CN115149123A - 一种锂电池模组一致性分析方法、系统及存储介质 - Google Patents
一种锂电池模组一致性分析方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115149123A CN115149123A CN202210900408.9A CN202210900408A CN115149123A CN 115149123 A CN115149123 A CN 115149123A CN 202210900408 A CN202210900408 A CN 202210900408A CN 115149123 A CN115149123 A CN 115149123A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- battery module
- microscopic
- electrochemical
- consistency analysis
- 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
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 149
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 149
- 238000004458 analytical method Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000010801 machine learning Methods 0.000 claims description 18
- 239000007790 solid phase Substances 0.000 claims description 18
- 238000009792 diffusion process Methods 0.000 claims description 14
- 239000007791 liquid phase Substances 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 7
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 description 12
- 238000013461 design Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036314 physical performance Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G16C20/70—Machine learning, data mining or chemometrics
-
- 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
-
- 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)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Electrochemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种锂电池模组一致性分析方法、系统及存储介质,其方法包括步骤:采集锂电池模组中每个单电池对应的各项微观电化学参数;基于每项所述微观电化学参数,分别建立各个所述单电池对应的该项所述微观电化学参数的时间序列数据库;基于各个所述时间序列数据库,对满足预设电路连接关系的各个所述单电池进行一致性分析。本发明区别于传统方法中采用电压或电流等宏观电化学参数衡量电池一致性的方案,通过更微观的电化学参数进行一致性分析并设计相应方案,使锂电池模组电化学参数一致性判断更具本征性。
Description
技术领域
本发明涉及电化学模型技术领域,特别涉及一种锂电池模组一致性分析方法、系统及存储介质。
背景技术
在锂电池模组电化学模型的构建过程中,通常需要许多代表锂电池当前物理性能和化学性能的电化学参数作为锂电池模组电化学模型运算的参数,去进行锂电池模组工作的模拟,为保证模拟的准确性和预测性,需要保证参与工作模拟的锂电池模组具有一致性,使参与工作模拟的电化学参数能准确反映锂电池当前物理性能和化学性能。
现有技术中对于锂电池模组的一致性分析都是基于电压时间序列或温度时间序列,去采用统计学方法进行一致性分析,但是这些参数在进行锂电池一致性分析过程中,因其仅是电池的宏观外部状态导致锂电池模组一致性分析无法真实表征电池间的内部状态的差异。
因此目前需要一种锂电池模组一致性分析方法,在传统锂电池电化学参数一致性分析的基础上,通过更微观的电化学参数进行一致性分析,使锂电池模组电化学参数一致性判断更具本征性。
发明内容
为解决现有技术中对于锂电池模组的一致性分析不够精确的技术问题,本发明提供一种锂电池模组一致性分析方法、系统及存储介质,具体的技术方案如下:
本发明提供一种锂电池模组一致性分析方法,包括步骤:
采集锂电池模组中每个单电池对应的各项微观电化学参数;
基于每项所述微观电化学参数,分别建立各个所述单电池对应的该项所述微观电化学参数的时间序列数据库;
基于各个所述时间序列数据库,对满足预设电路连接关系的各个所述单电池进行一致性分析。
本发明提供的锂电池模组一致性分析方法基于微观电化学参数,建立锂电池模组中各个单电池对应的微观电化学参数的时间序列数据库,并针对微观电化学参数对锂电池模组中满足预设电路连接关系的各个单电池进行一致性分析,从微观电化学参数角度设计一致性分析方案,相比使用电压、温度等宏观数据作为一致性判断更具本征性。
在一些实施方式中,所述微观电化学参数包括固相扩散系数、液相扩散系数、固相电导率、液相电导率、正负极空间尺度、隔膜区空间尺度、平均颗粒尺度、多孔介质系数、固相体积系数、液相体积系数、电迁移系数、SEI膜厚度和活性锂总数中至少一项。
在一些实施方式中,所述微观电化学参数包括SEI膜厚度和活性锂总数中至少一项,所述的采集锂电池模组中每个单电池对应的各项微观电化学参数,具体还包括:
基于预设的电化学寿命衰减模型进行演绎预测,并结合卡尔曼滤波后,进行SEI膜厚度或活性锂总数的最大似然值估算。
在一些实施方式中,所述的基于各个所述时间序列数据库,对满足预设电路连接关系的各个所述单电池进行一致性分析,具体包括:
针对各项所述微观电化学参数的离群频率、信息熵值、波动一致性、角度方差、密度聚类和基尼不纯度中至少一项,对满足预设电路连接关系的各个所述单电池进行一致性分析。
在一些实施方式中,所述的基于每项所述微观电化学参数,分别建立各个所述单电池对应的该项所述微观电化学参数的时间序列数据库,具体包括:
根据预设的云边协同方案,基于每项所述微观电化学参数,通过云服务器分别建立各个所述单电池对应的该项所述微观电化学参数的时间序列数据库。
本发明提供的锂电池模组一致性分析方法根据预设的云边协同方案,采用云服务器执行微观电化学参数的时间序列数据库的建立操作,避免由于硬件容量不足或算力过小导致一致性分析效果差的技术问题。
在一些实施方式中,所述的采集锂电池模组中每个单电池对应的各项微观电化学参数,具体包括:
将所述锂电池模组的当前工况参数及当前环境参数输入预设的锂电池电化学模型,通过参数识别得到所述锂电池模组中每个单电池当前对应的各项所述微观电化学参数,并通过预设的机器学习模型修正所述锂电池模组中每个单电池当前对应的各项所述微观电化学参数;
所述机器学习模型基于预设的样本锂电池模组集的所述工况参数、所述环境参数和各个单电池对应的各项所述微观电化学参数,进行机器学习生成。
本发明提供的锂电池模组一致性分析方法通过机器学习解构锂电池电化学模型,结合人工智能和电化学机理模型实现无需拆解锂电池模组即可采集电化学参数,既避免传统方法中测量电化学参数时易出现误差,进而影响锂电池模型中一致性判断的问题,又可以提升锂电池模组一致性分析过程的智能化。
在一些实施方式中,所述的采集锂电池模组中每个单电池对应的各项微观电化学参数,具体还包括:
根据所述锂电池电化学模型模拟生成,所述锂电池模组中每个单电池预设时段后对应的各项所述微观电化学参数。
本发明提供的锂电池模组一致性分析方法根据基于机器学习构建的锂电池电化学模型预测锂电池模组的电化学参数走势,根据当前电化学参数和预测得到的电化学参数同时进行一致性分析,提高锂电池模组一致性分析的准确性。
在一些实施方式中,所述的基于各个所述时间序列数据库,对满足预设电路连接关系的各个所述单电池进行一致性分析之后,还包括:
若在所述锂电池模组中,每个单电池当前对应的各项所述微观电化学参数,或每个单电池预设时段后对应的各项所述微观电化学参数中任意一项存在不一致性时,进行预警。
本发明提供的锂电池模组一致性分析方法根据当前电化学参数和预测得到的电化学参数同时进行一致性分析,并设计预警方案,使锂电池模组一致性分析更具预测性。
在一些实施方式中,本发明还提供一种锂电池模组一致性分析系统,包括:
采集模块,用于采集锂电池模组中每个单电池对应的各项微观电化学参数;
数据库建立模块,与所述采集模块连接,用于基于每项所述微观电化学参数,分别建立各个所述单电池对应的该项所述微观电化学参数的时间序列数据库;
分析模块,与所述数据库建立模块连接,用于基于各个所述时间序列数据库,对满足预设电路连接关系的各个所述单电池进行一致性分析。
在一些实施方式中,本发明还提供一种存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述的锂电池模组一致性分析方法所执行的操作。
本发明提供的一种锂电池模组一致性分析方法、系统及存储介质,至少包括以下一项技术效果:
(1)基于微观电化学参数,建立锂电池模组中各个单电池对应的微观电化学参数的时间序列数据库,并针对微观电化学参数对锂电池模组中满足预设电路连接关系的各个单电池进行一致性分析,从微观电化学参数角度设计一致性分析方案,相比使用电压、温度等宏观数据作为一致性判断更具本征性;
(2)根据预设的云边协同方案,采用云服务器执行微观电化学参数的时间序列数据库的建立操作,避免由于硬件容量不足或算力过小导致一致性分析效果差的技术问题;
(3)通过机器学习解构锂电池电化学模型,结合人工智能和电化学机理模型实现无需拆解锂电池模组即可采集电化学参数,既避免传统方法中测量电化学参数时易出现误差,进而影响锂电池模型中一致性判断的问题,又可以提升锂电池模组一致性分析过程的智能化;
(4)根据基于机器学习构建的锂电池电化学模型预测锂电池模组的电化学参数走势,根据当前电化学参数和预测得到的电化学参数同时进行一致性分析,提高锂电池模组一致性分析的准确性;
(5)根据当前电化学参数和预测得到的电化学参数同时进行一致性分析,并设计预警方案,使锂电池模组一致性分析更具预测性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,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,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种锂电池模组一致性分析方法的流程图;
图2为本发明一种锂电池模组一致性分析方法中对满足预设电路连接关系的各个单电池进行一致性分析的流程图;
图3为本发明一种锂电池模组一致性分析方法中建立各个单电池对应的该项微观电化学参数的时间序列数据库的流程图;
图4为本发明一种锂电池模组一致性分析方法中采集锂电池模组中每个单电池对应的各项微观电化学参数的流程图;
图5为本发明一种锂电池模组一致性分析方法中采集锂电池模组中每个单电池对应的各项微观电化学参数的另一个流程图;
图6为本发明一种锂电池模组一致性分析方法的另一个流程图;
图7为本发明一种锂电池模组一致性分析系统的示例图。
图中标号:采集模块-10、数据库建立模块-20和分析模块-30。
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,仅示意性地绘出了其中的一个,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。
本发明的一个实施例,如图1所示,本发明提供一种锂电池模组一致性分析方法,包括步骤:
S100采集锂电池模组中每个单电池对应的各项微观电化学参数。
具体地,微观电化学参数是相对于现有技术中电压、电流和温度等宏观参数的概念,例如包括但不限于固相扩散系数、液相扩散系数、固相电导率、液相电导率、正负极空间尺度、隔膜区空间尺度、平均颗粒尺度、多孔介质系数、固相体积系数、液相体积系数、电迁移系数、SEI膜厚度和活性锂总数,其他电化学参数也可以用在本方案的一致性判断过程中。
S200基于每项微观电化学参数,分别建立各个单电池对应的该项微观电化学参数的时间序列数据库。
具体地,针对本方案选取的每项微观电化学参数建立一个时间序列数据库,该时间序列数据库中包含各个单电池对应的该项微观电化学参数的时间序列数据。例如,针对固相扩散系数,建立锂电池模组中1~100号单电池中每个单电池对应的该固相扩散系数的时间序列数据,并保存在固相扩散系数对应的数据库中,便于后续提取该数据库进行一致性分析。
S300基于各个时间序列数据库,对满足预设电路连接关系的各个单电池进行一致性分析。
具体地,预设电路连接关系包括串联、并联和混联,由人工选取确定。在进行一致性分析过程中,可以针对某一电化学参数,计算各个单电池对应的该项微观电化学参数的时间序列数据的统计学特征,若统计学特征大于该特征的预设对比值,则判断该锂电池模组中存在不一致性。
本实施例提供的锂电池模组一致性分析方法基于微观电化学参数,建立锂电池模组中各个单电池对应的微观电化学参数的时间序列数据库,并针对微观电化学参数对锂电池模组中满足预设电路连接关系的各个单电池进行一致性分析,从微观电化学参数角度设计一致性分析方案,相比使用电压、温度等宏观数据作为一致性判断更具本征性。
在一个实施例中,若微观电化学参数包括SEI膜厚度和活性锂总数中至少一项,则步骤S200采集锂电池模组中每个单电池对应的各项微观电化学参数的过程中,可以基于预设的电化学寿命衰减模型进行演绎预测,并结合卡尔曼滤波后,进行SEI膜厚度或活性锂总数的最大似然值估算。
具体地,电池中SEI膜厚度和活性锂总数与电池老化相关,需要建立日志,通过机理演绎的方式来建立反映电池内部SEI膜厚度等的变化的电化学寿命衰减模型,通过卡尔曼滤波进行最大似然值估算。
在一个实施例中,如图2所示,步骤S300基于各个时间序列数据库,对满足预设电路连接关系的各个单电池进行一致性分析,具体包括:
S310针对各项微观电化学参数的离群频率、信息熵值、波动一致性、角度方差、密度聚类和基尼不纯度中至少一项,对满足预设电路连接关系的各个单电池进行一致性分析。
具体地,基于每项微观电化学参数,计算满足预设电路连接关系的各个单电池对应的该项微观电化学参数的离群频率、信息熵值、波动一致性、角度方差、密度聚类和基尼不纯度中至少一项。
除上述统计学参数外,其他统计学参数也可以用在本方案的一致性判断过程中。
在一个实施例中,如图3所示,步骤S200基于每项微观电化学参数,分别建立各个单电池对应的该项微观电化学参数的时间序列数据库,具体包括:
S210根据预设的云边协同方案,基于每项微观电化学参数,通过云服务器分别建立各个单电池对应的该项微观电化学参数的时间序列数据库。
具体地,本方案中采用多种电化学参数的全阶一致性判断模型,相比于现有技术中仅采用宏观物理量的降阶模型更具准确性和预测性,采用云服务器与实现一致性判断方法的数据终端实现云边协同,重复性地,无需建立日志的步骤交由实现一致性判断方法的数据终端上的集成电路上计算,建立各个单电池对应的该项微观电化学参数的时间序列数据库交由云服务器端进行记录和分析。
本实施例提供的锂电池模组一致性分析方法根据预设的云边协同方案,采用云服务器执行微观电化学参数的时间序列数据库的建立操作,避免由于硬件容量不足或算力过小导致一致性分析效果差的技术问题。
在一个实施方式中,如图4所示,S100采集锂电池模组中每个单电池对应的各项微观电化学参数,具体包括:
S110将锂电池模组的当前工况参数及当前环境参数输入预设的锂电池电化学模型,通过参数识别得到锂电池模组中每个单电池当前对应的各项微观电化学参数,并通过预设的机器学习模型修正锂电池模组中每个单电池当前对应的各项微观电化学参数。
具体地,锂电池电化学模型是通过电池的材料参数和电化学过程的演绎来模拟电池在外部环境和工况下的工作状态,例如可以采用常见的P2D电化学模型,其中电化学模型的参数都是具有真实物理化学意义的参数
进一步地,机器学习模型基于预设的样本锂电池模组集的工况参数、环境参数和各个单电池对应的各项微观电化学参数,进行机器学习生成,该机器学习模型根据电池模型模拟结果与真实电池结果进行比较,并通过机器学习的方式修正锂电池模组中每个单电池当前对应的所述微观电化学参数,该机器学习电化学模型可以搭载于步骤S210提及的云服务器中,进一步降低硬件压力。
在一个实施方式中,如图5所示,S100采集锂电池模组中每个单电池对应的各项微观电化学参数,具体还包括:
S120将锂电池模组的当前工况参数及当前环境参数输入预设的锂电池电化学模型,通过参数识别得到锂电池模组中每个单电池当前对应的各项微观电化学参数,通过预设的机器学习模型修正锂电池模组中每个单电池当前对应的各项微观电化学参数,并根据锂电池电化学模型模拟生成,锂电池模组中每个单电池预设时段后对应的各项微观电化学参数。
具体地,该预设时段由人工设置,例如模拟生成电池运行10小时后的电化学参数。
本实施例提供的锂电池模组一致性分析方法根据基于机器学习构建的锂电池电化学模型预测锂电池模组的电化学参数走势,根据当前电化学参数和预测得到的电化学参数同时进行一致性分析,提高锂电池模组一致性分析的准确性
在一些实施方式中,如图6所示,步骤S300基于各个时间序列数据库,对满足预设电路连接关系的各个单电池进行一致性分析之后,还包括:
S400若在锂电池模组中,每个单电池当前对应的各项微观电化学参数,或每个单电池预设时段后对应的各项微观电化学参数中任意一项存在不一致性时,进行预警。
本实施例提供的锂电池模组一致性分析方法根据当前电化学参数和预测得到的电化学参数同时进行一致性分析,并设计预警方案,使锂电池模组一致性分析更具预测性。
在一个实施例中,如图7所示,本发明还提供一种锂电池模组一致性分析系统,包括采集模块10、数据库建立模块20和分析模块30。
其中采集模块10用于采集锂电池模组中每个单电池对应的各项微观电化学参数,数据库建立模块20与采集模块10连接,用于基于每项微观电化学参数,分别建立各个单电池对应的该项微观电化学参数的时间序列数据库,分析模块30与数据库建立模块20连接,用于基于各个时间序列数据库,对满足预设电路连接关系的各个单电池进行一致性分析。
具体地,微观电化学参数是相对于现有技术中电压、电流和温度等宏观参数的概念,例如包括但不限于固相扩散系数、液相扩散系数、固相电导率、液相电导率、正负极空间尺度、隔膜区空间尺度、平均颗粒尺度、多孔介质系数、固相体积系数、液相体积系数、电迁移系数、SEI膜厚度和活性锂总数,其他电化学参数也可以用在本方案的一致性判断过程中。
针对本方案选取的每项微观电化学参数建立一个时间序列数据库,该时间序列数据库中包含各个单电池对应的该项微观电化学参数的时间序列数据。例如,针对固相扩散系数,建立锂电池模组中1~100号单电池中每个单电池对应的该固相扩散系数的时间序列数据,并保存在固相扩散系数对应的数据库中,便于后续提取该数据库进行一致性分析。
本系统中涉及的预设电路连接关系包括串联、并联和混联,由人工选取确定。在进行一致性分析过程中,可以针对某一电化学参数,计算各个单电池对应的该项微观电化学参数的时间序列数据的统计学特征,若统计学特征大于该特征的预设对比值,则判断该锂电池模组中存在不一致性。
本实施例提供的锂电池模组一致性分析系统基于微观电化学参数,建立锂电池模组中各个单电池对应的微观电化学参数的时间序列数据库,并针对微观电化学参数对锂电池模组中满足预设电路连接关系的各个单电池进行一致性分析,从微观电化学参数角度设计一致性分析方案,相比使用电压、温度等宏观数据作为一致性判断更具本征性。
在一个实施例中,本发明还提供一种存储介质,存储介质中存储有至少一条指令,指令由处理器加载并执行以实现上述的锂电池模组一致性分析方法实施例所执行的操作。例如,存储介质可以是只读内存(ROM)、随机存取存储器(RAM)、只读光盘(CD-ROM)、磁带、软盘和光数据存储设备等。
它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
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,所揭露的一种锂电池模组一致性分析方法、系统及存储介质,可以通过其他的方式实现。例如,以上所描述的一种锂电池模组一致性分析方法、系统及存储介质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,多个单元或模块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通讯连接可以是通过一些接口,装置或单元的通讯连接或集成电路,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。
应当说明的是,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)
1.一种锂电池模组一致性分析方法,其特征在于,包括步骤:
采集锂电池模组中每个单电池对应的各项微观电化学参数;
基于每项所述微观电化学参数,分别建立各个所述单电池对应的该项所述微观电化学参数的时间序列数据库;
基于各个所述时间序列数据库,对满足预设电路连接关系的各个所述单电池进行一致性分析。
2.根据权利要求1所述的一种锂电池模组一致性分析方法,其特征在于,
所述微观电化学参数包括固相扩散系数、液相扩散系数、固相电导率、液相电导率、正负极空间尺度、隔膜区空间尺度、平均颗粒尺度、多孔介质系数、固相体积系数、液相体积系数、电迁移系数、SEI膜厚度和活性锂总数中至少一项。
3.根据权利要求2所述的一种锂电池模组一致性分析方法,其特征在于,所述微观电化学参数包括SEI膜厚度和活性锂总数中至少一项,所述的采集锂电池模组中每个单电池对应的各项微观电化学参数,具体包括:
基于预设的电化学寿命衰减模型进行演绎预测,并结合卡尔曼滤波后,进行SEI膜厚度或活性锂总数的最大似然值估算。
4.根据权利要求1所述的一种锂电池模组一致性分析方法,其特征在于,所述的基于各个所述时间序列数据库,对满足预设电路连接关系的各个所述单电池进行一致性分析,具体包括:
针对各项所述微观电化学参数的离群频率、信息熵值、波动一致性、角度方差、密度聚类和基尼不纯度中至少一项,对满足预设电路连接关系的各个所述单电池进行一致性分析。
5.根据权利要求1所述的一种锂电池模组一致性分析方法,其特征在于,所述的基于每项所述微观电化学参数,分别建立各个所述单电池对应的该项所述微观电化学参数的时间序列数据库,具体包括:
根据预设的云边协同方案,基于每项所述微观电化学参数,通过云服务器分别建立各个所述单电池对应的该项所述微观电化学参数的时间序列数据库。
6.根据权利要求1所述的一种锂电池模组一致性分析方法,其特征在于,所述的采集锂电池模组中每个单电池对应的各项微观电化学参数,具体还包括:
将所述锂电池模组的当前工况参数及当前环境参数输入预设的锂电池电化学模型,通过参数识别得到所述锂电池模组中每个单电池当前对应的各项所述微观电化学参数,并通过预设的机器学习模型修正所述锂电池模组中每个单电池当前对应的各项所述微观电化学参数;
所述机器学习模型基于预设的样本锂电池模组集的所述工况参数、所述环境参数和各个单电池对应的各项所述微观电化学参数,进行机器学习生成。
7.根据权利要求6所述的一种锂电池模组一致性分析方法,其特征在于,所述的采集锂电池模组中每个单电池对应的各项微观电化学参数,具体还包括:
根据所述锂电池电化学模型模拟生成,所述锂电池模组中每个单电池预设时段后对应的各项所述微观电化学参数。
8.根据权利要求7所述的一种锂电池模组一致性分析方法,其特征在于,所述的基于各个所述时间序列数据库,对满足预设电路连接关系的各个所述单电池进行一致性分析之后,还包括:
若在所述锂电池模组中,每个单电池当前对应的各项所述微观电化学参数,或每个单电池预设时段后对应的各项所述微观电化学参数中任意一项存在不一致性时,进行预警。
9.一种锂电池模组一致性分析系统,其特征在于,包括:
采集模块,用于采集锂电池模组中每个单电池对应的各项微观电化学参数;
数据库建立模块,与所述采集模块连接,用于基于每项所述微观电化学参数,分别建立各个所述单电池对应的该项所述微观电化学参数的时间序列数据库;
分析模块,与所述数据库建立模块连接,用于基于各个所述时间序列数据库,对满足预设电路连接关系的各个所述单电池进行一致性分析。
10.一种存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1~8中任意一项所述的锂电池模组一致性分析方法所执行的操作。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210900408.9A CN115149123B (zh) | 2022-07-28 | 2022-07-28 | 一种锂电池模组一致性分析方法、系统及存储介质 |
US18/226,341 US20240038341A1 (en) | 2022-07-28 | 2023-07-26 | Method, system and storage medium for consistency analysis of lithium battery module |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210900408.9A CN115149123B (zh) | 2022-07-28 | 2022-07-28 | 一种锂电池模组一致性分析方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115149123A true CN115149123A (zh) | 2022-10-04 |
CN115149123B CN115149123B (zh) | 2023-04-14 |
Family
ID=83415101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210900408.9A Active CN115149123B (zh) | 2022-07-28 | 2022-07-28 | 一种锂电池模组一致性分析方法、系统及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20240038341A1 (zh) |
CN (1) | CN115149123B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115877230A (zh) * | 2022-11-30 | 2023-03-31 | 上海玫克生储能科技有限公司 | 电池模组的故障确定方法、系统、设备和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105223508A (zh) * | 2015-07-14 | 2016-01-06 | 上海空间电源研究所 | 锂离子电池内部性能状态无损检测方法 |
CN106816655A (zh) * | 2017-01-25 | 2017-06-09 | 天津清源电动车辆有限责任公司 | 一种锂离子电池热失控危险性控制方法 |
CN108303649A (zh) * | 2017-01-13 | 2018-07-20 | 重庆邮电大学 | 一种电池健康状态识别方法 |
CN111146514A (zh) * | 2019-12-19 | 2020-05-12 | 上海派能能源科技股份有限公司 | 锂离子电池模组运行安全性评估预测方法、系统及电子设备 |
CN111624494A (zh) * | 2020-04-20 | 2020-09-04 | 北京航空航天大学 | 基于电化学参数的电池分析方法和系统 |
WO2021208309A1 (zh) * | 2020-04-17 | 2021-10-21 | 许继集团有限公司 | 用于储能电站电化学电池在线评估的方法和系统 |
CN114280493A (zh) * | 2021-12-14 | 2022-04-05 | 哈尔滨工业大学 | 基于简化p2d模型的电池内部健康状态诊断方法及系统 |
CN114325405A (zh) * | 2021-12-31 | 2022-04-12 | 中国第一汽车股份有限公司 | 电池组一致性分析方法、建模方法、装置、设备及介质 |
-
2022
- 2022-07-28 CN CN202210900408.9A patent/CN115149123B/zh active Active
-
2023
- 2023-07-26 US US18/226,341 patent/US20240038341A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105223508A (zh) * | 2015-07-14 | 2016-01-06 | 上海空间电源研究所 | 锂离子电池内部性能状态无损检测方法 |
CN108303649A (zh) * | 2017-01-13 | 2018-07-20 | 重庆邮电大学 | 一种电池健康状态识别方法 |
CN106816655A (zh) * | 2017-01-25 | 2017-06-09 | 天津清源电动车辆有限责任公司 | 一种锂离子电池热失控危险性控制方法 |
CN111146514A (zh) * | 2019-12-19 | 2020-05-12 | 上海派能能源科技股份有限公司 | 锂离子电池模组运行安全性评估预测方法、系统及电子设备 |
WO2021208309A1 (zh) * | 2020-04-17 | 2021-10-21 | 许继集团有限公司 | 用于储能电站电化学电池在线评估的方法和系统 |
CN111624494A (zh) * | 2020-04-20 | 2020-09-04 | 北京航空航天大学 | 基于电化学参数的电池分析方法和系统 |
CN114280493A (zh) * | 2021-12-14 | 2022-04-05 | 哈尔滨工业大学 | 基于简化p2d模型的电池内部健康状态诊断方法及系统 |
CN114325405A (zh) * | 2021-12-31 | 2022-04-12 | 中国第一汽车股份有限公司 | 电池组一致性分析方法、建模方法、装置、设备及介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115877230A (zh) * | 2022-11-30 | 2023-03-31 | 上海玫克生储能科技有限公司 | 电池模组的故障确定方法、系统、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
US20240038341A1 (en) | 2024-02-01 |
CN115149123B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
EP3905424B1 (en) | Data processing device, data processing method and computer program | |
CN109604192B (zh) | 基于大数据分析的电池分选方法及系统 | |
CN115149123B (zh) | 一种锂电池模组一致性分析方法、系统及存储介质 | |
CN115469236B (zh) | 电池soc估计方法、装置及电子设备 | |
CN116449218B (zh) | 一种锂电池健康状态的估计方法 | |
CN114705990A (zh) | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 | |
Long et al. | Multi-parameter optimization method for remaining useful life prediction of lithium-ion batteries | |
CN115799580A (zh) | 基于优化fcm训练的os-elm燃料电池故障诊断方法 | |
CN115512777A (zh) | 一种基于容量变化率的电化学模型参数辨识方法和系统 | |
CN116796623A (zh) | 锂电池soc的预测方法、系统、设备和介质 | |
CN109800477B (zh) | 锂离子电池三因素不一致性预测方法及装置 | |
CN115114843A (zh) | 一种电池容量的预测方法、相关装置、设备以及存储介质 | |
CN114048525A (zh) | 一种储能电池系统的设计系统、关于制备储能 | |
CN112084459A (zh) | 电池充放电循环寿命的预测方法、装置、电子终端、及存储介质 | |
CN116609686B (zh) | 一种基于云平台大数据的电芯一致性评估方法 | |
JP2023534823A (ja) | バッテリー容量推定装置及び方法 | |
CN110232432A (zh) | 一种基于人工生命模型的锂电池组soc预测方法 | |
CN116663371A (zh) | 一种锂离子电池老化仿真方法、系统及存储介质 | |
CN116298920A (zh) | 电源管理系统的量产文件生成方法、装置及电子设备 | |
CN115951225A (zh) | 一种电池均衡优化容量估计方法和装置 | |
CN114415034A (zh) | 一种基于内部机理分析的锂离子电池容量预测方法 | |
CN112748351A (zh) | 一种基于eis的锂电池剩余寿命预测系统及方法 | |
KR102540721B1 (ko) | 이차전지 시뮬레이션 방법 및 장치 | |
CN112240979B (zh) | 锂离子电池电压临界点的检测方法、电子终端、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 |