CN114444370A - 一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质 - Google Patents
一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN114444370A CN114444370A CN202111178722.2A CN202111178722A CN114444370A CN 114444370 A CN114444370 A CN 114444370A CN 202111178722 A CN202111178722 A CN 202111178722A CN 114444370 A CN114444370 A CN 114444370A
- Authority
- CN
- China
- Prior art keywords
- rechargeable battery
- degradation
- life
- accumulated
- current
- 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
- 238000000034 method Methods 0.000 title claims abstract description 121
- 238000006731 degradation reaction Methods 0.000 claims abstract description 153
- 230000008569 process Effects 0.000 claims abstract description 61
- 230000008859 change Effects 0.000 claims abstract description 23
- 230000015556 catabolic process Effects 0.000 claims description 115
- 238000007600 charging Methods 0.000 claims description 40
- 238000007599 discharging Methods 0.000 claims description 30
- 230000001186 cumulative effect Effects 0.000 claims description 28
- 230000009466 transformation Effects 0.000 claims description 28
- 230000005611 electricity Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000011161 development Methods 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 4
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 3
- FKNQFGJONOIPTF-UHFFFAOYSA-N Sodium cation Chemical compound [Na+] FKNQFGJONOIPTF-UHFFFAOYSA-N 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 229910001416 lithium ion Inorganic materials 0.000 claims description 3
- 229910052987 metal hydride Inorganic materials 0.000 claims description 3
- 229910052708 sodium Inorganic materials 0.000 claims description 3
- 239000011734 sodium Substances 0.000 claims description 3
- 229910001415 sodium ion Inorganic materials 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 238000012549 training Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 2
- 230000010485 coping Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 8
- 230000018109 developmental process Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010280 constant potential charging Methods 0.000 description 1
- 238000010277 constant-current charging Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/005—Detection of state of health [SOH]
-
- 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
- G06F2119/04—Ageing analysis or optimisation against ageing
Abstract
本发明属于充电电池的寿命预测相关技术领域，其公开了一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质，用以应对充电电池实际使用过程中广泛存在的随机充放电以及运行工况变动情况。实际中的充电电池是随机使用的，并不存在完整的充放电循环，因而采用循环次数作为寿命指标的预测效果很差。本发明采用累计损耗量作为寿命指标，可以应对充电电池实际应用中的随机充放电现象。此外，为了应对电流、温度等工况条件的波动。本发明同时考虑了运行工况的变动对充电电池退化过程的影响，更贴近实际，且便于部署。本发明实施例提供的技术方案提高了充电电池寿命预测在实际应用中的准确度，具有极高的应用前景。
Description
技术领域
本发明属于充电电池的寿命预测相关技术领域，更具体地，涉及一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质。
背景技术
充电电池是许多电子系统和设备可靠运行的基础，但其自身也存在着性能失效的问题。因此，在充电电池的使用过程中，必须充分考虑由寿命退化所引起的性能失效。通过对电池的退化过程进行监测和建模，继而预测和评估未来健康状态的变化情况，能够极大的提高充电电池的可靠性。与此同时，也可以根据预测结果来安排充电电池的维护和替换工作，因而具有十分重要的实用价值和意义。
现有的充电电池寿命预测方法大都是基于理想条件下的充电电池寿命测试。在试验测试中，充电过程和放电过程是在专业设备上交替执行的，故而可以保证充电过程和放电过程的完整性。也因此，传统的充电电池寿命预测方法大都采用充放电循环次数作为寿命。
在实际应用中，充电电池的使用方式和频次取决于用户的随机使用习惯。而在这种随机充放电场景中，充电过程和放电过程大都是不连续且不完整的，因而所对应的退化数据具有很差的规律性，也非常难以进行分析。
根据用户的使用习惯，在充电电池的使用过程中，可能其电量尚未完全用完时就会进行充电，或者其电量尚未完全充满时就需要进行放电使用。与此同时，放电过程中也可能会存在暂停和续接现象，例如需要暂时更换充电场所或充电场所内暂时的停电。此外，当用户的充电线发生接触不良现象时，可能会在短时间内产生数次极短的充电过程。对于手机来说，除非在关机状态下进行充电或存在软件设定，否则其充电过程必然同时伴随着耗电运行。对于便携式笔记本来说，可能会存在长期插电运行的使用场景，此时的充放电过程是难以界定的。故而在充电电池的实际应用过程中，基本不存在理想条件下的交替完整充放电设定，显然，以充放电循环次数为寿命是不准确且不合理的。
除此之外，充电电池的实际使用过程中也广泛存在工况变动情况，例如，通过提高充电电池的放电电流来控制电动汽车的速度。此外，所处运行环境中的气温骤降也会影响充电电池的性能。显然，不同的工况设定对充电电池退化过程所产生的影响是不一致的，因此也需要在退化模型中考虑工况变动所产生的影响。
发明内容
发明人在进行大量的测试、分析和研究后发现，以累计损耗量作为寿命非常适用于描述充电电池在随机充放电设定下的退化过程。与此同时，充电电池使用过程中所存在的工况变动也需要在实际的寿命预测过程中加以考虑。
鉴于此，本发明公开一种考虑运行工况的充电电池累计损耗寿命预测方法，能够在考虑工况变动的情况下，对实际使用过程中的充电电池累计损耗寿命进行准确的预测，从而保证使用过程中的安全性。与基于循环次数的方法相比，本发明的准确性提升可达80%以上。
根据本公开实施例的第一方面，提供一种考虑运行工况的充电电池累计损耗寿命预测方法，包括以下步骤：
获取充电电池的退化模型；所述退化模型采用累计损耗量作为寿命指标，用于描述充电电池的关键性能指标随其累计损耗量的逐渐累积而不断衰变的退化过程，退化模型同时考虑了运行工况等因素对退化过程的影响；
获取当前充电电池的退化关联数据；
获取当前充电电池未来运行工况的估计；
根据退化模型、失效标准、当前充电电池的退化关联数据以及当前充电电池未来运行工况的估计，预测当前充电电池的剩余寿命。
在一些实施例中，所述累计损耗量为充电电池实际使用度量的累积结果，其种类包括累计充电量、累计放电量、累计绝对值充放电量等三者，以及该三者的恒定常值倍数学变换。
在一些实施例中，任意特定时刻所对应累计损耗量的具体测算方式包括，自充电电池投入使用起至该特定时刻前全部时间范围内所产生的实际使用度量的累积结果。
在一些实施例中，所述关键性能指标用来表示充电电池的健康状态，其种类包括实际储电容量、实际储电容量的衰减量、实际内阻、实际内阻的衰变量等四者，以及该四者的恒定常值倍数学变换。
在一些实施例中，所述运行工况的种类包括，充电或放电过程中的电压、电流、功率、温度等参数在过程内的具体变化情况或者均值，以及它们的恒定常值倍数学变换。
在一些实施例中，所述运行工况的种类还包括充电过程中的充电截止电流、放电过程中的放电截止电压；充电截止电流是指电池充电时，电流上升到电池不宜再继续充电的最低电流值；放电截止电压是指电池放电时，电压下降到电池不宜再继续放电的最低电压值。
在一些实施例中，所述失效标准为充电电池关键性能指标取值范围内的某一值，当关键性能指标衰变至该值时充电电池发生失效。
在一些实施例中，所述剩余寿命包括总寿命与即时寿命的差值，即充电电池累计损耗量的剩余可累计量。
在一些实施例中，所述总寿命包括，充电电池最终失效时或关键性能指标抵达失效标准时所对应的累计损耗量。
在一些实施例中，所述即时寿命包括，充电电池当前时刻所对应的累计损耗量。
在一些实施例中，所述的充电电池包括单个充电电池以及由多个充电电池串并联构成的电池组；其种类则包括锂及锂离子电池、钠及钠离子电池、镍氢电池、铅蓄电池以及超级电容器等一系列可以循环使用的储电器件。
在一些实施例中，所述累计损耗量的种类还包括充电电池供耗电设备运行所产生实际工作量的累积结果、充电电池供耗电设备运行所产生实际做功量的累积结果、充电电池供汽车行驶所产生实际里程量的累积结果等三者，以及该三者的恒定常值倍数学变换。
在一些实施例中，所述关键性能指标的种类还包括充电电池实际储电容量供耗电设备运行所能产生的实际工作量、充电电池实际储电容量供耗电设备运行所能产生的实际做功量、充电电池实际储电容量供汽车行驶所能产生的实际里程量等三者，以及该三者的恒定常值倍数学变换。
在一些实施例中，所述运行工况的种类还包括，充电电池供耗电设备正常运行过程中的运行功率、充电电池供汽车正常运行过程中的行驶速度等参数在过程内的具体变化情况或者均值，以及它们的恒定常值倍数学变换。
在一些实施例中，任意特定时刻所对应累计损耗量的具体测算方式还包括，自充电电池投入使用起至该特定时刻前部分历史时段或时刻内所产生的实际使用度量的累积结果。
在一些实施例中，所述失效标准的设定方式包括：根据该充电电池的退化关联数据进行设定；根据其他同类型充电电池的退化关联数据进行设定；事先预设。
在一些实施例中，所述退化模型的具体形式包括：经验数学模型；通过数据驱动的方法训练得到的生成式模型。
在一些实施例中，所述退化模型的构建方式包括：获取该充电电池的退化关联数据来训练并生成退化模型；获取其他同类型充电电池的退化关联数据来训练并生成退化模型；事先预设。
在一些实施例中，所述退化关联数据与退化过程密切相关，包含了充电电池的退化信息，其种类包括累计损耗量、关键性能指标、运行工况。
在一些实施例中，所述退化关联数据的采集范围包括：当前时刻所采集到的退化关联数据；当前时刻之前全部历史时刻内所采集到的退化关联数据；当前时刻前部分历史时段或时刻内所采集到的退化关联数据。
在一些实施例中，所述未来运行工况包括自预测开始时刻起的未来寿命范围内，任意特定寿命状态所对应的运行工况。
在一些实施例中，当前充电电池未来运行工况的具体估计方法包括：根据事先设定的充电电池使用规划对未来运行工况进行估计；根据当前充电电池的退化关联数据对未来运行工况进行估计等。
在一些实施例中，所述未来运行工况的估计结果包括：未来运行工况的详细变动情况估计；未来运行工况的近似等效平均估计。
在一些实施例中，具体步骤还包括预测当前充电电池在失效之前的剩余可使用小时数或剩余可使用循环次数。
在一些实施例中，具体步骤还包括预测当前充电电池的计划维修时间或计划替换时间。
在一些实施例中，具体步骤还包括预测当前充电电池的总寿命。
在一些实施例中，具体步骤还包括预测当前充电电池的即时寿命。
在一些实施例中，具体步骤还包括预测当前充电电池的相对剩余寿命或相对即时寿命。
在一些实施例中，所述相对剩余寿命包括剩余寿命与总寿命的比值；所述相对即时寿命包括即时寿命与总寿命的比值。
在一些实施例中，具体步骤还包括预测当前充电电池未来的关键性能指标发展情况。
在一些实施例中，所述未来的关键性能指标发展情况包括：自预测开始时刻起的未来寿命范围内，任意特定寿命状态所对应的关键性能指标。
根据本公开实施例的第二方面，提供一种考虑运行工况的充电电池累计损耗寿命预测装置，包括：
退化模型获取模块，被配置为获取充电电池的退化模型；所述退化模型采用累计损耗量作为寿命指标，用于描述充电电池的关键性能指标随其累计损耗量的逐渐累积而不断衰变的退化过程，退化模型同时考虑了运行工况等因素对退化过程的影响；
退化关联数据获取模块，被配置为获取当前充电电池的退化关联数据；
未来运行工况估计模块，被配置为获取当前充电电池未来运行工况的估计；
剩余寿命预测模块，被配置为根据退化模型、失效标准、当前充电电池的退化关联数据以及当前充电电池未来运行工况的估计，预测当前充电电池的剩余寿命。
根据本公开实施例的第三方面，提供一种电子设备，包括：存储器，被配置为存储计算机指令；处理器，耦合到存储器，处理器被配置为基于存储器存储的计算机指令执行实现如上述任一实施例涉及的累计损耗寿命预测方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机指令，指令被处理器执行时实现如上述任一实施例涉及的累计损耗寿命预测方法。
本发明实施例在采用累计损耗量作为寿命指标的同时，考虑了运行工况对退化过程的影响，可以大大提高实际应用中充电电池剩余寿命预测的准确度，有利于用户更加直观、准确了解充电电池的剩余使用情况。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种考虑运行工况的充电电池累计损耗寿命预测方法的步骤流程图。
图2是本发明实施例的一种考虑运行工况的充电电池累计损耗寿命预测装置的结构示意图。
图3是本发明实施例的一种电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。对示例性实施例的描述仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。本公开可以采用许多不同的形式实现，不限于这里所述的实施例。提供这些实施例是为了使本公开透彻且完整，并且向本领域技术人员充分表达本公开的范围。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、材料的组分和数值应被解释为仅仅是示例性的，而不是作为限制。
本公开中使用的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本发明实施例的术语“包括”、“包含”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本公开使用的所有术语(包括技术术语或者科学术语)与本公开所属领域的普通技术人员理解的含义相同，除非另外特别定义。还应当理解，在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
现有的充电电池寿命预测方法均采用循环次数为寿命指标，只适用于理想条件下的充电电池寿命预测。在实际应用中，充电电池的使用过程往往是随机的，并不存在完整的充放电循环，因而采用该寿命指标的预测效果很差。本发明采用累计损耗量作为寿命指标，可以应对充电电池实际应用过程中的随机充放电现象。
此外，现有传统的充电电池寿命预测方法未能考虑放电电流、温度等运行工况条件对充电电池退化过程的影响，因此无法准确预测复杂条件下的充电电池寿命的变化情况。本发明在采用累计损耗量作为寿命指标的同时，考虑了运行工况的变动对充电电池退化过程的影响，更贴近实际，且便于部署。
本公开提供一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质，能够解决充电电池实际应用中广泛存在的工况变化现象以及随机充放电现象，提高了充电电池寿命预测在实际应用中的准确度，具有极高的应用前景。
图1是根据本公开一些实施例的一种考虑运行工况的充电电池累计损耗寿命预测方法的流程图。在一些实施例中，寿命预测方法包括步骤101-107。
步骤101、获取充电电池的退化模型；所述退化模型采用累计损耗量作为寿命指标，用于描述充电电池的关键性能指标随其累计损耗量的逐渐累积而不断衰变的退化过程，退化模型同时考虑了运行工况等因素对退化过程的影响。
对于充电电池来说，在相同的循环次数下，完整充放电过程和不完整充放电过程对充电电池所产生的实际损耗是不相同的。但是在采用循环次数作为寿命指标时，却会使得两者具有相同的循环寿命，这种处理方式显然是不合理的。与此相对应，在采用累计损耗量作为寿命指标时，可以根据充放电过程中的实际使用度量的累积结果来计算寿命的变化，而不是单单地对循环次数进行计数。与完整充放电过程相比，不完整充放电过程每次循环所能够累积的累计使用度量相对较少，这很符合常理。经过实际试验的检验，采用充电电池的累计损耗量作为寿命指标，更适合描述充电电池的退化过程，尤其是在应对实际中非常常见的随机充放电应用场景时。理论上讲，对于充电电池来说，只要其进行了充放电使用，其寿命就必然会发生变化。而根据累积损耗量的定义，充放电使用也必然会导致累积损耗量的增加。因此，采用累积损耗量作为寿命并不会产生逻辑上的错误，仍然可以正常地描述退化过程。更为重要的是，采用累积损耗量作为寿命可以使得任意随机或非随机充放电过程中的退化过程高度一致。
在测算累计损耗量的过程中，可以对完整和非完整充放电过程同时进行计算，因为只要充电电池进行了充放电，其累计损耗量就必然会发生累积。而在测算关键性能指标时，考虑到实际测算能力的限制，可以只在特定情况下对其真实值进行测算。例如，对实际储电容量来说，可能只有在完整充放电过程下才能测算到实际储电容量，非完整充放电过程下是无法直接测算实际储电容量的，只能对其进行估计。但是在采用充电电池实际内阻作为关键性能指标时，则不存在类似的测算限制，因为内阻的测算过程并不受完整充放电循环的限制，因而可以随时进行测算。此处的描述仅是说明性的，本申请对此不做任何限定。
对于采用实际储电容量作为关键性能指标的情况，只有采用完整充放电循环才能准确测量出充电电池的实际储电容量，不完整循环过程是无法测量出实际储电容量的。但是由于采用累计损耗量作为寿命指标可以保证完整或非完整循环模式下退化过程之间的一致性，因此可以从完整循环模式下的退化过程中获取数据进行退化建模，继而根据建立好的模型来估计不完整循环过程中任意寿命状态节点下的实际储电容量。同时，在采用完整充放电和不完整充放电的交替循环时，也是可以获得或者校验某些关键寿命（累计损耗量）节点下的实际储电容量的当前值，从而可以进行退化建模。此处关于退化建模的描述仅是说明性的，本申请对此不做任何限定。
在一些实施例中，所述累计损耗量为充电电池实际使用度量的累积结果，其种类包括累计充电量、累计放电量、累计绝对值充放电量等三者，以及该三者的恒定常值倍数学变换。
在一些实施例中，所述关键性能指标用来表示充电电池的健康状态，其种类包括实际储电容量、实际储电容量的衰减量、实际内阻、实际内阻的衰变量等四者，以及该四者的恒定常值倍数学变换。
在一些实施例中，任意特定时刻所对应累计损耗量的具体测算方式包括，自充电电池投入使用起至该特定时刻前全部时间范围内所产生的实际使用度量的累积结果。
通常来说，充电电池的使用度量即为其充放电量的多少。累计充电量为充电电池实际充电量的累积结果，累计放电量为充电电池实际放电量的累积结果，累计绝对值充放电量为充电电池实际充放电量绝对值的累积结果。具体来说，累计充电量表示充电电池自投入使用起至预测开始时刻为止所累计充入的电量。对于充电电池来说，自其投入使用开始就会不断的进行充电使用或放电使用，对其每次充电过程所充入的电量进行累积，就会得到所需的累计充电量。累计绝对值充放电量则需对充电量和放电量同时进行累积，但在累积操作之前需对充放电量取绝对值。此处的“累积”强调过程，“累计”则强调结果。
关键性能指标用来表示充电电池的健康状态，该类指标会随着充电电池的退化过程而逐渐衰变。例如，实际储电容量代表充电电池完全充满状态下所储存的电量，随着充电电池使用过程中的性能衰减，实际储电容量也会不断的减少，直至充电电池无法正常工作。
对于充电电池来说，其一般都会具有额定容量或额定工作量等一类的额定指标。因而在很多应用场景中，可以依据额定指标对其充电量或工作量等关键性能指标进行归一化操作，来获得在相对意义上的充电量或工作量等指标。例如，此处的实际储电容量包括绝对的实际储电容量，也包括实际储电容量与额定容量相除所得到的相对储电容量（即恒定常值倍数学变换）。恒定常值倍数学变换中“恒定常值”的意义在于，所采用的变换倍数为某一恒定的常值。此处以额定指标为例是为了对“恒定常值”进行说明性的描述，对于采用其他“恒定常值”的情况，本申请不做进一步的限定。
类似的，累计损耗量也可以包括累计充电量、累计放电量、累计绝对值充放电量等指标的恒定常值倍数学变换。例如，在某种情况下，可以通过将累计充电量与充电电池额定容量相除来得到一个等效的标准循环次数，即累积充电量的值等效于多少个额定容量。该等效结果本质仍然来源于累积充电量，并且与累积充电量具有确定性的倍数关系，因此也可视为累计损耗量。对于累计放电量和累计绝对值充放电量等两者来说，相对的恒定常值倍数学变换定义也与此类似。
实际储电容量的衰减量则表示，与充电电池刚投入使用时相比，当前实际储电容量的衰减情况。实际储电容量衰减情况的求取方法，包括将当前实际储电容量与初始状态下的实际储电容量进行相减所得到的绝对衰减量，也包括将当前实际储电容量与额定容量进行相减所得到绝对衰减量，本申请对此不做任何限定。此外，此处实际储电容量的衰减情况，包括实际储电容量的绝对衰减量，也包括绝对衰减量与额定容量相除所得到的相对衰减率（即恒定常值倍数学变换）。
在该步骤中，“不断衰变的退化过程”中的“衰变”的意义在于，对于某些关键性能指标来说，其值在退化过程中不一定是逐渐递减的过程，也可能是逐渐增加的过程，但其也同样意味着充电电池性能的退化。例如，在充电电池的使用过程中，其内阻也会发生变化。实际内阻的衰变量表示充电电池的内阻在与其刚投入使用时相比的变化情况。此处实际内阻的衰变量包括其电阻的绝对变化量，也包括绝对变化量与初始电阻相除所得到的变化率（即恒定常值倍数学变换）。
在一些实施例中，所述累计损耗量的种类还包括充电电池供耗电设备运行所产生实际工作量的累积结果、充电电池供耗电设备运行所产生实际做功量的累积结果、充电电池供汽车行驶所产生实际里程量的累积结果等三者，以及该三者的恒定常值倍数学变换。
在一些实施例中，所述关键性能指标的种类还包括充电电池实际储电容量供耗电设备运行所能产生的实际工作量、充电电池实际储电容量供耗电设备运行所能产生的实际做功量、充电电池实际储电容量供汽车行驶所能产生的实际里程量等三者，以及该三者的恒定常值倍数学变换。
除了充电电池本身的使用度量之外，对于某些耗电设备来说，其依靠充电电池所能实际产生或累积的使用度量会非常便于测量和获取。对于常见耗电设备来说，其使用度量可以为做功量的多少，具体包括机械功、电功以及其他不同的能量种类，例如，对于便携式暖手宝来说，做功量可以为其产生热量的多少。对于便携式电钻来说，做功量可以为其产生机械功的多少。此外，使用度量也可以为实际的工作量，例如，对于扫地机器人来说，工作量可以为其所处理垃圾的重量或数量。对于数据中心来说，工作量可以为其所存储数据字节的多少。对于便携式电脑来说，工作量可以为其所处理指令的多少。对于电动刮胡刀来说，工作量可以为其刀片旋转圈数的多少。对于汽车来说，使用度量采用行驶距离的多少来定义。此处的描述仅是说明性的，本申请对此不做任何限定。
该类指标是与充电电池性能直接有关的，因此可以作为关键性能指标或经过累积来获得累计损耗量。以上述的汽车为例，关键性能指标为充电电池实际储电容量供汽车行驶所能产生的实际里程量，累积损耗量则为充电电池供汽车行驶所产生实际里程量的累积结果；以上述的电钻为例，关键性能指标为充电电池实际储电容量供电钻工作所能产生的实际机械功，累积损耗量则为充电电池供电钻工作所产生实际机械功的累积结果。此处的描述仅是说明性的，本申请对此不做任何限定。
与此同时，这类指标也同时适用于前述的额定指标以及恒定常值倍数学变换等相关定义。
在一些实施例中，任意特定时刻所对应累计损耗量的具体测算方式还包括，自充电电池投入使用起至该特定时刻前部分历史时段或时刻内所产生的实际使用度量的累积结果。
一般情况下，累计损耗量需要对全部历史使用过程中所产生的使用度量进行累加。但是出于减少计算量的考虑，也可以采用数据压缩的技术，例如，对原始数据进行稀释采样之后再进行累积计算，也即自充电电池投入使用起至该特定时刻前部分历史时段或时刻内所产生的实际使用度量的累积结果。累计损耗量的计算过程也可以采用其他数据处理规则对全部的历史数据进行重新采样或重新计算，本申请对此不做任何限定。
步骤103、获取当前充电电池的退化关联数据。
在一些实施例中，所述退化关联数据与退化过程密切相关，包含了充电电池的退化信息，其种类包括累计损耗量、关键性能指标、运行工况。
在一些实施例中，所述退化关联数据的采集范围包括：当前时刻所采集到的退化关联数据；当前时刻之前全部历史时刻内所采集到的退化关联数据；当前时刻前部分历史时段或时刻内所采集到的退化关联数据。
对于当前充电电池来说，退化关联数据中包含了退化过程的关键信息。因此可以对其进行处理和分析，从而预测退化过程的未来发展趋势，并最终获得剩余寿命的预测结果。
通常情况下，在基于模型的方法中，获得当前实时采集的退化关联数据即可进行预测。但是对于机器学习类的方法来说，为了获取更加准确的预测结果，可能需要对更多的历史数据进行分析，例如，采用全部的历史数据或者某些特定时刻的历史数据。此处关于退化建模的描述仅是说明性的，本申请对此不做任何限定。
在一些实施例中，所述退化模型的具体形式包括：经验数学模型；通过数据驱动的方法训练得到的生成式模型。
在一些实施例中，所述退化模型的构建方式包括：获取该充电电池的退化关联数据来训练并生成退化模型；获取其他同类型充电电池的退化关联数据来训练并生成退化模型；事先预设。
对于充电电池来说，其退化模型可以是事先设定好的，这样就可以直接获取。与此同时，从充电电池的退化关联数据中也是可以推断出退化规律的，因此可以在预测过程开始之前，根据当前充电电池的退化关联数据生成退化模型。除此之外，还可以通过获取其他同类型充电电池的退化关联数据来构建退化模型。例如，通过对同类型充电电池进行充放电试验来收集退化关联数据，亦或是采集其他用户所使用同类型充电电池的退化关联数据。此处的同类型包括相同型号的充电电池，也包括相同制造工艺和材料配比的充电电池，本申请对此不做任何限定。
由于退化模型中考虑了运行工况的影响，因此在构建模型时，也需要获取一些与运行工况相关的数据。
在一些实施例中，所述运行工况的种类包括，充电或放电过程中的电压、电流、功率、温度等参数在过程内的具体变化情况或者均值，以及它们的恒定常值倍数学变换。
对于充放电电流来说，充放电倍率C即可视为恒定常值倍数学变换的例子，此处不再赘述相关概念。
对于充电电池来说，运行工况的设定显然会影响其性能表现（继而必然会对退化过程产生影响）。例如，在采用大电流放电时，由于电池内阻的影响，会使得充电电池发生容量损失。此外，恒流恒压充电过程中截止电流的设定也会影响实际容量。与此同时，放电过程中截止电压的设定也会影响实际容量。又或，不同季节温度下，充电电池的实际容量会产生显著变化。对于任意的充电或放电过程来说，过程中电压、电流、功率、温度等参数都可能会随着充电或放电过程的持续而不断发生变化，这些参数的变化对充电电池性能的影响是直接并且即时的，因此可以视为充电电池的工况条件。此外，为了简化分析和计算，还可对单次充电或放电过程中的相关参数进行求平均值的处理。
在一些实施例中，所述运行工况的种类还包括充电过程中的充电截止电流、放电过程中的放电截止电压；充电截止电流是指电池充电时，电流上升到电池不宜再继续充电的最低电流值；放电截止电压是指电池放电时，电压下降到电池不宜再继续放电的最低电压值。
在一些实施例中，所述运行工况的种类还包括，充电电池供耗电设备正常运行过程中的运行功率、充电电池供汽车正常运行过程中的行驶速度等参数在过程内的具体变化情况或者均值，以及它们的恒定常值倍数学变换。
对实际的耗电设备来说，其运行工况的种类会更加的灵活。例如对于电动汽车来说，工况可以是行驶速度，而在需要使用空调功能进行降温或取暖时，工况也可以是总的实际功率。对于实际耗电设备来说，其运行过程中的运行功率可视为运行工况；对于电动汽车来说，其运行过程中的行驶速度可视为运行工况。此外，为了简化分析和计算，还可对单次运行过程中的相关参数进行求平均值的处理。此处关于运行工况的描述仅是说明性的，本申请对此不做任何限定。
工况类的指标也同时适用于前述的额定指标以及恒定常值倍数学变换等相关定义，此处不再进行赘述。
步骤105、获取当前充电电池未来运行工况的估计。
在一些实施例中，所述未来运行工况包括自预测开始时刻起的未来寿命范围内，任意特定寿命状态所对应的运行工况。
在一些实施例中，当前充电电池未来运行工况的具体估计方法包括：根据事先设定的充电电池使用规划对未来运行工况进行估计；根据当前充电电池的退化关联数据对未来运行工况进行估计等。
在一些实施例中，所述未来运行工况的估计结果包括：未来运行工况的详细变动情况估计；未来运行工况的近似等效平均估计。
由于退化模型中考虑了运行工况的影响，因此在实际预测的过程中也需要对未来的运行工况进行估计。在某些应用场景中，充电电池的使用是有确定规划或者有特定规律的，因此可根据事先的使用规划或者特定的历史规律，对未来运行时准确的工况变化情况进行估计。在准确性要求不高的情况下，也可以对未来的运行工况进行简化处理，即只估计其平均工况。此处的描述仅是说明性的，本申请对此不做任何限定。
步骤107、根据退化模型、失效标准、当前充电电池的退化关联数据以及当前充电电池未来运行工况的估计，预测当前充电电池的剩余寿命。
在一些实施例中，所述失效标准为充电电池关键性能指标取值范围内的某一值，当关键性能指标衰变至该值时充电电池发生失效。
在一些实施例中，所述失效标准的设定方式包括：根据该充电电池的退化关联数据进行设定；根据其他同类型充电电池的退化关联数据进行设定；事先预设。
失效标准为充电电池关键性能指标取值范围内的某一值。例如，当采用充电电池实际储电容量（SOH）作为关键性能指标时，失效标准就是SOH取值范围中的某一值。失效标准可以是事先设定好的限值，对充电电池来说，在采用SOH作为关键性能指标时，失效标准通常设定为初始容量的80%。失效标准是用于界定充电电池退化程度的，在大多数情况下只是对失效状态的一个保守估计。虽然超过失效标准时的退化程度是不可接受的，但也不意味着此时的充电电池会完全无法使用。失效标准可以根据实际的应用场景进行灵活设定，例如根据历史数据等，本申请对此不做任何限定。
在一些实施例中，所述剩余寿命包括总寿命与即时寿命的差值，即充电电池累计损耗量的剩余可累计量。
在一些实施例中，所述总寿命包括，充电电池最终失效时或关键性能指标抵达失效标准时所对应的累计损耗量。
在一些实施例中，所述即时寿命包括，充电电池当前时刻所对应的累计损耗量。
在一些实施例中，所述的充电电池包括单个充电电池以及由多个充电电池串并联构成的电池组；其种类则包括锂及锂离子电池、钠及钠离子电池、镍氢电池、铅蓄电池以及超级电容器等一系列可以循环使用的储电器件。
在一些实施例中，具体步骤还包括预测当前充电电池的总寿命。
在一些实施例中，具体步骤还包括预测当前充电电池的即时寿命。
在一些实施例中，具体步骤还包括预测当前充电电池的相对剩余寿命或相对即时寿命。
在一些实施例中，所述相对剩余寿命包括剩余寿命与总寿命的比值；所述相对即时寿命包括即时寿命与总寿命的比值。
对于充电电池来说，其关键性能指标会在投入使用之后发生不断的退化，当其关键性能指标抵达预设的失效标准时，所对应的累计损耗量就可以视为总寿命，也即充电电池最终失效时所对应的累计损耗量。
下面采用一个实际的案例来说明剩余寿命、总寿命和即时寿命的实际意义。首先设定累计充电量为寿命指标，设定实际储电容量为关键性能指标。对于一个初始容量为1000mAh的充电电池来说，设定其失效标准为初始容量的50%（即500mAh）。假设在经过长时间的使用之后，目前所累积的累计充电量为400Ah（可采用额定容量作为“恒定常值”来等效变换为400个额定容量），目前的实际储电容量已经从1000mAh衰减至600mAh。此时，充电电池的即时寿命即为400Ah，实际储电容量的衰减量即为400mAh。在这种情况下，当该充电电池的实际储电容量再衰减100mAh，就会达到失效标准500mAh。假设该退化过程在累积损耗寿命下是线性的。基于简单的数学模型和该电池的历史使用数据，经分析可知，若实际储电容量再衰减100mAh，仍然需额外累积100Ah的累计充电量。因此该电池的剩余可使用寿命的预测结果即为100Ah，总寿命的预测结果即为500Ah。mAh代表毫安每小时，Ah代表安每小时，两者为容量单位。此处关于剩余寿命、总寿命和即时寿命的描述仅是说明性的，本申请对此不做任何限定。除此之外，剩余寿命和即时寿命都具有相对意义上的概念。例如，此时的剩余寿命与总寿命相比只占其20%，所以相对剩余寿命即为20%，相对即时寿命即为80%。
在一些实施例中，具体步骤还包括预测当前充电电池未来的关键性能指标发展情况。
在一些实施例中，所述未来的关键性能指标发展情况包括：自预测开始时刻起的未来寿命范围内，任意特定寿命状态所对应的关键性能指标。
随着充电电池的不断使用，累计损耗量会不断的增加，因此本发明将累计损耗量作为寿命指标。在未来阶段，只要充电电池尚未发生失效，就能够继续进行使用，其累计损耗量也会不断地进行累积。因此也可以对其未来寿命范围内的关键性能指标进行预测。所述未来的关键性能指标发展情况包括：自预测开始时刻起的未来寿命范围内，任意特定寿命状态所对应的关键性能指标。此处的采用了“任意”的描述，因此包括未来寿命范围内对应的关键性能指标中的任意一个或多个。
在一些实施例中，具体步骤还包括预测当前充电电池的计划维修时间或计划替换时间。
输出计划维修时间或计划替换时间是为了在电池发生失效之前及时地进行提醒。例如，当预测得到的剩余寿命不足时，需要提醒用户对充电电池进行更换。又或是，提前计算出理想的电池更换时间来告知用户。
在一些实施例中，具体步骤还包括预测当前充电电池在失效之前的剩余可使用小时数或剩余可使用循环次数。
为了兼容传统的基于循环次数的预测方法，本申请的步骤中也包括获得剩余可使用小时数或剩余可使用循环次数。例如首先经预测得到剩余的累计损耗寿命，继而根据未来的运行规划进行近似的转换。例如，在采用累计放电量作为寿命时，可以将剩余的累计放电量与额定容量相除，获得额定容量下的剩余放电次数；或者根据预测得到的实际储电容量未来的发展情况，获得实际储电容量的变化规律，继而估算实际的剩余放电次数（考虑未来实际储电容量的变化）；又或根据累计损耗寿命增加过程的平均耗时或者每次循环过程的平均耗时，来计算剩余可使用小时数。此处的描述仅是说明性的，本申请对此不做任何限定。
由上可知，本发明实施例在采用累计损耗量作为寿命指标的同时，考虑了运行工况对退化过程的影响，可以大大提高实际应用中充电电池剩余寿命预测的准确度，有利于用户更加直观、准确了解充电电池的剩余使用情况。
图2是根据本公开一些实施例的考虑运行工况的充电电池累计损耗寿命预测装置的具体实施方式结构图。在一些实施例中，该累计损耗寿命预测装置包括退化模型获取模块、退化关联数据获取模块、未来运行工况估计模块、剩余寿命预测模块。
退化模型获取模块201，被配置为获取充电电池的退化模型，例如执行步骤101；所述退化模型采用累计损耗量作为寿命指标，用于描述充电电池的关键性能指标随其累计损耗量的逐渐累积而不断衰变的退化过程，退化模型同时考虑了运行工况等因素对退化过程的影响。
退化关联数据获取模块203，被配置为获取当前充电电池的退化关联数据，例如执行步骤103。
未来运行工况估计模块205，被配置为获取当前充电电池未来运行工况的估计，例如执行步骤105。
剩余寿命预测模块207，被配置为根据退化模型、失效标准、当前充电电池的退化关联数据以及当前充电电池未来运行工况的估计，预测当前充电电池的剩余寿命，例如执行步骤107。
在一些实施例中，还包括辅助预测模块，被配置为预测当前充电电池在失效之前的剩余可使用小时数或剩余可使用循环次数。
在一些实施例中，还包括规划模块，被配置为预测当前充电电池的计划维修时间或计划替换时间。
在一些实施例中，还包括总寿命预测模块，被配置为预测当前充电电池的总寿命。
在一些实施例中，还包括即时寿命预测模块，被配置为预测当前充电电池的即时寿命。
在一些实施例中，还包括相对寿命预测模块，被配置为预测当前充电电池的相对剩余寿命或相对即时寿命。
在一些实施例中，所述相对剩余寿命包括剩余寿命与总寿命的比值；所述相对即时寿命包括即时寿命与总寿命的比值。
在一些实施例中，还包括未来退化过程预测模块，被配置为预测当前充电电池未来的关键性能指标发展情况。
在一些实施例中，所述未来的关键性能指标发展情况包括：自预测开始时刻起的未来寿命范围内，任意特定寿命状态所对应的关键性能指标。
本发明实施例所述考虑运行工况的充电电池累计损耗寿命预测装置的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例在采用累计损耗量作为寿命指标的同时，考虑了运行工况对退化过程的影响，可以大大提高实际应用中充电电池剩余寿命预测的准确度，有利于用户更加直观、准确了解充电电池的剩余使用情况。
上文中提到的考虑运行工况的充电电池累计损耗寿命预测装置是从功能模块的角度描述，进一步的，本申请还提供一种电子设备，是从硬件角度描述。图3为本申请实施例提供的一种电子设备的结构示意图。该装置包括存储器30，被配置为存储计算机指令；处理器31，耦合到存储器，处理器被配置为基于存储器存储的计算机指令执行实现如上述任一实施例涉及的累计损耗寿命预测方法。
在一些实施例中，处理器31可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器31可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)、PLA(Programmable LogicArray，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器31也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessing Unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器31可以再集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器31还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
在一些实施例中，存储器30可以包含高速RAM(Random Access Memory，随机存取存储器)，也可还包括NVM(Non-Volatile Memory，非易失性存储器)。例如至少一个磁盘存储器。存储器30也可以是存储器阵列。存储器30还可能被分块，并且块可按一定的规则组合成虚拟卷。本实施例中，存储器30至少用于存储以下计算机程序301，其中，该计算机程序被处理器31加载并执行之后，能够实现前述任一实施例公开的考虑运行工况的充电电池累计损耗寿命预测方法的相关步骤。另外，存储器30所存储的资源还可以包括操作系统302和数据303等，存储方式可以是短暂存储或者永久存储。其中，操作系统302可以包括Windows、Unix、Linux等。数据303可以包括但不限于测试结果对应的数据等。
在一些实施例中，考虑运行工况的充电电池累计损耗寿命预测装置还可包括有显示屏32、输入输出接口33、通信接口34、电源35以及通信总线36。
本领域技术人员可以理解，图3中示出的结构并不构成对考虑运行工况的充电电池累计损耗寿命预测装置的限定，可以包括比图示更多或更少的组件，例如传感器37。
本发明实施例所述电子设备的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
可以理解的是，如果上述实施例中的考虑运行工况的充电电池累计损耗寿命预测方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、磁碟或者光盘等各种可以存储程序代码的介质。
基于此，本发明实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机指令，指令被处理器执行时实现如上述任一实施例涉及的累计损耗寿命预测方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例在采用累计损耗量作为寿命指标的同时，考虑了运行工况对退化过程的影响，可以大大提高实际应用中充电电池剩余寿命预测的准确度，有利于用户更加直观、准确了解充电电池的剩余使用情况。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以上对本申请所提供的一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
需要说明的是，本申请中各步骤之间没有严格的先后执行顺序，只要符合逻辑上的顺序，则这些步骤可以同时执行，也可按照某种预设顺序执行，图1-图3只是一种示意方式，并不代表只能是这样的执行顺序。
Claims (10)
1.一种考虑运行工况的充电电池累计损耗寿命预测方法，其特征在于，该方法包括以下步骤：
步骤S1、获取充电电池的退化模型；所述退化模型采用累计损耗量作为寿命指标，用于描述充电电池的关键性能指标随其累计损耗量的逐渐累积而不断衰变的退化过程，退化模型同时考虑了运行工况等因素对退化过程的影响；
步骤S2、获取当前充电电池的退化关联数据；
步骤S3、获取当前充电电池未来运行工况的估计；
步骤S4、根据退化模型、失效标准、当前充电电池的退化关联数据以及当前充电电池未来运行工况的估计，预测当前充电电池的剩余寿命。
2.如权利要求1所述的方法，其特征在于，
所述累计损耗量为充电电池实际使用度量的累积结果，其种类包括累计充电量、累计放电量、累计绝对值充放电量等三者，以及该三者的恒定常值倍数学变换；
任意特定时刻所对应累计损耗量的具体测算方式包括，自充电电池投入使用起至该特定时刻前全部时间范围内所产生的实际使用度量的累积结果；
所述关键性能指标用来表示充电电池的健康状态，其种类包括实际储电容量、实际储电容量的衰减量、实际内阻、实际内阻的衰变量等四者，以及该四者的恒定常值倍数学变换；
所述运行工况的种类包括，充电或放电过程中的电压、电流、功率、温度等参数在过程内的具体变化情况或者均值，以及它们的恒定常值倍数学变换；
所述运行工况的种类还包括充电过程中的充电截止电流、放电过程中的放电截止电压；充电截止电流是指电池充电时，电流上升到电池不宜再继续充电的最低电流值；放电截止电压是指电池放电时，电压下降到电池不宜再继续放电的最低电压值；
所述失效标准为充电电池关键性能指标取值范围内的某一值，当关键性能指标衰变至该值时充电电池发生失效。
3.如权利要求2所述的方法，其特征在于，
所述剩余寿命包括总寿命与即时寿命的差值，即充电电池累计损耗量的剩余可累计量；
所述总寿命包括，充电电池最终失效时或关键性能指标抵达失效标准时所对应的累计损耗量；
所述即时寿命包括，充电电池当前时刻所对应的累计损耗量；
所述的充电电池包括单个充电电池以及由多个充电电池串并联构成的电池组；其种类则包括锂及锂离子电池、钠及钠离子电池、镍氢电池、铅蓄电池以及超级电容器等一系列可以循环使用的储电器件。
4.如权利要求3所述的方法，其特征在于，
所述累计损耗量的种类还包括充电电池供耗电设备运行所产生实际工作量的累积结果、充电电池供耗电设备运行所产生实际做功量的累积结果、充电电池供汽车行驶所产生实际里程量的累积结果等三者，以及该三者的恒定常值倍数学变换；
所述关键性能指标的种类还包括充电电池实际储电容量供耗电设备运行所能产生的实际工作量、充电电池实际储电容量供耗电设备运行所能产生的实际做功量、充电电池实际储电容量供汽车行驶所能产生的实际里程量等三者，以及该三者的恒定常值倍数学变换；
所述运行工况的种类还包括，充电电池供耗电设备正常运行过程中的运行功率、充电电池供汽车正常运行过程中的行驶速度等参数在过程内的具体变化情况或者均值，以及它们的恒定常值倍数学变换；
任意特定时刻所对应累计损耗量的具体测算方式还包括，自充电电池投入使用起至该特定时刻前部分历史时段或时刻内所产生的实际使用度量的累积结果。
5.如权利要求3-4任一项所述的方法，其特征在于，
所述失效标准的设定方式包括：根据该充电电池的退化关联数据进行设定；根据其他同类型充电电池的退化关联数据进行设定；事先预设；
所述退化模型的具体形式包括：经验数学模型；通过数据驱动的方法训练得到的生成式模型；
所述退化模型的构建方式包括：获取该充电电池的退化关联数据来训练并生成退化模型；获取其他同类型充电电池的退化关联数据来训练并生成退化模型；事先预设；
所述退化关联数据与退化过程密切相关，包含了充电电池的退化信息，其种类包括累计损耗量、关键性能指标、运行工况；
所述退化关联数据的采集范围包括：当前时刻所采集到的退化关联数据；当前时刻之前全部历史时刻内所采集到的退化关联数据；当前时刻前部分历史时段或时刻内所采集到的退化关联数据。
6.如权利要求5所述的方法，其特征在于，
所述未来运行工况包括自预测开始时刻起的未来寿命范围内，任意特定寿命状态所对应的运行工况；
当前充电电池未来运行工况的具体估计方法包括：根据事先设定的充电电池使用规划对未来运行工况进行估计；根据当前充电电池的退化关联数据对未来运行工况进行估计等；
所述未来运行工况的估计结果包括：未来运行工况的详细变动情况估计；未来运行工况的近似等效平均估计。
7.如权利要求6所述的方法，其特征在于，
具体步骤还包括预测当前充电电池在失效之前的剩余可使用小时数或剩余可使用循环次数；
具体步骤还包括预测当前充电电池的计划维修时间或计划替换时间；
具体步骤还包括预测当前充电电池的总寿命；
具体步骤还包括预测当前充电电池的即时寿命；
具体步骤还包括预测当前充电电池的相对剩余寿命或相对即时寿命；
所述相对剩余寿命包括剩余寿命与总寿命的比值；所述相对即时寿命包括即时寿命与总寿命的比值；
具体步骤还包括预测当前充电电池未来的关键性能指标发展情况；
所述未来的关键性能指标发展情况包括：自预测开始时刻起的未来寿命范围内，任意特定寿命状态所对应的关键性能指标。
8.一种考虑运行工况的充电电池累计损耗寿命预测装置，包括：
退化模型获取模块，被配置为获取充电电池的退化模型；所述退化模型采用累计损耗量作为寿命指标，用于描述充电电池的关键性能指标随其累计损耗量的逐渐累积而不断衰变的退化过程，退化模型同时考虑了运行工况等因素对退化过程的影响；
退化关联数据获取模块，被配置为获取当前充电电池的退化关联数据；
未来运行工况估计模块，被配置为获取当前充电电池未来运行工况的估计；
剩余寿命预测模块，被配置为根据退化模型、失效标准、当前充电电池的退化关联数据以及当前充电电池未来运行工况的估计，预测当前充电电池的剩余寿命。
9.一种电子设备，包括：
存储器，被配置为存储计算机指令；
处理器，耦合到存储器，处理器被配置为基于存储器存储的计算机指令执行实现如权利要求1-7中任一项所述的累计损耗寿命预测方法。
10.一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机指令，指令被处理器执行时实现如权利要求1-7中任一项所述的累计损耗寿命预测方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111178722.2A CN114444370B (zh) | 2021-10-11 | 2021-10-11 | 一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质 |
| PCT/CN2022/097748 WO2023284453A1 (zh) | 2021-07-15 | 2022-06-09 | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
| US18/163,357 US20240054269A1 (en) | 2021-07-15 | 2023-02-02 | Method, device, electronic equipment and computer-readable storage medium for lifetime prognosis of rechargeable-battery based on cumulative-consumption-indicators |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111178722.2A CN114444370B (zh) | 2021-10-11 | 2021-10-11 | 一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114444370A true CN114444370A (zh) | 2022-05-06 |
| CN114444370B CN114444370B (zh) | 2023-10-10 |
Family
ID=81362433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111178722.2A Active CN114444370B (zh) | 2021-07-15 | 2021-10-11 | 一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114444370B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115389964A (zh) * | 2022-10-24 | 2022-11-25 | 杭州科工电子科技有限公司 | 一种电池寿命预测方法 |
| WO2023284453A1 (zh) * | 2021-07-15 | 2023-01-19 | 崔跃芹 | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
| CN117420471A (zh) * | 2023-12-18 | 2024-01-19 | 深圳鑫资物联科技有限公司 | 一种移动电源的性能测试方法、系统、设备及其存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106291391A (zh) * | 2016-10-31 | 2017-01-04 | 首都师范大学 | 一种计及随机变电流的锂电池退化建模及寿命预测方法 |
| CN106959422A (zh) * | 2017-03-28 | 2017-07-18 | 江苏大学 | 一种电池寿命预警装置的检测方法 |
| CN109975713A (zh) * | 2019-04-12 | 2019-07-05 | 苏州正力蔚来新能源科技有限公司 | 一种考虑多因素影响的动力电池soh估算方法 |
| CN109977552A (zh) * | 2019-03-28 | 2019-07-05 | 中国人民解放军火箭军工程大学 | 一种考虑状态检测影响的设备剩余寿命预测方法及系统 |
| CN111426952A (zh) * | 2019-01-10 | 2020-07-17 | 郑州宇通客车股份有限公司 | 一种锂离子电池的寿命预测方法 |
| CN111812538A (zh) * | 2020-07-22 | 2020-10-23 | 兰州兰石恩力微电网有限公司 | 一种动力电池评估系统 |
| CN112595980A (zh) * | 2020-12-17 | 2021-04-02 | 北京海博思创科技股份有限公司 | 电池储能系统寿命的预测方法、装置及设备 |
| CN112630658A (zh) * | 2020-11-04 | 2021-04-09 | 国网上海能源互联网研究院有限公司 | 一种蓄电池寿命损耗评估方法和系统 |
| CN112731164A (zh) * | 2020-12-21 | 2021-04-30 | 惠州亿纬锂能股份有限公司 | 一种电池寿命评估方法 |
| CN113246797A (zh) * | 2021-06-04 | 2021-08-13 | 广州小鹏汽车科技有限公司 | 一种电池寿命预测的方法和装置 |
| CN113406523A (zh) * | 2021-08-19 | 2021-09-17 | 中国电力科学研究院有限公司 | 一种储能电池状态评价方法、装置、电子设备及存储系统 |
-
2021
- 2021-10-11 CN CN202111178722.2A patent/CN114444370B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106291391A (zh) * | 2016-10-31 | 2017-01-04 | 首都师范大学 | 一种计及随机变电流的锂电池退化建模及寿命预测方法 |
| CN106959422A (zh) * | 2017-03-28 | 2017-07-18 | 江苏大学 | 一种电池寿命预警装置的检测方法 |
| CN111426952A (zh) * | 2019-01-10 | 2020-07-17 | 郑州宇通客车股份有限公司 | 一种锂离子电池的寿命预测方法 |
| CN109977552A (zh) * | 2019-03-28 | 2019-07-05 | 中国人民解放军火箭军工程大学 | 一种考虑状态检测影响的设备剩余寿命预测方法及系统 |
| CN109975713A (zh) * | 2019-04-12 | 2019-07-05 | 苏州正力蔚来新能源科技有限公司 | 一种考虑多因素影响的动力电池soh估算方法 |
| CN111812538A (zh) * | 2020-07-22 | 2020-10-23 | 兰州兰石恩力微电网有限公司 | 一种动力电池评估系统 |
| CN112630658A (zh) * | 2020-11-04 | 2021-04-09 | 国网上海能源互联网研究院有限公司 | 一种蓄电池寿命损耗评估方法和系统 |
| CN112595980A (zh) * | 2020-12-17 | 2021-04-02 | 北京海博思创科技股份有限公司 | 电池储能系统寿命的预测方法、装置及设备 |
| CN112731164A (zh) * | 2020-12-21 | 2021-04-30 | 惠州亿纬锂能股份有限公司 | 一种电池寿命评估方法 |
| CN113246797A (zh) * | 2021-06-04 | 2021-08-13 | 广州小鹏汽车科技有限公司 | 一种电池寿命预测的方法和装置 |
| CN113406523A (zh) * | 2021-08-19 | 2021-09-17 | 中国电力科学研究院有限公司 | 一种储能电池状态评价方法、装置、电子设备及存储系统 |
Non-Patent Citations (4)
| Title |
|---|
| ENHUI LIU 等: "Lebesgue Sampling-Based Li-Ion Battery Simplified First Principle Model for SOC Estimation and RDT Prediction", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 * |
| ENHUI LIU 等: "Lebesgue Sampling-Based Li-Ion Battery Simplified First Principle Model for SOC Estimation and RDT Prediction", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》, vol. 69, no. 9, 29 September 2021 (2021-09-29), pages 9524 - 9534, XP011905070, DOI: 10.1109/TIE.2021.3114699 * |
| 蒋洪湖: "基于伽马分布的锂离子电池容量退化建模", 《新能源汽车》 * |
| 蒋洪湖: "基于伽马分布的锂离子电池容量退化建模", 《新能源汽车》, 15 March 2019 (2019-03-15), pages 18 - 20 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023284453A1 (zh) * | 2021-07-15 | 2023-01-19 | 崔跃芹 | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
| CN115389964A (zh) * | 2022-10-24 | 2022-11-25 | 杭州科工电子科技有限公司 | 一种电池寿命预测方法 |
| CN115389964B (zh) * | 2022-10-24 | 2023-01-31 | 杭州科工电子科技有限公司 | 一种电池寿命预测方法 |
| CN117420471A (zh) * | 2023-12-18 | 2024-01-19 | 深圳鑫资物联科技有限公司 | 一种移动电源的性能测试方法、系统、设备及其存储介质 |
| CN117420471B (zh) * | 2023-12-18 | 2024-04-02 | 深圳鑫资物联科技有限公司 | 一种移动电源的性能测试方法、系统、设备及其存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114444370B (zh) | 2023-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114444370B (zh) | 一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质 | |
| US20240054269A1 (en) | Method, device, electronic equipment and computer-readable storage medium for lifetime prognosis of rechargeable-battery based on cumulative-consumption-indicators | |
| JP5936711B2 (ja) | 蓄電デバイスの寿命予測装置及び蓄電デバイスの寿命予測方法 | |
| CN105607004B (zh) | 一种锂离子电池包健康状态评估方法及系统 | |
| CN108919129A (zh) | 一种时变工况下动力电池的寿命预测方法 | |
| CN105158699A (zh) | 电池健康状态的检测方法和装置 | |
| CN103033762B (zh) | 基于差值微分的动力磷酸铁锂电池荷电量动态预测方法 | |
| CN109932663A (zh) | 电池健康状态评估方法、装置、存储介质及电子装置 | |
| US20200309857A1 (en) | Methods, systems, and devices for estimating and predicting battery properties | |
| CN104950260A (zh) | 模型无关的电池寿命和性能预报器 | |
| EP4083643A1 (en) | Soh test method and apparatus | |
| CN110133533A (zh) | 估算电池健康状态的方法和电池管理装置 | |
| CN104242393A (zh) | 基于动态soc估算系统的电池管理系统 | |
| JP7394983B2 (ja) | 充電可能なバッテリの充電状態と健康状態を決定する方法および装置 | |
| CN105717455A (zh) | 电池组的电池单体soc和容量估计算法的选择方法 | |
| CN204030697U (zh) | 基于动态soc估算系统的电池管理系统 | |
| CN102221678A (zh) | 一种电池系统在线寿命计算方法 | |
| CN109986997B (zh) | 一种动力电池soc预测装置、汽车及方法 | |
| CN115616425A (zh) | 电池性能分析方法、电子设备及储能系统 | |
| KR20230080112A (ko) | 배터리 현재 상태 예측을 위한 배터리 진단 장치 | |
| Wu et al. | State-of-charge and state-of-health estimating method for lithium-ion batteries | |
| JP3239547U (ja) | リチウムイオン電池の健全度と残存耐用年数の測定システム | |
| CN114460484B (zh) | 一种基于累计耗损量的充电电池寿命预测方法和装置 | |
| JP2001250590A (ja) | 蓄電池の劣化判定方法 | |
| CN111199104A (zh) | 一种电池残余性能分析方法、装置、设备及存储介质 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Lv Dongzhen Inventor after: Cui Yueqin Inventor before: Cui Yueqin Inventor before: Lv Dongzhen |
|
| CB03 | Change of inventor or designer information |