特征在于：所述步骤S22中利用matlab工具拟合循环衰减模型参数过程如下：
在命令行输入春季实验数据：
》Qloss＝[Qc1 Qc2 Qc3 Qc4 Qc5 Qc6……]
》Ah＝[Ahc1 Ahc2 Ahc3 Ahc4 Ahc5 Ahc6……]
》C＝[0.1 0.2 0.3 0.5 1 1.5……]
启动曲线拟合工具箱，得到拟合结果参数a1、b1、c1、Ea1；同时得到春季循环寿命模型：Z＝b1*exp((-Ea1+c1*X)/8.314/(273.15+15))*Y^a1，重复上述步骤分别输入夏季、秋季、冬季实验数据得到不同季节循环衰减参数模型。
5.根据权利要求1所述的一种动力电池半经验循环寿命预测评估方法，其特征在于：所述步骤S3中对客户工况的分解内容具体为：统计客户工况每个季节的循环衰减倍率C和充放电吞吐量Ah。
CN202110887480.8A 2021-08-03 2021-08-03 一种动力电池半经验循环寿命预测评估方法 Pending CN113687236A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110887480.8A CN113687236A (zh) 2021-08-03 2021-08-03 一种动力电池半经验循环寿命预测评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110887480.8A CN113687236A (zh) 2021-08-03 2021-08-03 一种动力电池半经验循环寿命预测评估方法

Publications (1)

Publication Number Publication Date
CN113687236A true CN113687236A (zh) 2021-11-23

Family

ID=78578633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110887480.8A Pending CN113687236A (zh) 2021-08-03 2021-08-03 一种动力电池半经验循环寿命预测评估方法

Country Status (1)

Country Link
CN (1) CN113687236A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114035097A (zh) * 2021-11-30 2022-02-11 重庆长安新能源汽车科技有限公司 锂离子电池寿命衰减预测的方法、系统及存储介质
CN116908705A (zh) * 2023-09-12 2023-10-20 宁德时代新能源科技股份有限公司 容量衰减模型建立方法、电池循环寿命测试方法及装置
CN117436287A (zh) * 2023-12-20 2024-01-23 天津力神电池股份有限公司 电池组寿命预测方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106597305A (zh) * 2016-12-09 2017-04-26 合肥国轩高科动力能源有限公司 一种锂离子电池的循环寿命预测方法
CN107045103A (zh) * 2016-11-29 2017-08-15 北京长城华冠汽车科技股份有限公司 电动汽车动力电池寿命测试装置和方法
CN110750874A (zh) * 2019-09-26 2020-02-04 长沙理工大学 一种退役动力电池寿命预测的方法
CN112214889A (zh) * 2020-09-29 2021-01-12 蜂巢能源科技有限公司 锂电池充电方法、系统、电子设备、电池管理系统及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107045103A (zh) * 2016-11-29 2017-08-15 北京长城华冠汽车科技股份有限公司 电动汽车动力电池寿命测试装置和方法
CN106597305A (zh) * 2016-12-09 2017-04-26 合肥国轩高科动力能源有限公司 一种锂离子电池的循环寿命预测方法
CN110750874A (zh) * 2019-09-26 2020-02-04 长沙理工大学 一种退役动力电池寿命预测的方法
CN112214889A (zh) * 2020-09-29 2021-01-12 蜂巢能源科技有限公司 锂电池充电方法、系统、电子设备、电池管理系统及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵俊年;金翼;王绥军;郭晓君;: "商用Li_4Ti_5O_(12)电池的温度特性及容量衰减模型", 中国电机工程学报, no. 17 *
鱼乐;戴海峰;李丽珍;: "锂离子电池低温充电容量衰减规律分析", 电池, no. 02 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114035097A (zh) * 2021-11-30 2022-02-11 重庆长安新能源汽车科技有限公司 锂离子电池寿命衰减预测的方法、系统及存储介质
CN114035097B (zh) * 2021-11-30 2023-08-15 深蓝汽车科技有限公司 锂离子电池寿命衰减预测的方法、系统及存储介质
CN116908705A (zh) * 2023-09-12 2023-10-20 宁德时代新能源科技股份有限公司 容量衰减模型建立方法、电池循环寿命测试方法及装置
CN116908705B (zh) * 2023-09-12 2024-02-23 宁德时代新能源科技股份有限公司 容量衰减模型建立方法、电池循环寿命测试方法及装置
CN117436287A (zh) * 2023-12-20 2024-01-23 天津力神电池股份有限公司 电池组寿命预测方法、装置及存储介质
CN117436287B (zh) * 2023-12-20 2024-04-19 天津力神电池股份有限公司 电池组寿命预测方法、装置及存储介质

Similar Documents

Publication Publication Date Title
Lu et al. A method of cell-to-cell variation evaluation for battery packs in electric vehicles with charging cloud data
CN113687236A (zh) 一种动力电池半经验循环寿命预测评估方法
CN106443474B (zh) 一种动力电池系统寿命衰退特征快速识别的方法
CN111175666B (zh) 一种soh检测方法及装置
CN108732510B (zh) 基于内部特征的锂离子电池一致性筛选分组方法
CN108037460B (zh) 一种批产锂离子电池容量实时评估方法
CN103792495B (zh) 基于德尔菲法和灰色关联理论的电池性能评价方法
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
CN108549030B (zh) 基于电压关键特性的锂电池在线健康状态快速预测方法
CN101504443B (zh) 一种锂离子电池放电容量的预测方法
CN113687235A (zh) 一种动力电池半经验日历寿命预测评估方法
CN111036575B (zh) 一种基于温度变化分析的锂离子电池分选方法
CN112858941B (zh) 一种磷酸铁锂动力电池加速试验与寿命评估方法
CN108732499B (zh) 一种检测锂离子电池循环寿命的方法和系统
CN113109729B (zh) 基于加速老化试验与实车工况的车用动力电池soh评估方法
CN111366864B (zh) 一种基于固定压升区间的电池soh在线估计方法
CN110045288A (zh) 一种基于支持向量回归的锂离子电池容量在线估计方法
CN107271913A (zh) 一种应用于动力电池剩余容量预测的方法
CN113189496B (zh) 一种验证脉冲加热对动力电池寿命影响的方法
CN113030761A (zh) 一种超大规模储能电站电池健康状态的评估方法及系统
CN114720899A (zh) 退役电池梯次利用分选方法及系统、电子设备、存储介质
CN115291131A (zh) 锂离子电池的循环寿命和使用温度预测方法及系统
CN111965557A (zh) 一种后备电源可靠性的评估方法和装置
CN117808370A (zh) 一种基于电池老化状态的充电策略优化方法
CN112540296B (zh) 一种用于电站电池系统的性能评价系统

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