CN114169154A - 膨胀力预测方法、膨胀力预测系统、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种膨胀力预测方法、膨胀力预测系统、电子设备及存储介质。膨胀力预测方法应用于电池，膨胀力预测方法包括步骤：获取所述电池在不同预设工况下的样品膨胀力增长量和样品累计放电能量；其中，所述预设工况包括预设温度、预设放电深度中的任一种；根据所述样品膨胀力增长量、所述样品累计放电能量和预设预测模型计算得到模型参数；其中，所述模型参数包括样品初始参数、样品膨胀力增长速率参数和样品累计放电参数；获取所述电池的实际工况，根据所述实际工况、所述模型参数和所述预设预测模型对所述电池的膨胀力进行预测。本申请能够对不同预设工况下的电池膨胀力增长量进行预测，从而提高了膨胀力预测的普适性。

Description

膨胀力预测方法、膨胀力预测系统、电子设备及存储介质

技术领域

本申请涉及膨胀力预测技术领域，尤其涉及一种膨胀力预测方法、膨胀力预测系统、电子设备及存储介质。

背景技术

目前，锂离子电池在充放电过程中，Li⁺在电池的正负极之间不断的嵌入或脱出，使得电池活性材料内部的晶格参数和结构发生变化，并产生不可逆的应力，从而导致活性颗粒粉碎或开裂，造成电池电极分层，进而影响电池内各部件的接触性能。在上述过程中，电池内阻不断增大，最终导致电池因容量衰减而失效，甚至会产生爆炸等危害。由此可知，电池的膨胀力关系着电池的使用寿命和可靠性。

相关技术中，基于电池的健康状态SOH与应力建立线性关系。但在实际应用中，健康状态SOH随电池放电倍率、温度等因素的差异而有所区别，因此上述方法的普适性较低。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种膨胀力预测方法、膨胀力预测系统、电子设备及存储介质，能够对不同预设工况下的电池膨胀力增长量进行预测，从而提高了膨胀力预测的普适性。

根据本申请的第一方面实施例的膨胀力预测方法，应用于电池，所述膨胀力预测方法包括：获取所述电池在不同预设工况下的样品膨胀力增长量和样品累计放电能量；其中，所述预设工况包括预设温度、预设放电深度中的任一种；根据所述样品膨胀力增长量、所述样品累计放电能量和预设预测模型计算得到模型参数；其中，所述模型参数包括样品初始参数、样品膨胀力增长速率参数和样品累计放电参数；获取所述电池的实际工况，根据所述实际工况、所述模型参数和所述预设预测模型对所述电池的膨胀力进行预测；其中，所述实际工况包括实际温度、实际放电深度中的任一种。

根据本申请的一些实施例，所述根据所述样品膨胀力增长量、所述样品累计放电能量和预设预测模型计算得到模型参数，包括：根据所述样品膨胀力增长量、所述样品累计放电能量和所述预设预测模型得到多个候选累计放电参数；对多个所述候选累计放电参数进行均值处理，得到样品累计放电参数；根据所述样品累计放电参数、所述样品膨胀力增长量、所述样品累计放电能量、所述预设预测模型得到所述样品初始参数和所述样品膨胀力增长速率参数。

根据本申请的一些实施例，所述根据所述样品累计放电参数、所述样品膨胀力增长量、所述样品累计放电能量、所述预设预测模型得到所述样品初始参数和所述样品膨胀力增长速率参数，包括：根据所述样品累计放电参数、所述样品膨胀力增长量、所述样品累计放电能量、所述预设预测模型得到候选初始参数和候选膨胀力增长速率参数；对相同所述预设温度下测试得到的所述电池的所述候选膨胀力增长速率参数进行均值处理；或，对相同所述预设放电深度下测试得到的所述电池的所述候选膨胀力增长速率参数进行均值处理；通过测试不同所述预设温度下的所述电池，得到不同所述预设温度的所述电池的标定膨胀力增长速率参数；或，通过测试不同所述预设放电深度下的所述电池，得到不同所述预设放电深度的所述电池的标定膨胀力增长速率参数；对所述标定膨胀力增长速率参数和对应的所述预设工况的参数进行线性拟合，得到所述样品膨胀力增长速率参数；对相同所述预设工况的所述电池的所述候选初始参数进行均值处理，得到不同所述预设工况的所述电池的标定初始参数；对所述标定初始参数和对应的所述预设工况进行线性拟合，得到所述样品初始参数。

根据本申请的一些实施例，在所述根据所述样品膨胀力增长量、所述样品累计放电能量和所述预设预测模型得到多个候选累计放电参数之前，所述根据所述样品膨胀力增长量、所述样品累计放电能量和预设预测模型计算得到模型参数还包括：删除不满足预设条件的所述样品膨胀力增长量；其中，所述预设条件包括所述样品膨胀力增长量的偏差值小于预设阈值、所述样品膨胀力增长量呈上升趋势中的任一种。

根据本申请的一些实施例，所述获取所述电池在不同预设工况下的样品膨胀力增长量和样品累计放电能量，包括：在所述预设工况下，对所述电池进行循环充放电处理；根据预设周期采集每一次循环的候选膨胀值，并采集每一次循环的候选放电能量；根据样品循环的所述候选膨胀值的最大值、第一次循环的所述候选膨胀值的最大值得到所述样品膨胀力增长量；对所述样品循环之前的所有循环的所述候选放电能量进行累加处理，得到所述样品累计放电能量。

根据本申请的一些实施例，所述预设工况包括预设温度，所述对所述标定膨胀力增长速率参数和对应的所述预设工况的参数进行线性拟合，得到所述样品膨胀力增长速率参数，包括：对所述标定膨胀力增长速率参数进行对数处理，对对数处理后的所述标定膨胀力增长速率参数和所述预设温度进行线性拟合，得到所述样品膨胀力增长速率参数。

根据本申请的一些实施例，所述预设工况包括预设放电深度，所述对所述标定膨胀力增长速率参数和对应的所述预设工况的参数进行线性拟合，得到所述样品膨胀力增长速率参数，包括：分别对所述预设放电深度和所述标定膨胀力增长速率参数进行对数处理，对对数处理后的所述标定膨胀力增长速率参数和对数处理后的所述预设放电深度进行线性拟合，得到所述样品膨胀力增长速率参数。

根据本申请的第二方面实施例的膨胀力预测系统，应用于电池，所述膨胀力预测系统包括：第一模块，用于获取所述电池在不同预设工况下的样品膨胀力增长量和样品累计放电能量；其中，所述预设工况包括预设温度、预设放电深度中的任一种；第二模块，用于根据所述样品膨胀力增长量、所述样品累计放电能量和预设预测模型计算得到模型参数；其中，所述模型参数包括样品初始参数、样品膨胀力增长速率参数和样品累计放电参数；第三模块，用于获取所述电池的实际工况，根据所述实际工况、所述模型参数和所述预设预测模型对所述电池的膨胀力进行预测；其中，所述实际工况包括实际温度、实际放电深度中的任一种。

根据本申请的第三方面实施例的电子设备，包括至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如第一方面所述的膨胀力预测方法。

根据本申请的第四方面实施例的计算机可读存储介质，其中存储有处理器可执行指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于实现如第一方面所述的膨胀力预测方法。

本申请实施例提供的膨胀力预测方法、膨胀力预测系统、电子设备及存储介质基于电池循环充放电过程中的样品膨胀力增长量和样品累计放电能量建立预设预测模型，从而能够根据预设预测模型对不同预设工况(包括预设温度、预设放电深度中的任一种)下的电池膨胀力增长量进行预测，根据该膨胀力增长量实现对电池膨胀力的预测，进而提高了预设预测模型的普适性和膨胀力的预测精度。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

下面结合附图和实施例对本申请做进一步的说明，其中：

图1为本申请实施例膨胀力预测方法的一流程示意图；

图2为本申请实施例膨胀力预测方法的另一流程示意图；

图3为本申请实施例膨胀力预测方法的另一流程示意图；

图4为本申请实施例预设工况包括预设温度时，样品累计放电能量-样品膨胀力增长量的曲线示意图；

图5为本申请实施例膨胀力预测方法的另一流程示意图；

图6为本申请实施例标定膨胀力增长速率参数和预设温度进行线性拟合的一示意图；

图7为本申请实施例标定初始参数和预设温度进行线性拟合的一示意图；

图8为本申请实施例标定膨胀力增长速率参数和预设放电深度进行线性拟合的一示意图；

图9A为本申请实施例线性拟合后温度为25℃的样品累计放电能量-样品膨胀力增长量的曲线示意图；

图9B为本申请实施例线性拟合后温度为45℃的样品累计放电能量-样品膨胀力增长量的曲线示意图；

图9C为本申请实施例线性拟合后温度为60℃的样品累计放电能量-样品膨胀力增长量的曲线示意图；

图10为本申请实施例预设工况包括预设放电深度时，样品累计放电能量-样品膨胀力增长量的曲线示意图；

图11A为本申请实施例线性拟合后实际放电深度为75％DOD的样品累计放电能量-样品膨胀力增长量的曲线示意图；

图11B为本申请实施例线性拟合后实际放电深度为95％DOD的样品累计放电能量-样品膨胀力增长量的曲线示意图；

图11C为本申请实施例线性拟合后实际放电深度为100％DOD的样品累计放电能量-样品膨胀力增长量的曲线示意图；

图12为本申请实施例膨胀力预测系统的一模块示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。

在本申请的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

在本申请的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本申请的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。

本申请的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

电池的使用寿命包括循环寿命和存储寿命，其中，循环寿命指电池在循环充放电状态下可使用的寿命；存储寿命指电池在静置不工作状态下可使用的寿命。在常温存储过程中，电池膨胀力增长量很小，几乎可以忽略。因此，在电池的全生命周期内，循环充放电过程中所形成的膨胀力增长量是影响电池使用寿命的主要因素。

在相关技术中，通过以下两种方法对电池的膨胀力进行预测。第一种，基于电池的健康状态SOH与应力建立线性关系；第二种，基于力学模型进行三维仿真，以获取电池大面应力的分布情况。但在实际应用中，第一种方法健康状态SOH随电池充放电倍率、温度等因素的差异而不同，使得第一种方法的普适性较低；第二种方法所需要的仿真参数较难获取，且该方法局限于某一状态(如，EOL(End of life，终止状态))电池应力的分布情况，因此第二种方法不能对电池全生命周期的膨胀力增长量的变化趋势进行预测。

基于此，本申请实施例提供了一种膨胀力预测方法、膨胀力预测系统、电子设备及存储介质，能够预测不同工况下电池的膨胀力，从而提高了电池膨胀力预测的普适性，并实现了对电池循环充放电过程(即全生命周期)的膨胀力预测。

需要说明的是，在下列各实施例中，电池可以包括单体电芯或多个电芯，对此本申请实施例不作具体限定。当电池包括单体电芯时，电池的膨胀力即为单体电芯的膨胀力。

参照图1，本申请实施例提供了一种膨胀力预测方法，应用于电池。该膨胀力预测方法包括步骤：

S110、获取电池在不同预设工况下的样品膨胀力增长量和样品累计放电能量；

S120、根据样品膨胀力增长量、样品累计放电能量和预设预测模型计算得到模型参数；

S130、获取电池的实际工况，根据实际工况、模型参数和预设预测模型对电池的膨胀力进行预测。

具体地，建立电池循环膨胀力增长量预测模型，将电池在不同预设工况下进行循环充放电测试，以采集得到多个样品膨胀力增长量和多个样品累计放电能量。根据多个样品膨胀力增长量和多个样品累计放电能量对预设预测模型中的模型参数进行求解，并根据求解得到的模型参数对预设预测模型进行更新。在实际应用时，获取电池的实际工况，根据该电池的实际工况和更新后的预设预测模型，即可计算得到该电池在该工况下的膨胀力增长量，从而根据膨胀力增长量预测该电池的膨胀力，进而根据膨胀力实现对电池剩余寿命的预测。例如，建立如下式(1)所示的预设预测模型。

其中，ΔF表示样品膨胀力增长量，A表示样品初始参数，B表示样品膨胀力增长速率参数，E_n表示样品累计放电能量，z表示样品累计放电参数，T表示温度，DOD表示放电深度。

本申请实施例提供的膨胀力预测方法基于电池循环充放电过程中的样品膨胀力增长量和样品累计放电能量建立预设预测模型，从而能够根据预设预测模型对不同预设工况(包括预设温度、预设放电深度中的任一种)下的电池膨胀力增长量进行预测，根据该膨胀力增长量实现对电池膨胀力的预测，进而提高了预设预测模型的普适性和膨胀力的预测精度。

在一些实施例中，预设工况包括预设温度、预设放电深度中的任一种，对应地，实际工况包括实际温度、实际放电深度中的任一种。以下，以预设工况包括预设温度为例，对本申请实施例模型参数的求解进行具体说明。

参照图2，在一些实施例中，步骤S110包括子步骤：

S210、在预设工况下，对电池进行循环充放电处理；

S220、根据预设周期采集每一次循环的候选膨胀值，并采集每一次循环的候选放电能量；

S230、根据样品循环的候选膨胀值的最大值、第一次循环的候选膨胀值的最大值得到样品膨胀力增长量；

S240、对样品循环之前的所有循环的候选放电能量进行累加处理，得到样品累计放电能量。

具体地，为实现对电池全生命周期膨胀力的预测，在不同的预设温度下，对电池进行循环充放电处理。其中，每一次循环包括一次充电过程和一次放电过程。当电池处于充电过程时，电池的膨胀力将不断增大；当电池处于放电过程时，电池的膨胀力将不断减小。根据预设周期(例如：30s)采集每一次循环中的多个候选膨胀值，从而根据如下式(2)计算得到一个样品膨胀力增长量ΔF。可以理解的是，预设周期的具体取值还可以根据实际情况进行适应性调整，本申请实施例不作具体限定。

ΔF＝F_i-F₀......式(2)

其中，i表示样品循环，F_i表示第i次循环采集得到的多个候选膨胀值中的最大值，F₀表示第一次循环采集得到的多个候选膨胀值中的最大值。同时，采集每次循环结束时电池的候选放电能量，对第i次循环前所有候选放电能量进行累加处理，以得到第i次循环的样品累计放电能量E_n。重复上述步骤，得到多个样品膨胀力增长量ΔF和多个样品累计放电能量E_n，从而根据该多个样品膨胀力增长量ΔF、多个样品累计放电能量E_n和预设预测模型计算得到模型参数。

在一些实施例中，为了提高预设预测模型的预测精度，在对模型参数进行求解之前，需对样品膨胀力增长量ΔF进行预处理，即删除不满足预设条件的样品膨胀力增长量ΔF。其中，预设条件包括样品膨胀力增长量ΔF的偏差值小于预设阈值、样品膨胀力增长量ΔF呈上升趋势中的任一种。

具体地，将第i次循环的样品膨胀力增长量ΔF分别与第i+1次循环、第i-1次循环的样品增长量进行差值比较，当第i次循环的样品膨胀力增长量ΔF的偏差值大于或等于预设阈值(例如10％)时，判定第i次循环的样品膨胀力增长量ΔF为异常数据。此时，应避免使用第i次循环的样品膨胀力增长量ΔF对模型参数进行求解。或者，当第i次循环的样品膨胀力增长量ΔF与第i-1次循环的样品膨胀力增长量相比，呈下降趋势时，判定该第i次循环的样品膨胀力增长量ΔF为异常数据。

参照图3，在一些实施例中，步骤S120包括子步骤：

S310、根据样品膨胀力增长量、样品累计放电能量和预设预测模型得到多个候选累计放电参数；

S320、对多个候选累计放电参数进行均值处理，得到样品累计放电参数；

S330、根据样品累计放电参数、样品膨胀力增长量、样品累计放电能量、预设预测模型得到样品初始参数和样品膨胀力增长速率参数。

具体地，将电池在不同预设温度下进行循环充放电测试，并根据上述方法采集得到多个样品膨胀力增长量ΔF和样品累计放电能量E_n。将多个样品膨胀力增长量ΔF和多个样品累计放电能量E_n代入式(1)计算得到多个候选累计放电参数，对多个候选累计放电参数进行如取平均值处理，以得到样品累计放电参数z。将该样品累计放电参数z作为固定值更新预设预测模型(即式(1))，根据更新后的预设预测模型、多个样品膨胀力增长量、多个样品累计放电能量计算得到样品初始参数A和样品膨胀力增长速率参数B。根据计算得到的样品初始参数A和样品膨胀力增长速率参数B对预设预测模型进行再次更新，以根据再次更新后的预设预测模型对电池实际工况的膨胀力增长量进行预测。

其中，对预设预测模型进行初次更新时，即初次对候选累计放电参数进行求解时，需设置一个计算初值。例如，计算初值包括初值初始参数A_初值和初值累计放电参数z_初值。参照图4，根据上述方法获得的电池样品累计放电能量-样品膨胀力增长量曲线的谷值确定初值初始参数A_初值，即选取初值初始参数A_初值等于0或负值、初值累计放电参数z_初值等于0.1为计算初值。

参照图5，在一些实施例中，步骤S330包括子步骤：

S510、根据样品累计放电参数、样品膨胀力增长量、样品累计放电能量、预设预测模型得到候选初始参数和候选膨胀力增长速率参数；

S520、对相同预设温度下测试得到的电池的候选膨胀力增长速率参数进行均值处理；通过测试不同预设温度下的电池，得到不同预设温度的电池的标定膨胀力增长速率参数；

S530、对标定膨胀力增长速率参数和对应的预设工况的参数进行线性拟合，得到样品膨胀力增长速率参数；

S540、对相同预设工况的电池的候选初始参数进行均值处理，得到不同预设工况的电池的标定初始参数；

S550、对标定初始参数和对应的预设工况进行线性拟合，得到样品初始参数。

具体地，根据利用样品累计放电参数更新后的预设预测模型、多个样品膨胀力增长量ΔF、多个样品累计放电能量E_n计算得到多个候选膨胀力增长速率参数和多个候选初始参数。其中，多个候选膨胀力增长速率参数包括在相同预设温度下进行循环充放电测试的电池的参数，以及在不同预设温度下进行循环充放电测试的电池的参数。同理，多个候选初始参数包括在相同预设温度下进行循环充放电测试的电池的参数，以及在不同预设温度下进行循环充放电测试的参数。因此，将在相同预设温度下进行循环充放电测试的电池的候选膨胀力增长速率参数、候选初始参数分别进行取平均值处理，以分别得到相同测试条件(即相同预设温度)的电池的候选膨胀力增长速率参数平均值、候选初始参数平均值，即得到不同测试条件(即不同预设温度)的电池的标定膨胀力增长速率参数、标定初始参数。对多个标定膨胀力增长速率参数和对应的预设温度进行线性拟合处理，以及对多个标定初始参数和对应的预设温度进行线性拟合处理，以分别计算得到样品膨胀力增长速率参数B和样品初始参数A。

例如，对多个标定膨胀力增长速率参数进行对数处理，得到In(B)。而后，对In(B)和

进行线性拟合处理(如图6所示，拟合优度R²＞99％)，得到拟合参数β₀和β₁。进而根据拟合参数β₀和β₁，以及如下式(3)即可计算得到样品膨胀力增长速率参数B。

进一步地，当所选取的初值初始参数A_初值≠0时，对标定初始参数和预设温度进行线性拟合处理(如图7所示，拟合优度R²＞99％)，得到拟合参数a和b。进而根据拟合参数a和b，以及如下式(4)即可计算得到样品初始参数A。

A＝aT+b......式(4)

由此，即可完成当预设工况包括预设温度时，预设预测模型的模型参数(包括样品初始参数A、样品膨胀力增长速率参数B和样品累计放电参数z)的求解。可以理解的是，当预设工况包括预设放电深度时，样品膨胀力增长量ΔF、样品累计放电能量E_n、样品初始参数A和样品累计放电参数z的求解与上述方法相同。因此，以下仅对当预设工况包括预设放电深度时，样品膨胀力增长速率参数B的求解进行说明。

当预设工况包括预设放电深度时，分别对多个标定膨胀力增长速率参数和预设放电深度进行对数处理，以分别得到In(B)和In(DOD)。而后，对In(B)和In(DOD)进行线性拟合处理(如图8所示，拟合优度R²＞99％)，得到拟合参数θ₀和θ₁。根据拟合参数θ₀和θ₁，以及如下式(5)即可计算得到样品膨胀力增长速率参数B。

在一个具体的实施例中，以某一三元锂离子动力电池为例进行说明。当预设工况包括预设温度时，控制电池的放电深度为0-100％DOD、充放电倍率为1C/1C、初始预紧力为300kgf，对电池进行不同预设温度的循环充放电测试。其中，预设温度包括25℃、45℃和60℃。参照图4，为根据上述方法获得的电池样品累计放电能量-样品膨胀力增长量曲线，其中，部分曲线因仪器异常无法采集而缺失。参照图9A至图9C，为根据上述方法线性拟合后重新得到的样品累计放电能量-样品膨胀力增长量曲线。将图4与图9A至图9C对比可知，拟合后的曲线与原测试曲线的吻合度高，因此通过本申请实施例提供的膨胀力预测方法能够提高电池膨胀力预测的精度。

根据上述实施例所描述的方法，计算得到如下表1所示的模型参数。

表1：

β<sub>0</sub>	β<sub>1</sub>	a	b	z
					11.31	-6960.72	43.83	-1.53	2.5

根据上述模型参数对预设预测模型进行更新，从而即可对相同体系和设计的电池在特定工作温度(即实际温度)下的样品膨胀力增长量ΔF进行预测，从而根据样品膨胀力增长量ΔF对电池的膨胀力进行预测，进而实现对电池剩余可使用寿命的预测。可以理解的是，相同体系表示型号、容量等相同的电池；相同设计表示层间设计、壳体设计等相同的电池，对此本申请实施例不作具体限定。

同理，当预设工况包括预设放电深度时，控制电池的循环温度为25℃、充放电倍率为1C/1C、初始预紧力为300kgf，对电池进行不同预设放电深度的循环充放电测试。其中，预设放电深度包括100％DOD、95％DOD和75％DOD。参照图10，为根据上述方法获得的电池样品累计放电能量-样品膨胀力增长量曲线。参照图11A至图11C，为根据上述方法线性拟合后重新得到的样品累计放电能量-样品膨胀力增长量曲线。将图10与图11A至图11C的对比可知，拟合后的曲线与原测试曲线的吻合度高，因此通过本申请实施例提供的膨胀力预测方法能够提高电池膨胀力预测的精度。可以理解的是，当所选取的初值初始参数A_初值≠0时，对标定初始参数和预设温度进行线性拟合处理，得到拟合参数a和b。在本申请实施例中，选取初值初始参数A_初值＝0，因此无需进行线性拟合处理。

根据上述实施例所描述的方法，计算得到如下表2所示的模型参数。

表2：

θ<sub>0</sub>	θ<sub>1</sub>	z
			2.1747	1.8559	0.7

根据上述模型参数对预设预测模型进行更新，从而即可对相同体系和设计的电池在特定放电深度(即实际放电深度)下的样品膨胀力增长量ΔF进行预测，从而根据样品膨胀力增长量ΔF对电池的膨胀力进行预测，进而实现对电池剩余可使用寿命的预测。

参照图12，本申请实施例还提供了一种膨胀力预测系统，应用于电池，该膨胀力预测系统包括：

第一模块100，用于获取电池在不同预设工况下的样品膨胀力增长量和样品累计放电能量；其中，预设工况包括预设温度、预设放电深度中的任一种；

第二模块200，用于根据样品膨胀力增长量、样品累计放电能量和预设预测模型计算得到模型参数；

第三模块300，用于获取电池的实际工况，根据实际工况、模型参数和预设预测模型对电池的膨胀力进行预测。

可见，上述膨胀力预测方法实施例中的内容均适用于本膨胀力预测系统的实施例中，本膨胀力预测系统实施例所具体实现的功能与上述膨胀力预测方法实施例相同，并且达到的有益效果与上述地应力预测方法实施例所达到的有益效果也相同。

本申请实施例还提供了一种电子设备，该电子设备包括：至少一个处理器，以及与至少一个处理器通信连接的存储器。其中，存储器存储有指令，指令被至少一个处理器执行，以使至少一个处理器执行该指令时实现如上述任一实施例所描述的膨胀力预测方法。

本申请实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令用于：执行上述任一实施例所描述的膨胀力预测方法。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

上面结合附图对本申请实施例作了详细说明，但是本申请不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本申请宗旨的前提下作出各种变化。此外，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

Claims (10)

1.膨胀力预测方法，应用于电池，其特征在于，所述膨胀力预测方法包括：

获取所述电池在不同预设工况下的样品膨胀力增长量和样品累计放电能量；其中，所述预设工况包括预设温度、预设放电深度中的任一种；

根据所述样品膨胀力增长量、所述样品累计放电能量和预设预测模型计算得到模型参数；其中，所述模型参数包括样品初始参数、样品膨胀力增长速率参数和样品累计放电参数；

获取所述电池的实际工况，根据所述实际工况、所述模型参数和所述预设预测模型对所述电池的膨胀力进行预测；其中，所述实际工况包括实际温度、实际放电深度中的任一种。

2.根据权利要求1所述的膨胀力预测方法，其特征在于，所述根据所述样品膨胀力增长量、所述样品累计放电能量和预设预测模型计算得到模型参数，包括：

根据所述样品膨胀力增长量、所述样品累计放电能量和所述预设预测模型得到多个候选累计放电参数；

对多个所述候选累计放电参数进行均值处理，得到样品累计放电参数；

根据所述样品累计放电参数、所述样品膨胀力增长量、所述样品累计放电能量、所述预设预测模型得到所述样品初始参数和所述样品膨胀力增长速率参数。

3.根据权利要求2所述的膨胀力预测方法，其特征在于，所述根据所述样品累计放电参数、所述样品膨胀力增长量、所述样品累计放电能量、所述预设预测模型得到所述样品初始参数和所述样品膨胀力增长速率参数，包括：

根据所述样品累计放电参数、所述样品膨胀力增长量、所述样品累计放电能量、所述预设预测模型得到候选初始参数和候选膨胀力增长速率参数；

对相同所述预设温度下测试得到的所述电池的所述候选膨胀力增长速率参数进行均值处理；或，对相同所述预设放电深度下测试得到的所述电池的所述候选膨胀力增长速率参数进行均值处理；

通过测试不同所述预设温度下的所述电池，得到不同所述预设温度的所述电池的标定膨胀力增长速率参数；或，通过测试不同所述预设放电深度下的所述电池，得到不同所述预设放电深度的所述电池的标定膨胀力增长速率参数；

对所述标定膨胀力增长速率参数和对应的所述预设工况的参数进行线性拟合，得到所述样品膨胀力增长速率参数；

对相同所述预设工况的所述电池的所述候选初始参数进行均值处理，得到不同所述预设工况的所述电池的标定初始参数；

对所述标定初始参数和对应的所述预设工况进行线性拟合，得到所述样品初始参数。

4.根据权利要求2所述的膨胀力预测方法，其特征在于，在所述根据所述样品膨胀力增长量、所述样品累计放电能量和所述预设预测模型得到多个候选累计放电参数之前，所述根据所述样品膨胀力增长量、所述样品累计放电能量和预设预测模型计算得到模型参数还包括：

删除不满足预设条件的所述样品膨胀力增长量；其中，所述预设条件包括所述样品膨胀力增长量的偏差值小于预设阈值、所述样品膨胀力增长量呈上升趋势中的任一种。

5.根据权利要求1至4任一项所述的膨胀力预测方法，其特征在于，所述获取所述电池在不同预设工况下的样品膨胀力增长量和样品累计放电能量，包括：

在所述预设工况下，对所述电池进行循环充放电处理；

根据预设周期采集每一次循环的候选膨胀值，并采集每一次循环的候选放电能量；

根据样品循环的所述候选膨胀值的最大值、第一次循环的所述候选膨胀值的最大值得到所述样品膨胀力增长量；

对所述样品循环之前的所有循环的所述候选放电能量进行累加处理，得到所述样品累计放电能量。

6.根据权利要求3所述的膨胀力预测方法，其特征在于，所述预设工况包括预设温度，所述对所述标定膨胀力增长速率参数和对应的所述预设工况的参数进行线性拟合，得到所述样品膨胀力增长速率参数，包括：

对所述标定膨胀力增长速率参数进行对数处理，对对数处理后的所述标定膨胀力增长速率参数和所述预设温度进行线性拟合，得到所述样品膨胀力增长速率参数。

7.根据权利要求3所述的膨胀力预测方法，其特征在于，所述预设工况包括预设放电深度，所述对所述标定膨胀力增长速率参数和对应的所述预设工况的参数进行线性拟合，得到所述样品膨胀力增长速率参数，包括：

分别对所述预设放电深度和所述标定膨胀力增长速率参数进行对数处理，对对数处理后的所述标定膨胀力增长速率参数和对数处理后的所述预设放电深度进行线性拟合，得到所述样品膨胀力增长速率参数。

8.膨胀力预测系统，应用于电池，其特征在于，所述膨胀力预测系统包括：

第一模块，用于获取所述电池在不同预设工况下的样品膨胀力增长量和样品累计放电能量；其中，所述预设工况包括预设温度、预设放电深度中的任一种；

第二模块，用于根据所述样品膨胀力增长量、所述样品累计放电能量和预设预测模型计算得到模型参数；其中，所述模型参数包括样品初始参数、样品膨胀力增长速率参数和样品累计放电参数；

第三模块，用于获取所述电池的实际工况，根据所述实际工况、所述模型参数和所述预设预测模型对所述电池的膨胀力进行预测；其中，所述实际工况包括实际温度、实际放电深度中的任一种。

9.电子设备，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至7中任一项所述的膨胀力预测方法。

10.计算机可读存储介质，其中存储有处理器可执行指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于实现如权利要求1至7中任一项所述的膨胀力预测方法。

Images