CN114879052A - 一种振动工况下的锂离子电池热失控安全评估方法 - Google Patents

一种振动工况下的锂离子电池热失控安全评估方法 Download PDF

Info

Publication number
CN114879052A
CN114879052A CN202210616622.1A CN202210616622A CN114879052A CN 114879052 A CN114879052 A CN 114879052A CN 202210616622 A CN202210616622 A CN 202210616622A CN 114879052 A CN114879052 A CN 114879052A
Authority
CN
China
Prior art keywords
discharge
battery
data
capacity
aging
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
CN202210616622.1A
Other languages
English (en)
Inventor
李文华
何明泽
李洋
郝永耀
王刚
侯振康
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.)
Xuzhou Hengyuan Electrical Appliances Co ltd
Hebei University of Technology
Original Assignee
Xuzhou Hengyuan Electrical Appliances Co ltd
Hebei University of Technology
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 Xuzhou Hengyuan Electrical Appliances Co ltd, Hebei University of Technology filed Critical Xuzhou Hengyuan Electrical Appliances Co ltd
Priority to CN202210616622.1A priority Critical patent/CN114879052A/zh
Publication of CN114879052A publication Critical patent/CN114879052A/zh
Pending legal-status Critical Current

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]
    • G01R31/378—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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • 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
    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本申请提供一种振动工况下的锂离子电池热失控安全评估方法，包括：S1、获取振动特征数据集；S2、在振动特征数据集的振动工况下，对测试电池进行循环充放电老化试验，得到多个放电数据集；S3、遍历所有放电数据集，得到测试电池放电容量变化曲线；S4、划分测试电池放电容量变化曲线，得到至少三个老化衰减阶段；S5、计算各老化衰减阶段的标准衰减参数集；S6、建立电池容量评估模型；S7、将预测放电数据输入电池容量评估模型，得到待评估电池第i次充放电循环的预测电池放电容量；S8、分析电池所处老化衰老阶段，并获取标准衰减参数集；S9、获取电池在第i次充放电循环中的实时参数数据集；S10、判断电池当前所处风险阶段。

Description

一种振动工况下的锂离子电池热失控安全评估方法
技术领域
本申请涉及锂离子电池热失控安全评估技术领域，尤其涉及一种振动工况下的锂离子电池热失控安全评估方法。
背景技术
随着新能源汽车逐渐取代燃油车成为未来汽车的发展方向，锂离子电池产业正快速发展。根据。《中国制造2025》指出，2020年电池能量密度达到300Wh/kg；2025年电池能量密度将达到400Wh/kg；到2030年电池能量密度将达到500Wh/kg。电池包能量密度的增加，不可逆反应热会增加热失控风险。因此对电池容量和热失控做出及时的安全评估是极其必要的。
现有的判断热失控的方法多为使用计算锂离子电池电压电流变化率的方式判断电池是否发生热失控，此种判断方法所得到的评估结果不够准确，为解决这一问题，本申请提出一种振动工况下的锂离子电池热失控安全评估方法。
但是电压电流的变化率本身就与容量相关，随着电池容量的降低，电压电流变化率加大。因此本专利将电压的变化与电池的剩余可使用寿命相关联，以更加准确的判断电池热失控并做出安全评估。
发明内容
本申请的目的是针对现有技术中评估锂离子电池热失控只计算电池电压电流变化率而带来的评估结果不准确的问题，考虑到锂离子电池放电电压、放电电流的变化率本身与电池放电容量相关，即随着电池放电容量的降低，电压变化率和电流变化率加大，将放电电压变化率和放电电流变化率与锂离子电池的剩余可使用寿命相关联，提供一种更加准确的振动工况下的锂离子电池热失控安全评估方法。
本申请提供一种振动工况下的锂离子电池热失控安全评估方法，所述方法包括如下步骤：
S1、获取振动特征数据集，所述振动特征数据集为实地采集的道路振动特征数据；
S2、在所述振动特征数据集表征的振动工况下，对测试电池进行循环充放电老化试验，得到测试电池的多个放电数据集；所述放电数据集的个数与循环充放电的次数一一对应；每个所述放电数据集包括一个电池放电容量数据、多个放电电压数据、多个放电电流数据以及多个阻抗数据；
S3、遍历所有所述放电数据集，得到测试电池放电容量变化曲线；
S4、划分测试电池放电容量变化曲线，得到测试电池的至少三个老化衰减阶段；每个老化衰减阶段对应一个电池放电容量范围，且每个老化衰减阶段对应若干所述放电数据集；
S5、计算各老化衰减阶段的标准衰减参数集，所述标准衰减参数集包括放电电压变化率范围阈值、放电电流变化率范围阈值、以及阻抗范围阈值；
S6、根据各老化衰减阶段的所有所述放电数据集、以及各老化衰减阶段的所述标准衰减参数集，得到电池容量评估模型；
S7、将预测放电数据输入所述电池容量评估模型，得到待评估电池第i次充放电循环的预测电池放电容量；
其中，所述预测放电数据包括预测容量和预测阻抗；i为大于0的任意自然数；
当i＝1时，所述预测放电数据的预测容量为待评估电池的额定容量，预测阻抗为待评估电池的额定阻抗；
当i>1时，所述预测放电数据的预测容量为待评估电池第i-1次充放电循环时的实际放电容量，预测阻抗为待评估电池第i-1次充放电循环时的实际放电阻抗；
S8、以第i次充放电循环的预测电池放电容量，分析待评估电池所处的老化衰老阶段，并获取该老化衰老阶段的标准衰减参数集；
S9、获取待评估电池在第i次充放电循环中的实时参数数据集；所述实时参数数据集包括实时放电电压变化率、实时放电电流变化率、以及实时阻抗值；
S10、将步骤S9获取的实时参数数据集中的各项数据逐一与步骤S8获取的标准衰减参数集中对应的各项范围阈值进行比较：
当实时参数数据集的三个数据均未超过其对应的范围阈值时，判断该待评估电池当前处于无风险阶段；
当实时参数数据集的三个数据中只有一个超过其对应的范围阈值时，判断该待评估电池当前处于一级风险阶段；
当实时参数数据集的三个数据中至少两个分别超过其对应的范围阈值时，判断该待评估电池当前处于二级风险阶段。
根据本申请某些实施例提供的技术方案，步骤S2中，测试电池单次充放电循环中所对应的放电数据集通过如下方式获得：
在测试电池的本次充放电循环过程中，每间隔第一设定时间，采集一组放电电压数据、放电电流数据以及阻抗数据，并在本次充放电循环结束时，获取电池放电容量。
根据本申请某些实施例提供的技术方案，步骤S5中，计算各老化衰减阶段的标准衰减参数集，具体包括：
S51、对老化衰减阶段内的若干所述放电数据集分别进行数据处理，得到汇总数据集；所述汇总数据集包括多个放电电压变化率、多个放电电流变化率、以及多个处理后阻抗值；
S52、从所述汇总数据集中选出放电电压变化率的最大值和最小值作为标准衰减参数集的放电电压变化率范围阈值；
S53、从所述汇总数据集中选出放电电流变化率的最大值和最小值作为标准衰减参数集的放电电流变化率范围阈值；
S54、从所述汇总数据集中选出阻抗值的最大值和最小值作为标准衰减参数集的阻抗范围阈值。
根据本申请某些实施例提供的技术方案，步骤S51中、对每个所述放电数据集进行数据处理具体包括如下步骤：
S511、选定第二设定时间为单位时间；所述第二设定时间为所述第一设定时间的m倍，其中m为大于2的正整数；
S512、对单位时间内的m个放电电压数据进行线性拟合，得到当前放电电压变化率；
S513、对单位时间内的m个放电电流数据进行线性拟合，得到当前放电电流变化率；
S514、对单位时间内的m个阻抗值取平均值，得到处理后阻抗值。
根据本申请某些实施例提供的技术方案，所述方法还包括：
S11、根据步骤S10中的评估结果，对待评估电池进行降温，具体包括：
当待评估电池处于一级风险阶段时，启动第一降温模式；
当待评估电池处于二级风险阶段时，启动第二降温模式。
根据本申请某些实施例提供的技术方案，步骤S4中，按照等容量衰减速率原则，对测试电池放电容量变化曲线进行划分。
根据本申请某些实施例提供的技术方案，步骤S6中，所述电池容量评估模型采用的是长短期记忆神经网络模型。
与现有技术相比，本申请的有益效果：本申请提供的振动工况下的锂离子电池热失控安全评估方法，通过模拟电池实际所受振动工况，将电池在所述振动工况下进行老化试验，获取电池的放电数据以得到电池放电容量变化曲线，并根据得到的电池放电容量变化曲线，将电池老化过程分为至少三个阶段，并计算放电数据的范围；通过电池容量评估模型预测待评估电池的容量，判断出待评估电池所处的老化衰减阶段；根据预测结果判断放电数据的范围和实际运行中得到的放电数据对比判断电池是否发生热失控；根据评估结果对电池进行主动/被动降温，其中有一项超过常规范围则启用被动降温方式，有两项及以上超过常规范围则启用主动降温方式。
相较于传统根据固定范围进行热失控评判，本申请实施例提供的振动工况下的锂离子电池热失控安全评估方法，通过采集测试电池真实使用情况下的老化数据，并以等容量衰减速率为准将电池的衰减老化过程分为三个阶段，并分阶段的计算放电电压变化率范围、放电电流变化率范围和阻抗范围，来对待评估电池进行风险评估，通过采用上述方法，可以更精确的对电池是否会发生热失控进行评估，防止误判或漏判；除此之外，还可以根据评估的风险等级采取主动/被动降温措施对电池进行预先降温处理。
附图说明
图1为本申请实施例提供的振动工况下的锂离子电池热失控安全评估方法的流程图；
图2为图1中步骤S5的流程图；
图3为图2中步骤S51的流程图；
图4为测试电池放电容量衰减的趋势图；
图5为安全评估流程示意图。
具体实施方式
为了使本领域技术人员更好地理解本申请的技术方案，下面结合附图对本申请进行详细描述，本部分的描述仅是示范性和解释性，不应对本申请的保护范围有任何的限制作用。
请参考图1，本实施例提供一种振动工况下的锂离子电池热失控安全评估方法，所述方法包括如下步骤：
所述方法包括如下步骤：
S1、获取振动特征数据集，所述振动特征数据集为实地采集的道路振动特征数据。
具体的，选取一种振动工况，实地采集其振动特征数据，其中振动工况比如可以为高速公路工况，或者是城市公路工况，采用授权公告号为CN212482449U的实用新型专利所公开的“一种基于多传感器融合的路面不平度信息采集系统”来采集振动特征数据，具体方法参见上述专利，此处不再赘述。
其中，所述振动特征数据集包括路面的垂向振动和振动的加速度信息。
S2、在所述振动特征数据集表征的振动工况下，对测试电池进行循环充放电老化试验，得到测试电池的多个放电数据集；所述放电数据集的个数与循环充放电的次数一一对应；每个所述放电数据集包括一个电池放电容量数据、多个放电电压数据、多个放电电流数据以及多个阻抗数据。
具体的，将所述振动特征数据集的公路振动数据输入至六自由度振动平台，模拟电池的实际所受振动情况，将测试电池放置在六自由度振动平台上，对测试电池进行循环充放电老化试验，每一次循环充放电老化试验得到一个放电数据集，放电数据集的个数与所进行的循环充放电次数一一对应，当某一次充放电循环结束后，所测得的测试电池的放电容量低于最大容量(也即初始容量)的80％时，停止进行充放电老化试验，比如，测试电池的最大容量为2400mAH，则当某一次充放电结束之后，若本次放电容量低于2400mAH*80％＝1920mAH，则停止对该测试电池进行循环充放电老化试验。
其中，测试电池单次充放电循环中所对应的放电数据集通过如下方式获得：
在测试电池的本次充放电循环过程中，每间隔第一设定时间，采集一组放电电压数据、放电电流数据以及阻抗数据，并在本次充放电循环结束时，获取电池的放电容量。在本实施例中，所述第一设定时间可以设置为1s。
需要说明的是，为确保准确性，在本实施例中共选取了18块测试电池，对每块测试电池进行相同的老化试验测试。
S3、遍历所有所述放电数据集，得到测试电池放电容量变化曲线。
所述放电容量变化曲线的横坐标为循环充放电的次数，纵坐标为每次充放电所产生的放电容量。
S4、划分测试电池放电容量变化曲线，得到测试电池的至少三个老化衰减阶段；每个老化衰减阶段对应一个电池放电容量范围，且每个老化衰减阶段对应若干所述放电数据集。
请参考图4，其为一块测试电池的放电容量的数据图，通过图4可以看出，测试电池的衰减速度并不相同，因此对其进行老化阶段的划分；在本实施例中，按照等容量衰减速率原则，对测试电池放电容量变化曲线进行划分，比如，将测试电池分为三个阶段，每个阶段测试电池的放电容量的衰减速率相同，即：
第一老化衰减阶段：测试电池的放电容量的变化范围为最大容量的100％～95％；
第二老化衰减阶段：测试电池的放电容量的变化范围为最大容量的95％～85％；
第三老化衰减阶段：测试电池的放电容量的变化范围为最大容量的85％～80％。
通过将电池老化过程分成三个阶段来判断放电电压和电流的变化率和阻抗是否在合理的范围内，并做出安全评估，可以做出较为准确的安全评估结果，防止误判或漏判。
S5、计算各老化衰减阶段的标准衰减参数集，所述标准衰减参数集包括放电电压变化率范围阈值、放电电流变化率范围阈值、以及阻抗范围阈值。
请参考图2，步骤S5中，计算各老化衰减阶段的标准衰减参数集，具体包括：
S51、对老化衰减阶段内的若干所述放电数据集分别进行数据处理，得到汇总数据集；所述汇总数据集包括多个放电电压变化率、多个放电电流变化率、以及多个处理后阻抗值。
请参考图3，步骤S51中、对每个所述放电数据集进行数据处理具体包括如下步骤：
S511、选定第二设定时间为单位时间；所述第二设定时间为所述第一设定时间的m倍，其中m为大于2的正整数；在本实施例中，m取值为5，即第二设定时间为5s。
S512、对单位时间内的m个放电电压数据进行线性拟合，得到当前放电电压变化率；在本实施例中，单位时间内有5个放电电压数据，采用现有技术(比如最小二乘法)来对5个放电电压数据进行线性拟合，所得到的直线的斜率即为对应单位时间内的放电电压变化率。
具体地，以5s为计算放电电压变化率的单位时间，即第n秒为计时起点，第n+4秒为计时终点，对这段时间内的放电电压进行线性拟合得到的结果即为第n+4秒的放电电压变化率，依此类推，计算得到第n+1秒到第n+5秒的放电电压变化率。
以老化试验的18块测试电池的放电电压数据为基础，通过上述方法计算每块测试电池每个老化衰减阶段中每次充放电循环周期的放电电压变化率，放电电压变化率的集合即为放电电压变化率的范围，将计算得到的放电电压变化率的范围存储在汇总数据集中。
S513、对单位时间内的m个放电电流数据进行线性拟合，得到当前放电电流变化率；在本实施例中，单位时间内有5个放电电流数据，采用现有技术(比如最小二乘法)来对5个放电电流数据进行线性拟合，所得到的直线的斜率即为对应单位时间内的放电电流变化率。
具体地，以5s为计算放电电流变化率的单位时间，即第n秒为计时起点，第n+4秒为计时终点，对这段时间内的放电电流进行线性拟合得到的结果即为第n+4秒的放电电流变化率，依此类推，计算得到第n+1秒到第n+5秒的放电电流变化率。
以老化试验的18块测试电池的放电电流数据为基础，通过上述方法计算每块测试电池每个老化衰减阶段中每次充放电循环周期的放电电流变化率，放电电流变化率的集合即为放电电流变化率的范围，将计算得到的放电电流变化率的范围存储在汇总数据集中。
S514、对单位时间内的m个阻抗值取平均值，得到处理后阻抗值，在本实施例中，单位时间内有5个阻抗值，对5个阻抗值取平均值，即可得到该单位时间内的处理后阻抗值。
以老化试验的18块测试电池的阻抗数据为基础，各个老化衰减阶段中每次充放电循环的处理后阻抗值的集合即为阻抗范围，将计算得到的阻抗范围存储在汇总数据集中。
S52、从所述汇总数据集中选出放电电压变化率的最大值和最小值作为标准衰减参数集的放电电压变化率范围阈值，即从放电电压变化率的范围中选取最大值和最小值作为放电电压变化率范围阈值。
S53、从所述汇总数据集中选出放电电流变化率的最大值和最小值作为标准衰减参数集的放电电流变化率范围阈值，即从放电电流变化率的范围中选取最大值和最小值作为放电电流变化率范围阈值。
S54、从所述汇总数据集中选出阻抗值的最大值和最小值作为标准衰减参数集的阻抗范围阈值，即从阻抗范围中选取最大值和最小值作为阻抗范围阈值。
S6、根据各老化衰减阶段的所有所述放电数据集、以及各老化衰减阶段的所述标准衰减参数集，得到电池容量评估模型；
在本实施例中，所述电池容量评估模型采用的是长短期记忆神经网络模型，长短期记忆神经网络模型为现有技术，故此处不再赘述。
在本实施例中，将17块测试电池的17组数据作为电池容量评估模型的训练数据，另外一块测试电池的数据进行验证，并使用均方根误差(RMSE)验证预测模型的准确性，所述均方根误差的具体计算公式为：
Figure BDA0003674542280000081
其中，N为放电数据集中所包含的电池放电容量数据的个数，observedt为第t个电池放电容量真实值，predictedt为第t个电池放电容量预测值。
S7、将预测放电数据输入所述电池容量评估模型，得到待评估电池第i次充放电循环的预测电池放电容量，即通过训练好的模型对待评估电池的容量进行预测。
其中，所述预测放电数据包括预测容量和预测阻抗；i为大于0的任意自然数；
当i＝1时，所述预测放电数据的预测容量为待评估电池的额定容量(也即初始容量)，预测阻抗为待评估电池的额定阻抗；
当i>1时，所述预测放电数据为待评估电池第i-1次充放电循环时的实际放电数据；所述实际放电数据包括实际放电容量和实际放电阻抗；所述预测放电数据的预测容量为待评估电池第i-1次充放电循环时的实际放电容量，预测阻抗为待评估电池第i-1次充放电循环时的实际放电阻抗；所述实际放电阻抗为第i-1次充放电循环过程中实时阻抗的平均值。
S8、以第i次充放电循环的预测电池放电容量，分析待评估电池所处的老化衰老阶段，并获取该老化衰老阶段的标准衰减参数集，即根据步骤S7的预测结果判断待评估电池下一次充放电循环时所处的老化阶段，并根据判断出的老化阶段获取相应的放电电压变化率范围阈值、放电电流变化率范围阈值以及阻抗范围阈值。
具体的，将第i次充放电循环的预测电池放电容量与电池容量评估模型内存储的数据进行对比，来分析待评估电池当前所处的老化衰老阶段，即当前处于第一老化衰老阶段、第二老化衰老阶段还是第三老化衰老阶段，当确定好所处老化衰老阶段之后，再获取该老化衰老阶段所对应的标准衰减参数集。
S9、获取待评估电池在第i次充放电循环中的实时参数数据集；所述实时参数数据集包括实时放电电压变化率、实时放电电流变化率、以及实时阻抗值；
S10、将步骤S9获取的实时参数数据集中的各项数据逐一与步骤S8获取的标准衰减参数集中对应的各项范围阈值进行比较：
当实时参数数据集的三个数据均未超过其对应的范围阈值时，判断该待评估电池当前处于无风险阶段；
当实时参数数据集的三个数据中只有一个超过其对应的范围阈值时，判断该待评估电池当前处于一级风险阶段；
当实时参数数据集的三个数据中至少两个分别超过其对应的范围阈值时，判断该待评估电池当前处于二级风险阶段。
需要说明的是，在某次充放电循环开始的前4秒范围内，只需要判断实时阻抗值是否超过其对应的阻抗范围阈值，若是，则判断该待评估电池当前处于一级风险阶段，若否，则说明该待评估电池当前处于无风险阶段；从第5秒开始计算待评估电池的每秒的放电电压变化率和放电电流变化率，即以第n秒为计时起点，第n+4秒为计时终点，对这段时间内的放电电压和放电电流进行线性拟合得到的结果，即第n+4秒的实时放电电压变化率和实时放电电流变化率，此时，除需要判断实时阻抗值是否超过其对应的阻抗范围阈值外，还需要判断实时放电电压变化率是否超过其对应的放电电压变化率范围阈值、以及判断实时放电电流变化率是否超过其对应的放电电流变化率范围阈值。
为清楚展示安全评估的流程，将放电电压变化率范围阈值记作VR、放电电流变化率范围阈值记作IR、阻抗范围阈值记作ZR，将实时放电电压变化率评价结果记作VP、实时放电电流变化率评价结果记作IP、实时阻抗值评价结果记作ZP，得到如图5所示的安全评估流程图，其中，当实时放电电压变化率超过其对应的放电电压变化率范围阈值VR时，VP的输出结果为1，否则为0；当实时放电电流变化率超过其对应的放电电流变化率范围阈值IR时，IP的输出结果为1，否则为0；当实时阻抗值超过其对应的阻抗范围阈值ZR时，ZP的输出结果为1，否则为0。
S11、根据步骤S10中的评估结果，对待评估电池进行降温本步骤具体包括：
当待评估电池处于一级风险阶段时，启动第一降温模式，对电池进行预先降温处理，然后继续评估；其中，所述第一降温模式是指被动降温，被动降温的措施例如，采用相变材料或水冷进行降温。
当待评估电池处于二级风险阶段时，启动第二降温模式；所述第二降温模式是指主动降温，需要对电池进行强制降温并使灭火装置处于待机状态。
综上所述，本申请公开了一种振动工况下的锂离子电池热失控安全评估方法，其包括以下步骤：通过实地采集中国国内的公路振动信息输入六自由度振动平台，模拟电池实际所受振动情况；将电池在所述振动工况下进行老化试验，获取电池的放电数据，所述放电数据包括电池的容量、放电电压、放电电流和阻抗；根据得到的电池容量曲线，将电池老化过程分为至少三个阶段，并计算所述放电数据的范围；通过电池容量评估模型预测待评估电池的容量，判断出待评估电池所处的老化衰减阶段；根据预测结果判断所述放电数据的范围和实际运行中得到的所述放电数据对比判断电池是否发生热失控；根据评估结果对电池进行主动/被动降温，其中有一项超过常规范围则启用被动降温方式，有两项及以上超过常规范围则启用主动降温方式。
相较于传统根据固定范围进行热失控评判，本申请实施例提供的振动工况下的锂离子电池热失控安全评估方法，通过采集测试电池真实使用情况下的老化数据，并以等容量衰减速率为准将电池的衰减老化过程分为三个阶段，并分阶段的计算放电电压变化率范围、放电电流变化率范围和阻抗范围，来对待评估电池进行风险评估，通过采用上述方法，可以更精确的对电池是否会发生热失控进行评估，防止误判或漏判；除此之外，还可以根据评估的风险等级采取主动/被动降温措施对电池进行预先降温处理。
本文中应用了具体个例对本申请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申请的方法及其核心思想。以上所述仅是本申请的优选实施方式，应当指出，由于文字表达的有限性，而客观上存在无限的具体结构，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，还可以作出若干改进、润饰或变化，也可以将上述技术特征以适当的方式进行组合；这些改进润饰、变化或组合，或未经改进将发明的构思和技术方案直接应用于其他场合的，均应视为本申请的保护范围。

Claims (7)

1.一种振动工况下的锂离子电池热失控安全评估方法，其特征在于，所述方法包括如下步骤：
S1、获取振动特征数据集，所述振动特征数据集为实地采集的道路振动特征数据；
S2、在所述振动特征数据集表征的振动工况下，对测试电池进行循环充放电老化试验，得到测试电池的多个放电数据集；所述放电数据集的个数与循环充放电的次数一一对应；每个所述放电数据集包括一个电池放电容量数据、多个放电电压数据、多个放电电流数据以及多个阻抗数据；
S3、遍历所有所述放电数据集，得到测试电池放电容量变化曲线；
S4、划分测试电池放电容量变化曲线，得到测试电池的至少三个老化衰减阶段；每个老化衰减阶段对应一个电池放电容量范围，且每个老化衰减阶段对应若干所述放电数据集；
S5、计算各老化衰减阶段的标准衰减参数集，所述标准衰减参数集包括放电电压变化率范围阈值、放电电流变化率范围阈值、以及阻抗范围阈值；
S6、根据各老化衰减阶段的所有所述放电数据集、以及各老化衰减阶段的所述标准衰减参数集，得到电池容量评估模型；
S7、将预测放电数据输入所述电池容量评估模型，得到待评估电池第i次充放电循环的预测电池放电容量；
其中，所述预测放电数据包括预测容量和预测阻抗；i为大于0的任意自然数；
当i＝1时，所述预测放电数据的预测容量为待评估电池的额定容量，预测阻抗为待评估电池的额定阻抗；
当i>1时，所述预测放电数据的预测容量为待评估电池第i-1次充放电循环时的实际放电容量，预测阻抗为待评估电池第i-1次充放电循环时的实际放电阻抗；
S8、以第i次充放电循环的预测电池放电容量，分析待评估电池所处的老化衰老阶段，并获取该老化衰老阶段的标准衰减参数集；
S9、获取待评估电池在第i次充放电循环中的实时参数数据集；所述实时参数数据集包括实时放电电压变化率、实时放电电流变化率、以及实时阻抗值；
S10、将步骤S9获取的实时参数数据集中的各项数据逐一与步骤S8获取的标准衰减参数集中对应的各项范围阈值进行比较：
当实时参数数据集的三个数据均未超过其对应的范围阈值时，判断该待评估电池当前处于无风险阶段；
当实时参数数据集的三个数据中只有一个超过其对应的范围阈值时，判断该待评估电池当前处于一级风险阶段；
当实时参数数据集的三个数据中至少两个分别超过其对应的范围阈值时，判断该待评估电池当前处于二级风险阶段。
2.根据权利要求1所述的振动工况下的锂离子电池热失控安全评估方法，其特征在于，步骤S2中，测试电池单次充放电循环中所对应的放电数据集通过如下方式获得：
在测试电池的本次充放电循环过程中，每间隔第一设定时间，采集一组放电电压数据、放电电流数据以及阻抗数据，并在本次充放电循环结束时，获取电池放电容量。
3.根据权利要求2所述的振动工况下的锂离子电池热失控安全评估方法，其特征在于，步骤S5中，计算各老化衰减阶段的标准衰减参数集，具体包括：
S51、对老化衰减阶段内的若干所述放电数据集分别进行数据处理，得到汇总数据集；所述汇总数据集包括多个放电电压变化率、多个放电电流变化率、以及多个处理后阻抗值；
S52、从所述汇总数据集中选出放电电压变化率的最大值和最小值作为标准衰减参数集的放电电压变化率范围阈值；
S53、从所述汇总数据集中选出放电电流变化率的最大值和最小值作为标准衰减参数集的放电电流变化率范围阈值；
S54、从所述汇总数据集中选出阻抗值的最大值和最小值作为标准衰减参数集的阻抗范围阈值。
4.根据权利要求3所述的振动工况下的锂离子电池热失控安全评估方法，其特征在于，步骤S51中、对每个所述放电数据集进行数据处理具体包括如下步骤：
S511、选定第二设定时间为单位时间；所述第二设定时间为所述第一设定时间的m倍，其中m为大于2的正整数；
S512、对单位时间内的m个放电电压数据进行线性拟合，得到当前放电电压变化率；
S513、对单位时间内的m个放电电流数据进行线性拟合，得到当前放电电流变化率；
S514、对单位时间内的m个阻抗值取平均值，得到处理后阻抗值。
5.根据权利要求1所述的振动工况下的锂离子电池热失控安全评估方法，其特征在于，所述方法还包括：
S11、根据步骤S10中的评估结果，对待评估电池进行降温，具体包括：
当待评估电池处于一级风险阶段时，启动第一降温模式；
当待评估电池处于二级风险阶段时，启动第二降温模式。
6.根据权利要求1所述的振动工况下的锂离子电池热失控安全评估方法，其特征在于，步骤S4中，按照等容量衰减速率原则，对测试电池放电容量变化曲线进行划分。
7.根据权利要求1所述的振动工况下的锂离子电池热失控安全评估方法，其特征在于，步骤S6中，所述电池容量评估模型采用的是长短期记忆神经网络模型。
CN202210616622.1A 2022-06-01 2022-06-01 一种振动工况下的锂离子电池热失控安全评估方法 Pending CN114879052A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210616622.1A CN114879052A (zh) 2022-06-01 2022-06-01 一种振动工况下的锂离子电池热失控安全评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210616622.1A CN114879052A (zh) 2022-06-01 2022-06-01 一种振动工况下的锂离子电池热失控安全评估方法

Publications (1)

Publication Number Publication Date
CN114879052A true CN114879052A (zh) 2022-08-09

Family

ID=82679819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210616622.1A Pending CN114879052A (zh) 2022-06-01 2022-06-01 一种振动工况下的锂离子电池热失控安全评估方法

Country Status (1)

Country Link
CN (1) CN114879052A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116401585A (zh) * 2023-04-19 2023-07-07 江苏果下科技有限公司 一种基于大数据的储能电池失效风险评估方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116401585A (zh) * 2023-04-19 2023-07-07 江苏果下科技有限公司 一种基于大数据的储能电池失效风险评估方法
CN116401585B (zh) * 2023-04-19 2023-11-10 江苏果下科技有限公司 一种基于大数据的储能电池失效风险评估方法

Similar Documents

Publication Publication Date Title
CN102565710B (zh) 用于估计蓄电池健康状态的方法和装置
CN102468521B (zh) 用于估计蓄电池健康状态的方法和装置
CN102590751B (zh) 动力电池包一致性评估方法和装置
CN114284589B (zh) 一种基于互联网的锂电池智能监测管理系统
EP4083643B1 (en) Soh test method and apparatus
CN108254696A (zh) 电池的健康状态评估方法及系统
CN109307845B (zh) 一种用于对梯次利用电池储能系统进行健康状态评估的方法及系统
CN203480000U (zh) 一种纯电动车用动力锂电池健康状况检测器
CN110988723B (zh) 一种基于lstm的电池内阻预测及故障预警方法
CN109031138B (zh) 一种动力电池的安全评估方法和装置
CN106384186A (zh) 一种分布式新能源并网电能质量监控方法及系统
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
CN113189496B (zh) 一种验证脉冲加热对动力电池寿命影响的方法
CN116381541B (zh) 一种储能锂电池系统的健康评估方法及系统
CN114879052A (zh) 一种振动工况下的锂离子电池热失控安全评估方法
CN114636948A (zh) 一种储能系统寿命评估方法、装置、电子设备及存储介质
CN113313403B (zh) 基于规模化大功率电动汽车充放电的配电网综合评价方法、设备、系统及存储介质
CN113253125B (zh) 一种基于信息融合的磷酸铁锂电池热失控监测方法及系统
CN116923188A (zh) 一种新能源车的充电保护系统
CN117007975A (zh) 一种通过采集储能电池电芯多点温度对电池容量衰减评估进行强化学习的方法
CN110794319A (zh) 预测锂电池阻抗模型的参数的方法、装置及可读存储介质
CN111369159A (zh) 一种电力交通耦合网络可靠性评估方法
CN113805061B (zh) 一种锂亚硫酰氯体系锂原电池的soc预测方法
CN116256651A (zh) 电池热失能预警方法、系统及可读存储介质
CN112991574B (zh) 一种分析电堆衰减的方法

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