CN113820614B - 锂离子电池循环寿命的预测方法 - Google Patents
锂离子电池循环寿命的预测方法 Download PDFInfo
- Publication number
- CN113820614B CN113820614B CN202110947387.1A CN202110947387A CN113820614B CN 113820614 B CN113820614 B CN 113820614B CN 202110947387 A CN202110947387 A CN 202110947387A CN 113820614 B CN113820614 B CN 113820614B
- Authority
- CN
- China
- Prior art keywords
- battery
- cycle
- cycle life
- evaluated
- life
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 30
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 25
- 238000012360 testing method Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000007600 charging Methods 0.000 claims description 21
- 238000007599 discharging Methods 0.000 claims description 9
- 238000010281 constant-current constant-voltage charging Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000010280 constant potential charging Methods 0.000 claims description 3
- 238000010277 constant-current charging Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000006731 degradation reaction Methods 0.000 description 7
- NCZYUKGXRHBAHE-UHFFFAOYSA-K [Li+].P(=O)([O-])([O-])[O-].[Fe+2].[Li+] Chemical compound [Li+].P(=O)([O-])([O-])[O-].[Fe+2].[Li+] NCZYUKGXRHBAHE-UHFFFAOYSA-K 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及电池寿命预测领域,公开了一种锂离子电池循环寿命的预测方法,包括以下步骤:建立循环寿命预测模型,将待评测电池进行循环寿命测试,循环n次,测试过程中统计循环周数和每周对应的放电容量,选取循环寿命测试中第m次到第n次的放电容量数据进行拟合分析,求出模型参数值,得到循环寿命预测模型;根据电池规定的循环寿命终止条件,以对待评测电池的循环寿命进行预测。本发明预测模型较为简单且可靠,不需要依靠高端检测设备和复杂理论计算,仅仅通过短期的循环寿命数据结合软件进行拟合,即可求出模型参数值,进而预测循环寿命,缩短了寿命测评周期,节省了时间成本,避免了对测试资源的浪费。
Description
技术领域
本发明涉及电池寿命预测领域,尤其涉及一种锂离子电池循环寿命的预测方法。
背景技术
现有的锂离子电池寿命预测的方法主要分为两大类:一种是基于模型驱动的锂离子电池寿命预测法,另一种是基于数据驱动的锂离子电池寿命预测方法。基于模型驱动的锂离子电池寿命预测可分为经验退化模型和退化机理模型两种。退化机理模型能够深层次地精确描述不同电池的内部衰退过程,但在复杂的外部环境下,这些模型很难体现出电池的动态衰退过程。与电池退化机理模型对比,锂离子电池的经验退化模型更容易得到,避免了复杂内部化学反应的限制,更容易被广泛应用,但它对复杂的环境条件适应性较差,很难具有普遍适用性。
发明名称为一种锂离子电池的循环寿命预测方法,专利号为201611138130.7的发明专利申请,包括建立容量衰减模型:确定实验条件,进行实验,初步确定各模型参数的值,微调各模型参数的值,确定各模型参数的值,预测循环寿命,其可根据衰减模型预测同类电池在某循环温度及充放电倍率下的循环寿命,但容量衰减模型相对较复杂,且实验时需要记录到在实验电池到截止寿命后终止实验(如初始容量或额定容量的80%、70%、60%等),寿命测评周期长,如果寿命在数千次,则需要记录数千条记录,经济成本和时间成本均较高。
发明内容
本发明针对现有技术中模型复杂、寿命评测周期长的缺点,提供了一种锂离子电池循环寿命的预测方法,寿命评测周期相对较短,且模型较为简单。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
锂离子电池循环寿命的预测方法,包括以下步骤:
S1.建立循环寿命预测模型:
其中:a、b、c为待求解的模型参数,Q为电池规定的循环寿命终止时的放电容量,Qm为第m次的放电容量,m为正整数,t为循环周数,tm为第m循环周数;
S2.将待评测电池进行循环寿命测试,循环n次,测试过程中统计循环周数和每周对应的放电容量,选取循环寿命测试中第m次到第n次的放电容量数据进行拟合分析,求出模型参数a、b、c的值,得到循环寿命预测模型;
S3.根据电池规定的循环寿命终止条件,将电池寿命终止时的放电容量代入模型中Q,得出循环周数t值,以对待评测电池的循环寿命进行预测。
进一步地,步骤S2.中的待评测电池的循环寿命测试步骤具体如下:
S21.将待评测电池静置10-300min;
S22.恒流恒压充电:将待评测电池恒流充电至充电限制电压3.65V后转恒压充电,直至充电电流小于或等于0.05C;
S23.静置:将充满电的待评测电池静置10-300min;
S24.恒流放电:将静置结束的待评测电池恒流放电至终止电压2.5V;
S25.静置:将放空电的待评测电池静置10-300min;
S26.对待评测电池进行步骤S22.-S25.的充放电循环,循环n次终止。
进一步地,其中n>m,n为正整数。
进一步地,n>200。
进一步地,步骤S2.中待评测电池循环寿命测试时环境温度在-10℃~60℃之间。
进一步地,步骤S22.中,充电倍率选取1C或2C或3C。
进一步地,步骤S24.中,放电倍率选取1C或2C或3C。
本发明由于采用了以上技术方案,具有显著的技术效果:
循环寿命预测模型较为简单且可靠,不需要依靠高端检测设备和复杂理论计算,仅仅通过短期的循环寿命数据(通常是几百条数据)结合minitab软件进行拟合,即可利用短期的循环寿命数据得出长寿命锂离子电池循环寿命预测模型的参数,代入Q的值后,即可求出t,预测出循环寿命,可大大缩短寿命测评周期,节省了锂离子电池寿命评测的时间成本,避免了对测试资源的浪费,降低测试成本:具体为将待评测电池在一定的测试条件下进行短期循环测试,选取部分循环测试数据,利用minitab软件进行拟合,所得出的锂离子电池循环寿命预测模型基于实测数据,温度和充放电倍率在实测数据中会体现出来,得到的结果已包含了温度和倍率的影响因素,其结果可靠,且大幅度缩减循环寿命测试周期,简单高效。因循环寿命预测模型参数的获得是基于实际的循环测试数据进行拟合,与纯理论寿命模型和经验寿命模型相比,预测准确度高,且简单易行,具有更强的普遍适用性。
附图说明
图1为本发明实施例1用minitab软件按照循环寿命预测模型进行拟合的情况;
图2为本发明实施例1实际循环寿命曲线图;
图3为本发明实施例2用minitab软件按照循环寿命预测模型进行拟合的情况;
图4为本发明实施例2实际循环寿命曲线图;
图5为本发明实施例3用minitab软件按照循环寿命预测模型进行拟合的情况;
图6为本发明实施例3实际循环寿命曲线图;
图7为本发明实施例4用minitab软件按照循环寿命预测模型进行拟合的情况;
图8为本发明实施例4实际循环寿命曲线图。
具体实施方式
以下将配合附图及实施例来详细说明本申请的实施方式,借此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
本发明提供一种锂离子电池循环寿命的预测方法,包括以下步骤:
S1.建立循环寿命预测模型:
其中:a、b、c为待求解的模型参数,Q为电池规定的循环寿命终止时的放电容量,Qm为第m次的放电容量,m为正整数,t为循环周数,tm为第m循环周数;
S2.在-10℃~60℃的环境下,将待评测电池按照如下的测试步骤进行循环寿命测试:
S21.将待评测电池静置10-300min;
S22.恒流恒压充电:将待评测电池恒流充电至充电限制电压3.65V后转恒压充电,直至充电电流小于或等于0.05C;
S23.静置:将充满电的待评测电池静置10-300min;
S24.恒流放电:将静置结束的待评测电池恒流放电至终止电压2.5V;
S25.静置:将放空电的待评测电池静置10-300min;
S26.对待评测电池进行步骤S22.-S25.的充放电循环,循环n次终止,其中n>m,且1000>n>200,n为正整数。
步骤S22.中,充电倍率选取1C或2C或3C,步骤S24.中,放电倍率选取1C或2C或3C。
测试过程中统计循环过程中的循环周数和每周对应的放电容量,选取循环寿命测试中第m次到第n次的放电容量数据用minitab软件进行拟合分析,求出模型参数a、b、c的值,得到循环寿命预测模型;
S3.根据电池规定的循环寿命终止条件,定义电池寿命终止时的放电容量为80%额定容量,将其代入模型中Q,得出循环周数t值,以对待评测电池的循环寿命进行预测。
待评测电池为磷酸铁锂锂离子电池。
初期的测试循环较为不稳定,后期容量(一般是指超过六七百次以后)衰减相对稳定,因此可通过短期循环测试得到的模型预测出锂离子电池的循环寿命。因是基于循环初期的数据进行预测,更具有针对性,循环寿命预测模型会更为简单。
实施例1
锂离子电池循环寿命的预测方法,待评测电池为磷酸铁锂锂离子电池,包括以下步骤:
S1.建立循环寿命预测模型:
其中:a、b、c为待求解的模型参数,Q为电池规定的循环寿命终止时的放电容量,Qm为第m次的放电容量,m为正整数,t为循环周数;
S2.在环境温度为25℃±2℃下,选取待评测40Ah电池一只按照如下的测试步骤进行循环寿命测试:
S21.将待评测电池静置30min;
S22.恒流恒压充电:将待评测电池以1C充电倍率恒流充电至充电限制电压3.65V后转恒压充电,直至充电电流小于或等于0.05C;
S23.静置:将充满电的待评测电池静置30min;
S24.恒流放电:将静置结束的待评测电池以1C放电倍率恒流放电至终止电压2.5V;
S25.静置:将放空电的待评测电池静置30min;
S26.对待评测电池进行步骤S22.-S25.的充放电循环,循环500次终止。
测试过程中统计循环过程中的循环周数和每周对应的放电容量,选取循环寿命测试中第200次到第500次的放电容量数据用minitab软件进行拟合分析,如图1所示,其中Q200=39.76,拟合后得到a=0.2,b=-50204,c=-0.69,得到循环寿命预测模型:
S3.根据电池规定的循环寿命终止条件,Q=40*80%=32,代入循环寿命预测模型,取整得到所预测的循环周数t为1134周;之后持续充放电循环,获得待评测电池的实际循环寿命为1064周,与上述预测值接近,具体循环寿命曲线详见图2所示。
实施例2
锂离子电池循环寿命的预测方法,待评测电池为磷酸铁锂锂离子电池,包括以下步骤:
S1.建立循环寿命预测模型:
其中:a、b、c为待求解的模型参数,Q为电池寿命终止时的放电容量,Qm为第m次的放电容量,m为正整数,t为循环周数;
S2.在环境温度为30℃±2℃下,选取待评测30Ah电池一只按照如下的测试步骤进行循环寿命测试:
S21.将待评测电池静置4h;
S22.恒流恒压充电:将待评测电池以1C充电倍率恒流充电至充电限制电压3.65V后转恒压充电,直至充电电流小于或等于0.05C;
S23.静置:将充满电的待评测电池静置45min;
S24.恒流放电:将静置结束的待评测电池以1C放电倍率恒流放电至终止电压2.5V;
S25.静置:将放空电的待评测电池静置45min;
S26.对待评测电池进行步骤S22.-S25.的充放电循环,循环400次终止。
测试过程中统计循环过程中的循环周数和每周对应的放电容量,选取循环寿命测试中第100次到第400次的放电容量数据用minitab软件进行拟合分析,如图3所示,其中Q100=30.77,拟合后得到a=0.19,b=-55694,c=-0.7,得到循环寿命预测模型:
S3.根据电池规定的循环寿命终止条件,Q=30*80%=24,代入循环寿命预测模型,取整得到所预测的循环周数t为2726周;之后持续充放电循环,获得待评测电池的实际循环寿命为2711周,与上述预测值接近,具体循环寿命曲线详见图4所示。
实施例3
锂离子电池循环寿命的预测方法,待评测电池为磷酸铁锂锂离子电池,包括以下步骤:
S1.建立循环寿命预测模型:
其中:a、b、c为待求解的模型参数,Q为电池寿命终止时的放电容量,Qm为第m次的放电容量,m为正整数,t为循环周数;
S2.在环境温度为35℃±2℃下,选取待评测33Ah电池一只按照如下的测试步骤进行循环寿命测试:
S21.将待评测电池静置5h;
S22.恒流恒压充电:将待评测电池以1C充电倍率恒流充电至充电限制电压3.65V后转恒压充电,直至充电电流小于或等于0.05C;
S23.静置:将充满电的待评测电池静置30min;
S24.恒流放电:将静置结束的待评测电池以1C放电倍率恒流放电至终止电压2.5V;
S25.静置:将放空电的待评测电池静置30min;
S26.对待评测电池进行步骤S22.-S25.的充放电循环,循环250次终止。
测试过程中统计循环过程中的循环周数和每周对应的放电容量,选取循环寿命测试中第50次到第250次的放电容量数据用minitab软件进行拟合分析,如图5所示,其中Q50=32.21,拟合后得到a=0.14,b=-55375,c=-0.28,得到循环寿命预测模型:
S3.根据电池规定的循环寿命终止条件,Q=33*80%=26.4,代入循环寿命预测模型,取整得到所预测的循环周数t为593周;之后持续充放电循环,获得待评测电池的实际循环寿命为596周,与上述预测值接近,具体循环寿命曲线详见图6所示。
实施例4
锂离子电池循环寿命的预测方法,待评测电池为磷酸铁锂锂离子电池,包括以下步骤:
S1.建立循环寿命预测模型:
其中:a、b、c为待求解的模型参数,Q为电池寿命终止时的放电容量,Qm为第m次的放电容量,m为正整数,t为循环周数;
S2.在环境温度为20℃±2℃下,选取待评测30Ah电池一只按照如下的测试步骤进行循环寿命测试:
S21.将待评测电池静置30min;
S22.恒流恒压充电:将待评测电池以2C充电倍率恒流充电至充电限制电压3.65V后转恒压充电,直至充电电流小于或等于0.05C;
S23.静置:将充满电的待评测电池静置30min;
S24.恒流放电:将静置结束的待评测电池以3C放电倍率恒流放电至终止电压2.5V;
S25.静置:将放空电的待评测电池静置30min;
S26.对待评测电池进行步骤S22.-S25.的充放电循环,循环400次终止。
测试过程中统计循环过程中的循环周数和每周对应的放电容量,选取循环寿命测试中第100次到第400次的放电容量数据用minitab软件进行拟合分析,如图7所示,其中Q100=29.62,拟合后得到a=0.12,b=-121712,c=-0.49,得到循环寿命预测模型:
S3.根据电池规定的循环寿命终止条件,Q=30*80%=24,代入循环寿命预测模型,取整得到所预测的循环周数t为1871周;之后持续充放电循环,获得待评测电池的实际循环寿命为1787周,与上述预测值接近,具体循环寿命曲线详见图8所示。
上述说明示出并描述了本发明的若干优选实施例,但如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.锂离子电池循环寿命的预测方法,其特征在于,包括以下步骤:
S1.建立循环寿命预测模型:
其中:a、b、c为待求解的模型参数,Q为电池寿命终止时的放电容量,Qm为第m次的放电容量,m为正整数,t为循环周数,tm为第m循环周数;
S2.将待评测电池进行循环寿命测试,循环n次,测试过程中统计循环周数和每周对应的放电容量,选取循环寿命测试中第m次到第n次的放电容量数据进行拟合分析,求出模型参数a、b、c的值,得到循环寿命预测模型;
S3.根据电池规定的循环寿命终止条件,将电池寿命终止时的放电容量代入模型中Q,得出循环周数t值,以对待评测电池的循环寿命进行预测。
2.根据权利要求1所述的锂离子电池循环寿命的预测方法,其特征在于,步骤S2.中的待评测电池的循环寿命测试步骤具体如下:
S21.将待评测电池静置10-300min;
S22.恒流恒压充电:将待评测电池恒流充电至充电限制电压3.65V后转恒压充电,直至充电电流小于或等于0.05C;
S23.静置:将充满电的待评测电池静置10-30min;
S24.恒流放电:将静置结束的待评测电池恒流放电至终止电压2.5V;
S25.静置:将放空电的待评测电池静置10-30min;
S26.对待评测电池进行步骤S22.-S25.的充放电循环,循环n次终止。
3.根据权利要求1所述的锂离子电池循环寿命的预测方法,其特征在于,其中n>m,n为正整数。
4.根据权利要求1所述的锂离子电池循环寿命的预测方法,其特征在于,n>200。
5.根据权利要求1所述的锂离子电池循环寿命的预测方法,其特征在于,步骤S2.中待评测电池循环寿命测试时环境温度在-10℃~60℃之间。
6.根据权利要求2所述的锂离子电池循环寿命的预测方法,其特征在于,步骤S22.中,充电倍率选取1C或2C或3C,步骤S24.中,放电倍率选取1C或2C或3C。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110947387.1A CN113820614B (zh) | 2021-08-18 | 2021-08-18 | 锂离子电池循环寿命的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110947387.1A CN113820614B (zh) | 2021-08-18 | 2021-08-18 | 锂离子电池循环寿命的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113820614A CN113820614A (zh) | 2021-12-21 |
CN113820614B true CN113820614B (zh) | 2023-10-24 |
Family
ID=78913325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110947387.1A Active CN113820614B (zh) | 2021-08-18 | 2021-08-18 | 锂离子电池循环寿命的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113820614B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114047452B (zh) * | 2022-01-13 | 2022-05-13 | 浙江玥视科技有限公司 | 一种确定电池循环寿命的方法及装置 |
CN115308609B (zh) * | 2022-08-02 | 2023-04-14 | 楚能新能源股份有限公司 | 一种锂离子电池厚度的预测方法、预测装置和锂离子电池 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353582A (zh) * | 2013-07-09 | 2013-10-16 | 中国人民解放军国防科学技术大学 | 二次电池寿命测试方法 |
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 |
CN107064800A (zh) * | 2016-11-29 | 2017-08-18 | 北京交通大学 | 锂离子电池剩余使用寿命的实时预测方法 |
CN107202960A (zh) * | 2017-05-25 | 2017-09-26 | 安徽江淮汽车集团股份有限公司 | 动力电池寿命预测方法 |
CN107688154A (zh) * | 2017-09-26 | 2018-02-13 | 江苏双登富朗特新能源有限公司 | 锂离子电池循环寿命的预测方法 |
CN111562498A (zh) * | 2020-05-18 | 2020-08-21 | 山东大学 | 动力电池可用容量估计方法及系统 |
WO2021056687A1 (zh) * | 2019-09-29 | 2021-04-01 | 宁德新能源科技有限公司 | 充电方法、电子装置及存储介质 |
CN112782585A (zh) * | 2020-11-12 | 2021-05-11 | 上海空间电源研究所 | 一种基于电池衰减机制的寿命评估方法及系统 |
-
2021
- 2021-08-18 CN CN202110947387.1A patent/CN113820614B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353582A (zh) * | 2013-07-09 | 2013-10-16 | 中国人民解放军国防科学技术大学 | 二次电池寿命测试方法 |
CN107064800A (zh) * | 2016-11-29 | 2017-08-18 | 北京交通大学 | 锂离子电池剩余使用寿命的实时预测方法 |
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 |
CN107202960A (zh) * | 2017-05-25 | 2017-09-26 | 安徽江淮汽车集团股份有限公司 | 动力电池寿命预测方法 |
CN107688154A (zh) * | 2017-09-26 | 2018-02-13 | 江苏双登富朗特新能源有限公司 | 锂离子电池循环寿命的预测方法 |
WO2021056687A1 (zh) * | 2019-09-29 | 2021-04-01 | 宁德新能源科技有限公司 | 充电方法、电子装置及存储介质 |
CN111562498A (zh) * | 2020-05-18 | 2020-08-21 | 山东大学 | 动力电池可用容量估计方法及系统 |
CN112782585A (zh) * | 2020-11-12 | 2021-05-11 | 上海空间电源研究所 | 一种基于电池衰减机制的寿命评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113820614A (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110568361B (zh) | 一种动力电池健康状态的预测方法 | |
CN109856559B (zh) | 一种锂电池循环寿命的预测方法 | |
CN107576918B (zh) | 锂电池的剩余电量的估算方法及系统 | |
CN112198444B (zh) | 一种基于极片膨胀度预测锂离子电池循环寿命的方法 | |
CN113820614B (zh) | 锂离子电池循环寿命的预测方法 | |
CN110221222B (zh) | 电池安全截止电压预测方法、装置及电池管理系统 | |
CN107015163B (zh) | 一种电池容量的获取方法和装置 | |
CN109298341B (zh) | 锂离子电池负极析锂的量化方法 | |
CN109100652B (zh) | 一种用于预测梯次利用动力电池的离散度的方法及系统 | |
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 | |
CN111426952A (zh) | 一种锂离子电池的寿命预测方法 | |
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 | |
CN114217238A (zh) | 一种锂离子电池循环寿命的预测方法 | |
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 | |
CN114252795B (zh) | 一种预测锂离子电池循环寿命的方法 | |
CN111812534A (zh) | 一种蓄电池寿命加速试验方法 | |
CN110208717B (zh) | 基于大数据的动力电池寿命预测方法 | |
Omariba et al. | Remaining useful life prediction of electric vehicle lithium-ion battery based on particle filter method | |
CN112782585B (zh) | 一种基于电池衰减机制的寿命评估方法及系统 | |
CN113341329A (zh) | 一种电压弛豫判定电芯析锂的方法及系统 | |
CN116449244A (zh) | 基于单次放电曲线的锂电池老化轨迹早期预测方法及系统 | |
CN109001632B (zh) | 一种用于对补锂电池阶段寿命进行预测的方法及系统 | |
CN115902625A (zh) | 一种电池系统的性能预测方法、装置、设备及存储介质 | |
CN112305439B (zh) | 电池寿命测试方法、装置及可读存储介质 | |
CN115113053A (zh) | 一种基于高自适应性滤波算法的锂电池soc估计方法 |
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 |