CN115064222B - 一种锂电池工况预测方法和系统 - Google Patents

一种锂电池工况预测方法和系统 Download PDF

Info

Publication number
CN115064222B
CN115064222B CN202210689858.8A CN202210689858A CN115064222B CN 115064222 B CN115064222 B CN 115064222B CN 202210689858 A CN202210689858 A CN 202210689858A CN 115064222 B CN115064222 B CN 115064222B
Authority
CN
China
Prior art keywords
solid
phase
lithium battery
frequency domain
state quantity
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
Application number
CN202210689858.8A
Other languages
English (en)
Other versions
CN115064222A (zh
Inventor
顾单飞
江铭臣
陈思元
吴炜坤
宋佩
赵恩海
严晓
陈晓华
丁鹏
郝平超
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.)
Shanghai MS Energy Storage Technology Co Ltd
Original Assignee
Shanghai MS Energy Storage Technology Co Ltd
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 Shanghai MS Energy Storage Technology Co Ltd filed Critical Shanghai MS Energy Storage Technology Co Ltd
Priority to CN202210689858.8A priority Critical patent/CN115064222B/zh
Publication of CN115064222A publication Critical patent/CN115064222A/zh
Priority to US18/206,683 priority patent/US20230410949A1/en
Application granted granted Critical
Publication of CN115064222B publication Critical patent/CN115064222B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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]
    • G01R31/378—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]
    • G01R31/385—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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12—Simultaneous equations, e.g. systems of linear equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/147—Discrete orthonormal transforms, e.g. discrete cosine transform, discrete sine transform, and variations therefrom, e.g. modified discrete cosine transform, integer transforms approximating the discrete cosine transform
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • Operations Research (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Discrete Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种锂电池工况预测方法和系统，其方法包括：将固相锂电池的物化状态量分布函数进行傅里叶转换计算频域的物化状态量分布级数函数，根据物化状态量分布级数函数获取频域上的固相物化状态量；物化状态量分布函数为固相锂电池于时域上在空间连续变化的物理化学量的方程表达式；物理化学量包括固相锂电池的物理参数和化学参数中的至少一种状态量；将固相物化状态量的偏微分控制方程组进行拉普拉斯变换得到复频域固相常微分方程组，并通过逆拉式变换得到在时域上的解析解；根据解析解计算得到固相锂电池在未来时刻、任意位置的工况预测值。本发明大大提升了锂电池的未来工况的预测精度和模拟速度。

Description

一种锂电池工况预测方法和系统
技术领域
本发明涉及锂电池领域，进一步地涉及一种锂电池工况预测方法和系统。
背景技术
全球“碳中和”背景下，对可代替石油能源的清洁能源寻找热情持续升温。太阳能、潮汐能、风能、水能等是一种清洁的可持续利用能源，但能源产生的介质可控性相对不是很强。而锂离子电池是目前新一代二次电池、其具有较高的能量密度和循环寿命，被广泛应用于移动通信、数码科技、电动汽车、能源存储等领域，未来对锂离子电池及其材料的需求难以估量、其配套的上下游产业链也市场巨大，使得对于锂电池仿真这方面的研究成为了一项研究热点。
目前主流的电化学模型仿真方法使用有限差分法、有限元法、有限体积法、拟合函数法、简化物化控制条件的方法来进行电化学模型的仿真。使用像有限差分法、有限元法、有限体积法的离散迭代解法对计算端的算力要求高，且计算慢，无法进行高通量多电池的电化学计算。而使用拟合函数法、简化物化控制条件的方法的解法由于其本身只是控制方程的近似解和简化解，求出精度不高，会对实际的应用带来累计误差。
在目前的电池预警算法中，大多是基于宏观量的阈值判断，或者是基于通过大数据将宏观量变化和可能发生的事件进行机器学习得到的黑盒，来进行电池的预警。但是在实际锂电池中，锂电池内部的各个宏观物理量都对锂电池是否能安全健康持续高效地运行下去有极大关系，因此，如何准确对锂电池的工况进行预测是急需解决的技术问题。
发明内容
针对上述技术问题，本发明的目的在于解决现有技术中无法准确对锂电池的未来工况进行预测，进而无法及时对不同工况下出现的锂电池热安全问题进行预防的技术问题。
为了实现上述目的，本发明提供一种锂电池工况预测方法，包括：
将固相锂电池的物化状态量分布函数进行傅里叶转换计算频域的物化状态量分布级数函数，根据所述物化状态量分布级数函数获取频域上的固相物化状态量；所述物化状态量分布函数为固相锂电池于时域上在空间连续变化的物理化学量的方程表达式；所述物理化学量包括所述固相锂电池的物理参数和化学参数中的至少一种状态量；
将所述固相物化状态量的偏微分控制方程组进行拉普拉斯变换得到复频域固相常微分方程组，并通过逆拉式变换得到在时域上的解析解；
根据所述解析解计算得到所述固相锂电池在未来时刻、任意位置的工况预测值。
在一些实施方式中，所述将固相锂电池的物化状态量分布函数进行傅里叶转换计算频域的物化状态量分布级数函数具体包括：
将弛豫前固相锂电池的物化状态量分布函数进行余弦傅里叶变换，计算得到频域下的所述物化状态量分布级数函数。
在一些实施方式中，所述将所述固相物化状态量的偏微分控制方程组进行拉普拉斯变换得到复频域固相常微分方程组，并通过逆拉式变换得到在时域上的解析解具体包括：
所述固相物理化学量的偏微分控制方程组包括控制方程、边界条件和初始条件；所述控制方程为表征所述固相锂电池的电化学模型对于该物理化学量空间分布情况随时间变化的数学表达式，所述边界条件为固相与外界的交换情况，初始条件为物化状态量分布函数的初始值；
基于拉普拉斯变换将所述控制方程和边界条件进行频域转换，得到复频域控制方程、复频域边界条件，从而得到在复频域固相常微分方程组；所述复频域固相常微分方程组包括复频域控制方程、复频域边界条件和频域的物化状态量分布级数函数；
对所述复频域固相常微分方程组进行求解，将求解结果使用逆拉式变换计算得到时域上无穷级数的解析解。
在一些实施方式中，所述根据所述解析解计算得到所述固相锂电池在未来时刻、任意位置的工况预测值具体包括：
将所求状态量的空间坐标和未来时刻，代入对应的解析解计算得到所述固相锂电池在所述未来时刻、所述空间坐标对应位置处的工况预测值。
在一些实施方式中，所述根据所述解析解计算得到所述固相锂电池在未来时刻、任意位置的工况预测值之后具体包括：
将所述工况预测值与对应的设定阈值进行比较；
若所述工况预测值超过其对应的设定阈值，生成提示信息进行通报预警。
根据本发明的另一方面，本发明进一步提供一种锂电池工况预测系统，包括：
第一计算模块，将固相锂电池的物化状态量分布函数进行傅里叶转换计算频域的物化状态量分布级数函数，根据所述物化状态量分布级数函数获取频域上的固相物化状态量；所述物化状态量分布函数为固相锂电池于时域上在空间连续变化的物理化学量的方程表达式；所述物理化学量包括所述固相锂电池的物理参数和化学参数中的至少一种状态量；
第二计算模块，用于将所述固相物化状态量的偏微分控制方程组进行拉普拉斯变换得到复频域固相常微分方程组，并通过逆拉式变换得到在时域上的解析解；
预测模块，用于根据所述解析解计算得到所述固相锂电池在未来时刻、任意位置的工况预测值。
在一些实施方式中，所述第一计算模块包括：
第一转换单元，第一转换单元，用于将弛豫前固相锂电池的物化状态量分布函数进行余弦傅里叶变换，计算得到频域下的所述物化状态量分布级数函数。
在一些实施方式中，所述第二计算模块包括：
第二转换单元，用于基于拉普拉斯变换将所述控制方程和边界条件进行频域转换，得到复频域控制方程、复频域边界条件，从而得到在复频域固相常微分方程组；所述复频域固相常微分方程组包括复频域控制方程、复频域边界条件和频域的物化状态量分布级数函数；
逆拉式计算单元，对所述复频域固相常微分方程组进行求解，将求解结果使用逆拉式变换计算得到时域上无穷级数的解析解。
在一些实施方式中，所述预测模块包括：
预测单元，用于将所求状态量的空间坐标和未来时刻，代入对应的解析解计算得到所述固相锂电池在所述未来时刻、所述空间坐标对应位置处的工况预测值。
在一些实施方式中，锂电池工况预测系统还包括：
比较模块，用于将所述工况预测值与对应的设定阈值进行比较；
报警模块，用于若所述工况预测值超过其对应的设定阈值，生成提示信息进行通报预警。
与现有技术相比，本发明所提供的一种锂电池工况预测方法和系统，使用傅里叶变换和拉普拉斯变换进行求解计算得到锂电池在不同时间、不同位置的工况预测值，能够大大提高锂电池的工况预测准确率，并降低算力成本。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种锂电池工况预测方法的一个实施例的流程图；
图2是本发明一种锂电池工况预测系统的结构示意框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。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，并获得其他的实施方式。
请参阅图1，图1示出了本申请实施例提供的锂电池工况预测方法的示意性流程图，该方法包括：
S100将固相锂电池的物化状态量分布函数进行傅里叶转换计算频域的物化状态量分布级数函数，根据所述物化状态量分布级数函数获取频域上的固相物化状态量；所述物化状态量分布函数为固相锂电池于时域上在空间连续变化的物理化学量的方程表达式；所述物理化学量包括所述固相锂电池的物理参数和化学参数中的至少一种状态量；
具体的，物理化学量用于表征锂电池的宏观物化参数，可以表明锂电池的工况，固相锂电池的物理参数包括固相电压、固相电流、固相电势、液相电势、压差、内阻、温度、温升、温升速率等。
固相锂电池的化学参数包括固相锂离子浓度、液相锂离子浓度、活性物质微粒尺寸(例如锂电池的正极活性物质包括LiNixCoyMn1-x-yO2和钴酸锂)、固液电位、锂离子扩散速率、SEI膜厚度(在液态锂离子电池首次充放电过程中，电极材料与电解液在固液相界面上发生反应，形成一层覆盖于电极材料表面的钝化层，这种钝化层被称为固体电解质界面膜，SEI膜是固体电解质界面膜即solid electrolyte interface的简称)、锂枝晶长度等。
物理化学量包括至少一种状态量，而物理参数和化学参数又包括锂电池不同的工况数据，因此，本发明的固相锂电池的物化状态量分布函数实质上是不同工况数据分别对应有各自的方程表达式。例如，固相锂电池的固相电压在空间上连续变化，故而固相锂电池的固相电压对应有其单独的电压状态函数。同理，固相锂电池的SEI膜厚度在空间上连续变化，故而固相锂电池的SEI膜厚度对应有其单独的SEI膜厚度状态函数。
固相物化状态量和物化状态量分布级数函数描述的是一个对象，但是本身不是一个对象，即固相物化状态量为对象的时域表达，物化状态量分布级数函数为对象的频域表达。一般会使用时域的语言去描述物理化学量，也就是这个物理化学量随时间的变化而变化。本发明将这个物理化学量翻译成频域的语言去处理，也就是这个物理化学量随频率的变化的变化，然后再使用复频域的控制方程可观测物理化学量具体是怎么随频率变化的，这样，就可以观测出物理化学量在时域内是怎么随时间变化的。本发明进行频域转换计算，由于时间的影响已经内含到频域的物理化学量里了，所以微分方程从考虑时间和空间的偏微分方程变成了只需要考虑空间的常微分方程。
本发明中不同的物化状态量分布函数的方程表达式可以根据实验或者经验设置建立，本发明对其具体公式形式不作限制。获取固相锂电池初始的物理化学量，再通过建立了固相锂电池的物化状态量分布函数后，对初始的物理化学量和物化状态量分布函数，通过傅里叶转换算法进行计算得到对应的复频域固相常微分方程组。
S200将所述固相物化状态量的偏微分控制方程组进行拉普拉斯变换得到复频域固相常微分方程组，并通过逆拉式变换得到在时域上的解析解；
具体的，解析解是指通过严格的公式所求得的解。解析解包含分式、三角函数、指数、对数甚至无限级数等基本函数的解的形式。给出解的具体函数形式，从解的表达式中就可以算出任何对应值，解析解为一封闭形式的函数，因此对任一独立变量，皆可将其代入解析函数求得正确的相依变量。因此，解析解也称为闭式解，解析解本质上就是函数方程的解析式(比如求根公式之类的)，是函数方程的精确解，能在任意精度下满足函数方程。
本发明初始设计针对准稳态的不剧烈的固态锂电池进行仿真，通过拉普拉斯变换计算得到的解析解带有上述物理化学量的参数。
S300根据所述解析解计算得到所述固相锂电池在未来时刻、任意位置的工况预测值。
具体的，电化学模型不仅可以准确仿真动力电池的外部特性，还可以对动力电池的内部特性变化(如电极与电解液中锂离子浓度、反应过电势等难以实测的电池内部物理量)进行仿真，电化学模型能深入描述动力电池内部的微观反应。
锂电池的模型仿真目前主要有：集总粒子模型(Lumped Particle Model，LPM)、单粒子模型(Single Particle Model，SPM)、伪二维模型(Pseudo 2 Dimension Model，P2D)、热耦合模型、力耦合模型、力热耦合模型、多维维度边缘效应模型、宏观温度模型等。对于其中如LPM、SPM、宏观温度模型等只涉及单相或单物理场或物理场弱耦合的电化学模型被称为简单电化学模型。在电化学模型的仿真中，锂电池的数字孪生模型在电流驱动下可以带来电压、温度、SEI膜厚度等锂电池的物理化学量的变化。
本发明中使用傅里叶变换和拉普拉斯变换对电化学模型中相关的物化状态量分布函数进行计算解析解，之后再根据解析解计算求得固相锂电池在未来时刻、任意位置的工况预测值，实现了对锂电池未来工况的预测，由于采用傅里叶变换和拉普拉斯变换预测锂电池的未来工况，不仅仅能够降低计算压力，而且能够提升锂电池未来工况预测的准确度，降低实际应用带来的累计误差。
本申请实施例提供的锂电池工况预测方法的另一个实施例，该方法包括：
S110将弛豫前固相锂电池的物化状态量分布函数进行余弦傅里叶变换，计算得到频域下的所述物化状态量分布级数函数；
具体的，弛豫是物理学用语，指的是在某一个渐变物理过程中，从某一个状态逐渐地恢复到平衡态的过程。在电池的物理化学过程中广泛存在各种弛豫现象(电子弛豫、界面反应弛豫、液相扩散弛豫、固相扩散弛豫、宏观热传导弛豫等)，因为这些弛豫现象的存在会导致电池性能与理想化模型或公式的描述有所偏差或延迟。
弛豫前的物化状态量分布函数包括SPM，LPM模型中的固相颗粒浓度分布、温度分布等。本发明对弛豫前的固相锂电池的物理化学量，选用余弦傅里叶变换进行计算，将转换后的余弦傅里叶级数作为初始的物理化学量。本发明选用余弦傅里叶变换是因为任一余弦函数在空间域展开，只要空间域的长度是余弦频率的整数倍，则该余弦函数在空间域两端点的一阶导均为0，此即比拟停工状态，物理量在停工之后与外界无交换，状态场在空间边界一阶微分为0，此时场内部物理量不均匀，只进行空间域内部的场弛豫，而不进行与外界系统的交换物理量。
其中，固相物理化学量的偏微分控制方程组包括控制方程、边界条件和初始条件；所述控制方程为表征所述固相锂电池的电化学模型对于该物理化学量空间分布情况随时间变化的数学表达式，所述边界条件为固相与外界的交换情况，初始条件为物化状态量分布函数的初始值。
S210基于拉普拉斯变换将所述控制方程和边界条件进行频域转换，得到复频域控制方程、复频域边界条件，从而得到在复频域固相常微分方程组；所述复频域固相常微分方程组包括复频域控制方程、复频域边界条件和频域的物化状态量分布级数函数；
S220对所述复频域固相常微分方程组进行求解，将求解结果使用逆拉式变换计算得到时域上无穷级数的解析解；
具体的，在电化学模型中存在的大部分控制方程都为形如的抛物型的偏微分方程。实际上电化学模型中的数学描述一般为有偏微分方程(partial differitialequation，PDE)、边界条件(Boundary condition，BC)、初值条件(Intial condition，IC)。边界条件是指在求解区域边界上所求解的变量或其导数随时间和地点的变化规律，边界条件是控制方程有确定解的前提，对于任何问题都需要给定边界条件。示例性的，本发明的边界条件为为固相与外界的交换情况，例如载流子的交换、热量的交换或者能量的交换情况。
建立了弛豫前的固相锂电池的物化状态量分布函数后，对弛豫前的物化状态量分布函数采用余弦傅里叶算法进行计算得到对应的复频域固相常微分方程组。延续上述示例，可以计算获取固相电压对应的复频域固相常微分方程组，也可以计算获取SEI膜厚度对应的复频域固相常微分方程组。
按照拉普拉斯变换算法的定义，将复频域固相常微分方程组中的控制方程、边界条件和初始条件进行频域转换，可以计算得到频域下的复频域固相常微分方程组，频域下的复频域固相常微分方程组包括频域下的控制方程、边界条件和初始条件。然后，求解控制方程、边界条件和初始条件组成的频域下的复频域固相常微分方程组，利用查表或逆拉式变换得到时域下的复频域固相常微分方程组的解析解，这个解析解用于表征时域下描述电化学模型的物理化学参数(即本发明的物理化学量)。
S310将所求状态量的空间坐标和未来时刻，代入对应的解析解计算得到所述固相锂电池在所述未来时刻、所述空间坐标对应位置处的工况预测值；
具体的，将针对固相锂电池的所求状态量，即想要预测物理化学量的空间坐标和未来时刻代入各解析解，能够计算得到不同时刻、不同位置的各物理化学量。将所得物理化学量作为模型内部输出，放入电化学模型中进行解耦。在简单电化学模型中往往只有一个或多个互相不关联或弱耦合的控制偏微分方程组成。由于简化电化学模型(如LPM、SPM和宏观温度模型等)中各个控制偏微分方程之间耦合关系弱或不耦合，可以不通过解耦合就可以得到整个电化学模型实时的物理化学量。
示例的，锂枝晶是锂电池在充电过程中锂离子还原时形成的树枝状金属锂。由于锂枝晶的生长会导致锂离子电池在循环过程中电极和电解液界面的不稳定，破坏生成的SEI膜，锂枝晶在生长过程中会不断消耗电解液并导致金属锂的不可逆沉积，形成死锂造成低库伦效率，锂枝晶的形成甚至还会刺穿隔膜导致锂离子电池内部短接，造成电池的热失控引发燃烧爆炸。那么，可以假设所求状态量为锂枝晶长度，将用户想要预测锂电池的目标部位m的空间坐标P(xm，ym，zm)以及想要预测的时间(即未来时刻Tm)，代入到SEI膜厚度对应的复频域固相常微分方程组的解析解中，可以计算得到固相锂电池在未来时刻Tm、目标部位m时的锂枝晶长度L。
S400将所述工况预测值与对应的设定阈值进行比较；
S500若所述工况预测值超过其对应的设定阈值，生成提示信息进行通报预警。
具体的，对于物理化学量中每个状态量都有其确保锂电池能够安全健康高效运行的设定阈值，本发明对物理化学量中每个状态量是否超过其对应的设定阈值进行判断后，根据判断结果进行不同等级的预警。同时，对于某一时刻电池内部的固相物理化学量若之后以一定现实工况继续运行将有概率发生安全事故，此时按照当前的固相物理化学量进行仿真预测，得到此时刻之后某一段时间内，电池可采取的不会引起安全事故的工况，对未来电池的工况限制进行通报。将所求状态量的空间坐标和未来时刻，代入对应的解析解中求解，从而对未来的锂电池工况进行预测。
示例性的，假设工况预测值包括固相锂电池的温度T、锂枝晶长度L。如果固相锂电池的温度T超过预设温度阈值，但是固相锂电池的锂枝晶长度L未超过预设长度阈值，就只生成提示信息进行通报预警告知温度超标。当然，如果固相锂电池的温度T超过预设温度阈值，且固相锂电池的锂枝晶长度L超过预设长度阈值，就只生成提示信息进行通报预警告知温度超标以及锂枝晶长度超标。
优选的，不同状态量对应的设定阈值可根据需求设定。本发明设立3个阈值分别为：经济性阈值、可靠性阈值、安全性阈值。其中，经济性阈值基于充放电的经济成本设立，可靠性阈值基于固相锂离子在自放电情况下随时间变化引起的电极电压变化以及副反应的电压阈值决定，安全性阈值基于锂离子散逸出固相的速度和据此引起的温度和电压剧烈变化决定。本发明对超过这三个阈值中的任意两个阈值的情况下对应的自放电情况进行警报和预警。
本发明基于傅里叶变换和拉普拉斯变换的方法计算得到各个物理化学量对应的复频域固相常微分方程组的解析解后，再代入时间空间参数(即本发明的所求状态量的空间坐标和未来时刻)就可以预测得到锂电池电化学模型在不同时间、不同位置的状态量(即本发明的工况预测值)，比现有方法更省算力且更精确。此外，本发明使用傅里叶变换和拉普拉斯变换进行求解计算得到锂电池在不同时间、不同位置的工况预测值，能够大大提示锂电池的工况预测准确率。
本发明对超出阈值的工况预测值进行提示报警，提前对具有失控风险的锂电池的预测筛选，不仅仅节约锂电池失控的监控成本，还能提升电池模组使用的安全性。另外本发明通过进行失控分级预警，有利于及时消除锂电池的失控安全隐患，极大程度降低锂电池的失控发生概率，有利于保障公众的生命安全，降低财产损失。
本发明使用傅里叶变换和拉普拉斯变换对电化学模型的固相仿真提供了解析解，可以大大降低简化电化学模型在固相的仿真速度。本发明可以比较简单将电化学模型中的固相放至边缘计算芯片中进行仿真，单芯片可以实现并行计算，据此实现高通量的仿真，可以以万倍计提升仿真速度。基于电化学模型仿真所得的物理化学量变化是锂电池内部实际发生物理化学过程的描述，对于锂电池的未来情况的预测更加准确(尤其是在极端情况下)，据此可以对锂电池的未来工况进行限制，防止锂电池在一个可能会引起危险或紧急情况的工况下运行，同时也能对可能产生的危险进行安全警报，如此能够较好地使锂电池安全健康高效地运行。
本发明还提供一种锂电池工况预测系统的实施例，如图2所示，包括：
第一计算模块10，第一计算模块，将固相锂电池的物化状态量分布函数进行傅里叶转换计算频域的物化状态量分布级数函数，根据所述物化状态量分布级数函数获取频域上的固相物化状态量；所述物化状态量分布函数为固相锂电池于时域上在空间连续变化的物理化学量的方程表达式；所述物理化学量包括所述固相锂电池的物理参数和化学参数中的至少一种状态量；
第二计算模块20，用于将所述固相物化状态量的偏微分控制方程组进行拉普拉斯变换得到复频域固相常微分方程组，并通过逆拉式变换得到在时域上的解析解；
预测模块30，用于根据所述解析解计算得到所述固相锂电池在未来时刻、任意位置的工况预测值。
在一些实施例中，所述第一计算模块10包括：
第一转换单元，用于将弛豫前固相锂电池的物化状态量分布函数进行余弦傅里叶变换，计算得到频域下的所述物化状态量分布级数函数。
在一些实施例中，所述固相物理化学量的偏微分控制方程组包括控制方程、边界条件和初始条件；所述控制方程为表征所述固相锂电池的电化学模型对于该物理化学量空间分布情况随时间变化的数学表达式，所述边界条件为固相与外界的交换情况，初始条件为物化状态量分布函数的初始值；
所述第二计算模块20包括：
第二转换单元，用于基于拉普拉斯变换将所述控制方程和边界条件进行频域转换，得到复频域控制方程、复频域边界条件，从而得到在复频域固相常微分方程组；所述复频域固相常微分方程组包括复频域控制方程、复频域边界条件和频域的物化状态量分布级数函数；
逆拉式计算单元，对所述复频域固相常微分方程组进行求解，将求解结果使用逆拉式变换计算得到时域上无穷级数的解析解。
在一些实施例中，所述预测模块30包括：
预测单元，用于将所求状态量的空间坐标和未来时刻，代入对应的解析解计算得到所述固相锂电池在所述未来时刻、所述空间坐标对应位置处的工况预测值。
在一些实施例中，锂电池工况预测系统还包括：
比较模块，用于将所述工况预测值与对应的设定阈值进行比较；
报警模块，用于若所述工况预测值超过其对应的设定阈值，生成提示信息进行通报预警。
具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将所述装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到，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、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，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申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。
所述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，作为单元显示的部件可以是或者也可以不是物理单元，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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，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，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种锂电池工况预测方法，其特征在于，包括：
将固相锂电池的物化状态量分布函数进行傅里叶转换计算频域的物化状态量分布级数函数，根据所述物化状态量分布级数函数获取频域上的固相物化状态量；所述物化状态量分布函数为固相锂电池于时域上在空间连续变化的物理化学量的方程表达式；所述物理化学量包括所述固相锂电池的物理参数和化学参数中的至少一种状态量；
将所述固相物化状态量的偏微分控制方程组进行拉普拉斯变换得到复频域固相常微分方程组，并通过逆拉式变换得到在时域上的解析解；
根据所述解析解计算得到所述固相锂电池在未来时刻、任意位置的工况预测值。
2.根据权利要求1所述的一种锂电池工况预测方法，其特征在于，所述将固相锂电池的物化状态量分布函数进行傅里叶转换计算频域的物化状态量分布级数函数具体包括：
将弛豫前固相锂电池的物化状态量分布函数进行余弦傅里叶变换，计算得到频域下的所述物化状态量分布级数函数。
3.根据权利要求1所述的一种锂电池工况预测方法，其特征在于，所述将所述固相物化状态量的偏微分控制方程组进行拉普拉斯变换得到复频域固相常微分方程组，并通过逆拉式变换得到在时域上的解析解具体包括：
所述固相物理化学量的偏微分控制方程组包括控制方程、边界条件和初始条件；所述控制方程为表征所述固相锂电池的电化学模型对于该物理化学量空间分布情况随时间变化的数学表达式，所述边界条件为固相与外界的交换情况，初始条件为物化状态量分布函数的初始值；
基于拉普拉斯变换将所述控制方程和边界条件进行频域转换，得到复频域控制方程、复频域边界条件，从而得到在复频域固相常微分方程组；所述复频域固相常微分方程组包括复频域控制方程、复频域边界条件和频域的物化状态量分布级数函数；
对所述复频域固相常微分方程组进行求解，将求解结果使用逆拉式变换计算得到时域上无穷级数的解析解。
4.根据权利要求1所述的一种锂电池工况预测方法，其特征在于，所述根据所述解析解计算得到所述固相锂电池在未来时刻、任意位置的工况预测值具体包括：
将所求状态量的空间坐标和未来时刻，代入对应的解析解计算得到所述固相锂电池在所述未来时刻、所述空间坐标对应位置处的工况预测值。
5.根据权利要求1至4任一项所述的一种锂电池工况预测方法，其特征在于，所述根据所述解析解计算得到所述固相锂电池在未来时刻、任意位置的工况预测值之后具体包括：
将所述工况预测值与对应的设定阈值进行比较；
若所述工况预测值超过其对应的设定阈值，生成提示信息进行通报预警。
6.一种锂电池工况预测系统，其特征在于，包括：
第一计算模块，将固相锂电池的物化状态量分布函数进行傅里叶转换计算频域的物化状态量分布级数函数，根据所述物化状态量分布级数函数获取频域上的固相物化状态量；所述物化状态量分布函数为固相锂电池于时域上在空间连续变化的物理化学量的方程表达式；所述物理化学量包括所述固相锂电池的物理参数和化学参数中的至少一种状态量；
第二计算模块，用于将所述固相物化状态量的偏微分控制方程组进行拉普拉斯变换得到复频域固相常微分方程组，并通过逆拉式变换得到在时域上的解析解；
预测模块，用于根据所述解析解计算得到所述固相锂电池在未来时刻、任意位置的工况预测值。
7.根据权利要求6所述的一种锂电池工况预测系统，其特征在于，所述第一计算模块包括：
第一转换单元，用于将弛豫前固相锂电池的物化状态量分布函数进行余弦傅里叶变换，计算得到频域下的所述物化状态量分布级数函数。
8.根据权利要求6所述的一种锂电池工况预测系统，其特征在于，所述固相物理化学量的偏微分控制方程组包括控制方程、边界条件和初始条件；所述控制方程为表征所述固相锂电池的电化学模型对于该物理化学量空间分布情况随时间变化的数学表达式，所述边界条件为固相与外界的交换情况，初始条件为物化状态量分布函数的初始值；
所述第二计算模块包括：
第二转换单元，用于基于拉普拉斯变换将所述控制方程和边界条件进行频域转换，得到复频域控制方程、复频域边界条件，从而得到在复频域固相常微分方程组；所述复频域固相常微分方程组包括复频域控制方程、复频域边界条件和频域的物化状态量分布级数函数；
逆拉式计算单元，对所述复频域固相常微分方程组进行求解，将求解结果使用逆拉式变换计算得到时域上无穷级数的解析解。
9.根据权利要求6所述的一种锂电池工况预测系统，其特征在于，所述预测模块包括：
预测单元，用于将所求状态量的空间坐标和未来时刻，代入对应的解析解计算得到所述固相锂电池在所述未来时刻、所述空间坐标对应位置处的工况预测值。
10.根据权利要求6至9任一项所述的一种锂电池工况预测系统，其特征在于，还包括：
比较模块，用于将所述工况预测值与对应的设定阈值进行比较；
报警模块，用于若所述工况预测值超过其对应的设定阈值，生成提示信息进行通报预警。
CN202210689858.8A 2022-06-17 2022-06-17 一种锂电池工况预测方法和系统 Active CN115064222B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210689858.8A CN115064222B (zh) 2022-06-17 2022-06-17 一种锂电池工况预测方法和系统
US18/206,683 US20230410949A1 (en) 2022-06-17 2023-06-07 Method and system for predicting working conditions of lithium batteries

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210689858.8A CN115064222B (zh) 2022-06-17 2022-06-17 一种锂电池工况预测方法和系统

Publications (2)

Publication Number Publication Date
CN115064222A CN115064222A (zh) 2022-09-16
CN115064222B true CN115064222B (zh) 2024-07-12

Family

ID=83201755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210689858.8A Active CN115064222B (zh) 2022-06-17 2022-06-17 一种锂电池工况预测方法和系统

Country Status (2)

Country Link
US (1) US20230410949A1 (zh)
CN (1) CN115064222B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118173920A (zh) * 2024-05-14 2024-06-11 宁德时代新能源科技股份有限公司 补锂效率确定方法、装置、设备、存储介质和程序产品

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107290846A (zh) * 2017-08-04 2017-10-24 南京理工大学 基于环状可编程led照明的定量相位显微成像方法
CN113192566A (zh) * 2021-04-30 2021-07-30 西安交通大学 反应堆严重事故下熔池瞬态相变模拟方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100317598B1 (ko) * 1999-03-13 2001-12-22 박찬구 라플라스 변환 임피던스 측정방법 및 측정장치
US7428477B1 (en) * 2002-12-31 2008-09-23 Cadence Design Systems, Inc. Simulation of electrical circuits
CN102984103B (zh) * 2011-09-07 2015-08-05 华为技术有限公司 扩频系统中的信号处理方法及装置
KR101396625B1 (ko) * 2013-05-10 2014-05-19 부경대학교 산학협력단 전류 신호를 이용한 푸리에 변환 전기화학 임피던스 측정장치 및 방법
CN104331615A (zh) * 2014-10-28 2015-02-04 南京理工大学 基于离散余弦变换的光强传输方程的快速求解方法
DE112018006960T5 (de) * 2018-01-29 2020-11-19 Toyota Motor Europe System und Verfahren zur Kalibrierung einer Drehmomentsteuerungsfunktion eines Fahrzeugs
CN108710767A (zh) * 2018-05-29 2018-10-26 广东工业大学 一种基于isomap的锂电池热工艺时空建模方法
JP6410986B1 (ja) * 2018-07-25 2018-10-24 株式会社東陽テクニカ 電池インピーダンス評価装置及び電池インピーダンス評価方法
CN114254481B (zh) * 2021-11-22 2024-05-03 西安交通大学 一种变压器套管的气泡缺陷分析方法及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107290846A (zh) * 2017-08-04 2017-10-24 南京理工大学 基于环状可编程led照明的定量相位显微成像方法
CN113192566A (zh) * 2021-04-30 2021-07-30 西安交通大学 反应堆严重事故下熔池瞬态相变模拟方法

Also Published As

Publication number Publication date
US20230410949A1 (en) 2023-12-21
CN115064222A (zh) 2022-09-16

Similar Documents

Publication Publication Date Title
Li et al. Water cooling based strategy for lithium ion battery pack dynamic cycling for thermal management system
Hu et al. Health prognosis for electric vehicle battery packs: A data-driven approach
Wu et al. Application of artificial neural networks in design of lithium-ion batteries
Perez et al. Optimal charging of li-ion batteries via a single particle model with electrolyte and thermal dynamics
Hong et al. Investigation on overcharge-caused thermal runaway of lithium-ion batteries in real-world electric vehicles
Pan et al. A computational multi-node electro-thermal model for large prismatic lithium-ion batteries
Yang et al. Electrothermal modeling of lithium-ion batteries for electric vehicles
He et al. State of health estimation of lithium‐ion batteries: A multiscale G aussian process regression modeling approach
Qiu et al. The polarization characteristics of lithium-ion batteries under cyclic charge and discharge
Allafi et al. A lumped thermal model of lithium-ion battery cells considering radiative heat transfer
CN114722625B (zh) 锂电池的单体数字孪生模型建立方法、系统、终端和介质
CN110534823A (zh) 一种动力电池均衡管理系统及方法
CN112380785A (zh) 电池热管理优化方法、装置、可读存储介质及计算机设备
Wang et al. Temperature prediction of lithium-ion battery based on artificial neural network model
CN111475933A (zh) 一种锂离子电池热失控模拟方法及系统
CN115422696B (zh) 一种模组数字孪生模型建立方法、系统、终端和介质
Torchio et al. Design of piecewise affine and linear time-varying model predictive control strategies for advanced battery management systems
Zheng et al. Real-time estimation of battery state of charge with metabolic grey model and LabVIEW platform
CN115064222B (zh) 一种锂电池工况预测方法和系统
Zhang et al. Improved particle swarm optimization-extreme learning machine modeling strategies for the accurate lithium-ion battery state of health estimation and high-adaptability remaining useful life prediction
Wu et al. A lithium-ion battery fractional order state space model and its time domain system identification
Jia et al. Temperature enhanced early detection of internal short circuits in lithium-ion batteries using an extended Kalman filter
Rodriguez et al. Discovering governing equations of li-ion batteries pertaining state of charge using input-output data
Ghosh et al. Engineering design of battery module for electric vehicles: comprehensive framework development based on density functional theory, topology optimization, machine learning, multidisciplinary design optimization, and digital twins
Zhang et al. Prediction model of thermal behavior of lithium battery module under high charge-discharge rate

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