CN113848480A - 锂电池分容工艺的放电总容量预测方法 - Google Patents
锂电池分容工艺的放电总容量预测方法 Download PDFInfo
- Publication number
- CN113848480A CN113848480A CN202111111519.3A CN202111111519A CN113848480A CN 113848480 A CN113848480 A CN 113848480A CN 202111111519 A CN202111111519 A CN 202111111519A CN 113848480 A CN113848480 A CN 113848480A
- Authority
- CN
- China
- Prior art keywords
- data
- capacity
- charging
- total discharge
- grading
- 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
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]
- G01R31/385—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Secondary Cells (AREA)
Abstract
Description
Claims (6)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111111519.3A CN113848480B (zh) | 2021-09-23 | 2021-09-23 | 锂电池分容工艺的放电总容量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111111519.3A CN113848480B (zh) | 2021-09-23 | 2021-09-23 | 锂电池分容工艺的放电总容量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113848480A true CN113848480A (zh) | 2021-12-28 |
CN113848480B CN113848480B (zh) | 2022-08-23 |
Family
ID=78979071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111111519.3A Active CN113848480B (zh) | 2021-09-23 | 2021-09-23 | 锂电池分容工艺的放电总容量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113848480B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460474A (zh) * | 2022-01-25 | 2022-05-10 | 电子科技大学 | 电池分容方法及其装置、电子设备 |
CN115656834A (zh) * | 2022-11-02 | 2023-01-31 | 武汉动力电池再生技术有限公司 | 一种电池容量预测方法、装置及电子设备 |
CN116522153A (zh) * | 2023-07-05 | 2023-08-01 | 深圳海辰储能控制技术有限公司 | 锂电池容量预测方法、装置、计算机设备和存储介质 |
CN116609681A (zh) * | 2023-04-28 | 2023-08-18 | 广东恒翼能科技股份有限公司 | 化成分容测试入库方法及化成分容测试微网节能控制系统 |
CN116680992A (zh) * | 2023-07-28 | 2023-09-01 | 宁德时代新能源科技股份有限公司 | 建立电芯容量预测模型的方法、装置、计算机设备及介质 |
CN116794533A (zh) * | 2023-08-21 | 2023-09-22 | 深圳海辰储能控制技术有限公司 | 一种电芯容量分档方法和相关产品 |
CN117706376A (zh) * | 2024-02-04 | 2024-03-15 | 深圳海辰储能科技有限公司 | 电池容量预测方法、装置、电子设备及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108896914A (zh) * | 2018-05-11 | 2018-11-27 | 浙江工业大学 | 一种锂电池健康状况的梯度提升树建模与预测方法 |
US20190113577A1 (en) * | 2017-10-17 | 2019-04-18 | The Board Of Trustees Of The Leland Stanford Junior University | Data-driven Model for Lithium-ion Battery Capacity Fade and Lifetime Prediction |
CN109738824A (zh) * | 2018-12-29 | 2019-05-10 | 东莞市金源电池科技有限公司 | 一种锂离子电池的化成测容方法 |
CN110187225A (zh) * | 2019-06-17 | 2019-08-30 | 广东恒翼能科技有限公司 | 一种锂电池内短路电压电流异常检测方法及系统 |
JP2019160256A (ja) * | 2018-03-16 | 2019-09-19 | 株式会社リコー | 学習識別装置および学習識別方法 |
CN110676519A (zh) * | 2018-07-03 | 2020-01-10 | 施耐德电气It公司 | 先进的智能电池分析和诊断系统及其方法 |
CN110687452A (zh) * | 2019-09-05 | 2020-01-14 | 南京理工大学 | 基于K均值聚类与Elman神经网络的锂电池容量在线预测方法 |
CN111898325A (zh) * | 2020-08-14 | 2020-11-06 | 天津大学 | 一种电动汽车动力电池剩余使用寿命预测方法 |
CN111999649A (zh) * | 2020-08-20 | 2020-11-27 | 浙江工业大学 | 一种基于XGBoost算法的锂电池剩余寿命预测方法 |
EP3748380A1 (en) * | 2019-06-05 | 2020-12-09 | Samsung SDI Co., Ltd. | Battery capacity prediction system using charge and discharge cycles of a battery to predict capacity variations, and associated method |
CN112798961A (zh) * | 2021-02-27 | 2021-05-14 | 天津大学 | 一种电动汽车动力电池剩余使用寿命预测方法 |
CN113049974A (zh) * | 2021-02-02 | 2021-06-29 | 欣旺达电动汽车电池有限公司 | 电池容量预测方法、装置、设备及存储介质 |
WO2021138925A1 (zh) * | 2020-01-08 | 2021-07-15 | 重庆邮电大学 | 基于改进卷积-长短时记忆神经网络的锂电池容量估算方法 |
CN113311337A (zh) * | 2021-05-21 | 2021-08-27 | 电子科技大学 | 基于相关向量回归的锂离子电池剩余寿命检测方法 |
CN214203784U (zh) * | 2020-12-04 | 2021-09-14 | 湖南立方新能源科技有限责任公司 | 一种锂电池化成分容一体化设备 |
-
2021
- 2021-09-23 CN CN202111111519.3A patent/CN113848480B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190113577A1 (en) * | 2017-10-17 | 2019-04-18 | The Board Of Trustees Of The Leland Stanford Junior University | Data-driven Model for Lithium-ion Battery Capacity Fade and Lifetime Prediction |
JP2019160256A (ja) * | 2018-03-16 | 2019-09-19 | 株式会社リコー | 学習識別装置および学習識別方法 |
CN108896914A (zh) * | 2018-05-11 | 2018-11-27 | 浙江工业大学 | 一种锂电池健康状况的梯度提升树建模与预测方法 |
CN110676519A (zh) * | 2018-07-03 | 2020-01-10 | 施耐德电气It公司 | 先进的智能电池分析和诊断系统及其方法 |
CN109738824A (zh) * | 2018-12-29 | 2019-05-10 | 东莞市金源电池科技有限公司 | 一种锂离子电池的化成测容方法 |
EP3748380A1 (en) * | 2019-06-05 | 2020-12-09 | Samsung SDI Co., Ltd. | Battery capacity prediction system using charge and discharge cycles of a battery to predict capacity variations, and associated method |
KR20200140093A (ko) * | 2019-06-05 | 2020-12-15 | 삼성에스디아이 주식회사 | 배터리의 충방전 사이클에 따른 용량 변화 예측방법 및 예측시스템 |
CN110187225A (zh) * | 2019-06-17 | 2019-08-30 | 广东恒翼能科技有限公司 | 一种锂电池内短路电压电流异常检测方法及系统 |
CN110687452A (zh) * | 2019-09-05 | 2020-01-14 | 南京理工大学 | 基于K均值聚类与Elman神经网络的锂电池容量在线预测方法 |
WO2021138925A1 (zh) * | 2020-01-08 | 2021-07-15 | 重庆邮电大学 | 基于改进卷积-长短时记忆神经网络的锂电池容量估算方法 |
CN111898325A (zh) * | 2020-08-14 | 2020-11-06 | 天津大学 | 一种电动汽车动力电池剩余使用寿命预测方法 |
CN111999649A (zh) * | 2020-08-20 | 2020-11-27 | 浙江工业大学 | 一种基于XGBoost算法的锂电池剩余寿命预测方法 |
CN214203784U (zh) * | 2020-12-04 | 2021-09-14 | 湖南立方新能源科技有限责任公司 | 一种锂电池化成分容一体化设备 |
CN113049974A (zh) * | 2021-02-02 | 2021-06-29 | 欣旺达电动汽车电池有限公司 | 电池容量预测方法、装置、设备及存储介质 |
CN112798961A (zh) * | 2021-02-27 | 2021-05-14 | 天津大学 | 一种电动汽车动力电池剩余使用寿命预测方法 |
CN113311337A (zh) * | 2021-05-21 | 2021-08-27 | 电子科技大学 | 基于相关向量回归的锂离子电池剩余寿命检测方法 |
Non-Patent Citations (1)
Title |
---|
刘伟霞 等: "基于混合模型及LSTM的锂电池SOH与剩余寿命预测", 《储能科学与技术》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460474A (zh) * | 2022-01-25 | 2022-05-10 | 电子科技大学 | 电池分容方法及其装置、电子设备 |
CN115656834A (zh) * | 2022-11-02 | 2023-01-31 | 武汉动力电池再生技术有限公司 | 一种电池容量预测方法、装置及电子设备 |
WO2024093005A1 (zh) * | 2022-11-02 | 2024-05-10 | 武汉动力电池再生技术有限公司 | 一种电池容量预测方法、装置及电子设备 |
CN116609681A (zh) * | 2023-04-28 | 2023-08-18 | 广东恒翼能科技股份有限公司 | 化成分容测试入库方法及化成分容测试微网节能控制系统 |
CN116609681B (zh) * | 2023-04-28 | 2023-12-26 | 广东恒翼能科技股份有限公司 | 化成分容测试入库方法及化成分容测试微网节能控制系统 |
CN116522153B (zh) * | 2023-07-05 | 2023-12-26 | 深圳海辰储能控制技术有限公司 | 锂电池容量预测方法、装置、计算机设备和存储介质 |
CN116522153A (zh) * | 2023-07-05 | 2023-08-01 | 深圳海辰储能控制技术有限公司 | 锂电池容量预测方法、装置、计算机设备和存储介质 |
CN116680992A (zh) * | 2023-07-28 | 2023-09-01 | 宁德时代新能源科技股份有限公司 | 建立电芯容量预测模型的方法、装置、计算机设备及介质 |
CN116680992B (zh) * | 2023-07-28 | 2023-12-29 | 宁德时代新能源科技股份有限公司 | 建立电芯容量预测模型的方法、装置、计算机设备及介质 |
CN116794533A (zh) * | 2023-08-21 | 2023-09-22 | 深圳海辰储能控制技术有限公司 | 一种电芯容量分档方法和相关产品 |
CN116794533B (zh) * | 2023-08-21 | 2023-12-29 | 深圳海辰储能科技有限公司 | 一种电芯容量分档方法和相关产品 |
CN117706376A (zh) * | 2024-02-04 | 2024-03-15 | 深圳海辰储能科技有限公司 | 电池容量预测方法、装置、电子设备及存储介质 |
CN117706376B (zh) * | 2024-02-04 | 2024-05-24 | 深圳海辰储能科技有限公司 | 电池容量预测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113848480B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113848480B (zh) | 锂电池分容工艺的放电总容量预测方法 | |
CN110752410B (zh) | 一种快速分选和重组退役锂电池的方法 | |
CN112034356B (zh) | 基于gp-ukf的电动汽车动力电池在线soh估算方法 | |
CN110031770B (zh) | 一种快速得到电池包中所有单体电池容量的方法 | |
CN112485689B (zh) | 一种基于Xgboost模型预测储能系统中锂电池剩余循环寿命的方法 | |
CN111142036B (zh) | 基于容量增量分析的锂离子电池在线快速容量估计方法 | |
CN110161425B (zh) | 一种基于锂电池退化阶段划分的剩余使用寿命的预测方法 | |
CN108896914A (zh) | 一种锂电池健康状况的梯度提升树建模与预测方法 | |
CN110703101B (zh) | 一种锂离子电池分区间循环容量衰退预测方法 | |
CN105954682B (zh) | 蓄电池荷电状态在线估计检测方法及系统 | |
CN115166563B (zh) | 一种动力电池老化状态评估与退役筛选方法及系统 | |
CN108846227B (zh) | 一种基于随机森林及容量自恢复效应分析的锂离子电池容量退化预测评估方法 | |
CN113887601A (zh) | 一种基于聚类分选的退役动力电池重组方法 | |
CN111208438B (zh) | 基于神经网络与无迹卡尔曼滤波器的锂电子电池剩余电量与传感器偏差协同估计的方法 | |
CN114137417B (zh) | 一种基于充电数据特征的电池内短路检测方法 | |
CN114545274A (zh) | 一种锂电池剩余寿命预测方法 | |
CN111999650A (zh) | 一种基于支持向量回归算法的锂电池剩余寿命预测方法 | |
CN114280479A (zh) | 一种基于电化学阻抗谱的退役电池快速分选方法 | |
CN112701757A (zh) | 电池组在线均衡方法及系统 | |
CN115308610A (zh) | 一种锂电池分容容量预测方法及系统 | |
CN115327415A (zh) | 基于限定记忆递推最小二乘算法的锂电池soc估算方法 | |
CN111639442A (zh) | 一种动力锂电池剩余使用寿命的影响因素筛选方法及系统 | |
CN114545275A (zh) | 一种锂离子电池剩余使用寿命间接预测方法 | |
CN117192417A (zh) | 一种基于XGBoost的锂离子电池健康状态预测方法 | |
CN115331745A (zh) | 基于历史数据校验的改进单粒子电化学模型建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Hao Inventor after: Xie Di Inventor after: Wang Shoumo Inventor after: Ou Zhichao Inventor before: Wang Shoumo Inventor before: Ou Zhichao Inventor before: Zhang Hao |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 523000 Room 403, building 2, No. 15, Gongye West Road, Songshanhu Park, Dongguan City, Guangdong Province Patentee after: Guangdong Hengyineng Technology Co.,Ltd. Address before: 523000 Room 403, building 2, No. 15, Gongye West Road, Songshanhu Park, Dongguan City, Guangdong Province Patentee before: Guangdong Hengyi Energy Technology Co.,Ltd. |