CN115241551A - 一种锂电池自放电检测方法、系统、终端设备及存储介质 - Google Patents
一种锂电池自放电检测方法、系统、终端设备及存储介质 Download PDFInfo
- Publication number
- CN115241551A CN115241551A CN202210688487.1A CN202210688487A CN115241551A CN 115241551 A CN115241551 A CN 115241551A CN 202210688487 A CN202210688487 A CN 202210688487A CN 115241551 A CN115241551 A CN 115241551A
- Authority
- CN
- China
- Prior art keywords
- self
- discharge
- historical
- lithium battery
- parameters
- 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
Links
Images
Classifications
-
- 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
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- 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
-
- 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
Abstract
本发明公开了一种锂电池自放电检测方法、系统、终端设备和存储介质,其方法包括:基于拉普拉斯变换和电化学模型建立解析解;所述解析解用于描述自放电现象的物理化学量变化;根据当前时刻之前的历史宏观状态量和所述解析解计算得到历史自放电参数;根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数。本发明提升了锂电池的自放电参数的预测精度。
Description
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自放电检测方法、系统、终端设备及存储介质。
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,使得对于锂电池剩余寿命预测这方面的研究成为了一项研究热点。
在电池中,自放电现象是备受关注的一个痛点。电池与电池组内的自放电不仅会因电量损失引起不小的电量损失和经济损失,同时会因为由于自放电现象导致的电池间不一致引起电池的加速老化,严重者甚至会引起电池寿命跳水或安全事故。
但目前对于自放电现象的监控仅停留在从电池不一致性去推测自放电现象,即由果推因,这显然是不准确且缺乏预测性的,求出精度不高,会对实际的应用带来累计误差。
发明内容
针对上述技术问题,本发明的目的在于解决现有锂电池自放电检测方法没有电化学模型支持,导致无法预测未来时刻的自放电情况且预测精度不高的技术问题。
为了实现上述目的,本发明提供一种锂电池自放电检测方法,包括:
基于拉普拉斯变换和电化学模型建立解析解;所述解析解用于描述自放电现象的物理化学量变化;
根据当前时刻之前的历史宏观状态量和所述解析解计算得到历史自放电参数;所述历史自放电参数包括用于表征电池的不同特性的物理化学参数;
根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数。
在一些实施方式中,所述基于拉普拉斯变换和电化学模型建立解析解具体包括:
将所述电化学模型在时域上的偏微分控制方程和第一边值方程,通过拉普拉斯变换分别转换为频域上的常微分方程和第二边值方程;
对所述常微分方程和第二边值方程进行求解,将求解结果使用逆拉式变换转换为时域上无穷级数形式的解析解。
在一些实施方式中,所述根据当前时刻之前的历史宏观状态量和所述解析解计算得到历史自放电参数具体包括:
采集获取当前时刻之前的历史宏观状态量;所述历史宏观状态量包括电压、温度;
将历史宏观状态量带入所述解析解进行反推计算得到所述历史自放电参数。
在一些实施方式中,所述根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数具体包括:
将所述历史自放电参数进行时间积分;
将时间积分后的历史自放电参数代入所述电化学模型中,进行求解计算得到未来时刻的自放电参数。
在一些实施方式中,所述根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数之后具体包括:
将所述未来时刻的自放电参数与预设阈值进行比较;
若所述未来时刻的自放电参数超过所述预设阈值,生成提示信息进行预警。
根据本发明的另一方面,本发明进一步提供一种锂电池自放电检测系统,包括:
处理模块,用于基于拉普拉斯变换和电化学模型建立解析解;所述解析解用于描述自放电现象的物理化学量变化;
计算模块,用于根据当前时刻之前的历史宏观状态量和所述解析解计算得到历史自放电参数;所述历史自放电参数包括用于表征电池的不同特性的物理化学参数;
预测模块,用于根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数。
在一些实施方式中,所述处理模块包括:
第一转换单元,用于将所述电化学模型在时域上的偏微分控制方程和第一边值方程,通过拉普拉斯变换分别转换为频域上的常微分方程和第二边值方程;
第二转换单元,用于对所述常微分方程和第二边值方程进行求解,将求解结果使用逆拉式变换转换为时域上无穷级数形式的解析解。
在一些实施方式中,所述计算模块包括:
采集单元,用于采集获取当前时刻之前的历史宏观状态量;所述历史宏观状态量包括电压、温度;
计算单元,用于将历史宏观状态量带入所述解析解进行反推计算得到所述历史自放电参数。
在一些实施方式中,所述预测模块包括:
积分计算单元,用于将所述历史自放电参数进行时间积分;
求解单元,用于将时间积分后的历史自放电参数代入所述电化学模型中,进行求解计算得到未来时刻的自放电参数。
在一些实施方式中,所述处理模块还包括:
比较单元,还用于将所述未来时刻的自放电参数与预设阈值进行比较;
提示单元,用于若所述未来时刻的自放电参数超过所述预设阈值,生成提示信息进行预警。
根据本发明的另一方面,本发明进一步提供一种终端设备,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器,用于执行所述存储器上所存放的计算机程序,实现上述任一实施方式所述的锂电池自放电检测方法所执行的操作。
根据本发明的另一方面,本发明进一步提供一种存储介质,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任一实施方式所述的锂电池自放电检测方法所执行的操作。
与现有技术相比,本发明所提供的锂电池自放电检测方法、系统、终端设备具有电化学模型的支持,大大提升了锂电池的自放电参数的预测精度。
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自放电检测方法的一个实施例的流程图;
图2是本发明一种锂电池自放电检测方法的另一个实施例的流程图;
图3是本发明一种锂电池自放电检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,以便透彻理解本发明实施例。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发明。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发明的描述。
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,在本发明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,在本发明的描述中,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示出了本发明实施例提供的锂电池自放电检测方法的示意性流程图,该方法包括:
S100基于拉普拉斯变换和电化学模型建立解析解;所述解析解用于描述自放电现象的物理化学量变化;
具体的,锂电池的物化模型仿真目前主要有:集总粒子模型(Lumped ParticleModel,LPM)、单粒子模型(Single Particle Model,SPM)、伪二维模型(Pseudo 2Dimension 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。锂电池的物化模型仿真不只停留于宏观量和统计量的分析,而是对锂电池内部物理化学过程和物理化学参数进行追踪仿真,从微观、宏观出发对锂电池的宏观行为进行仿真,从而预测、监控和预警。
物理化学量变化包括锂电池的物理参数和化学参数中的至少一种状态量变化,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。
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。
本发明的电化学模型实际上是锂电池电化学模型(例如P2D模型)的固相传质方程,解析解是通过严格的公式所求得的解。解析解是指包含分式、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自放电进行仿真。值得一提的是,此步骤得到的解析解带有自放电速度的参数。
S200根据当前时刻之前的历史宏观状态量和所述解析解计算得到历史自放电参数;所述历史自放电参数包括用于表征电池的不同的特性的物理化学参数;
对于一个物理现象比如F=ma,作用力、物体质量和物体加速度的表达式已知,但是要描述具体物体的物理运动加速度需要知道表征物体的质量大小的物理量m,这个物理量m是随着物体不同使得其所含物质的大小不用而变化的。同理,本发明中的历史自放电参数就是用于表征电池的不同的特性的物理化学参数(例如表征锂离子散逸出固相的流量速度)是通过参数识别方法计算得到的,这样本发明能够避免电池拆解进行检测。
S300根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数。
具体的,对于自放电现象,一般来说其宏观表现稳定且不明显,主要表现在自放电电流比较稳定且微弱,但时间持续很长。在电化学模型的仿真中,锂电池数字孪生模型在电流驱动下可以带来电压和温度这些宏观量的变化。实际上由电压和温度等宏观量的变化亦可推得电流驱动。当然中间的关系并不是显式的,而是经过传质、传热、电场等多场多微观宏观物理化学量的耦合所得。在这里反推或者计算,可以由上文所述的有限元、有限差分等演绎类仿真方法得到,亦可通过人工智能、大数据等归纳类方法得到。各有优劣,但均不经济。本发明中使用拉普拉斯变换对电化学模型中相关的控制方程进行求级数解析解,之后再历史自放电参数和解析解进行计算求得电池的自放电参数,以便基于此进行锂电池的自放电监测预警。
请参阅图2,图2示出了本发明实施例提供的锂电池自放电检测方法的另一示意性流程图,该方法包括:
S110将所述电化学模型在时域上的偏微分控制方程和第一边值方程,通过拉普拉斯变换分别转换为频域上的常微分方程和第二边值方程;
S120对所述常微分方程和第二边值方程进行求解,将求解结果使用逆拉式变换转换为时域上无穷级数形式的解析解;
具体的,本发明可以通过拉氏变换将整个偏微分控制方程和第一边值方程进行转换变成复平面的常微分方程,于是问题简化以通过求解常微分方程的复平面解后再逆转换回来计算得到时域上无穷级数形式的解析解。
本发明并不限于具体的表达式作为本发明的偏微分控制方程和第一边值方程,也就是说,可以根据对电化学模型的建立对偏微分控制方程和第一边值方程的表达式进行一些修正,例如还可以基于描述材料晶格塌陷和应力应变的影响项等来建立对应的偏微分控制方程和第一边值方程。
本发明将电化学模型针对自放电现象对电化学模型做了简化,具体是认为电池系统对外界无电流交换,只存在内部载流子的运动;一般来说自放电现象较为稳定、微弱并且时间很长,载流子的空间运动在宏观时间尺度内是变化不大的,那么在每个微观时刻都可以认为电池内部状态是稳态。
其中,自放电在电化学模型中可以大致分为两种情况。一种是外电路开路不彻底,导致不断有零星电子从电极中跑出,与此同时锂离子从正极中脱出在电池内嵌入负极的情况;另一种是电池内部存在诸如锂枝晶等电池缺陷的存在导致电子可以通过内部半通路从正极至负极,与此同时锂离子亦有正极中脱出在电池内嵌入负极的情况。对于此种情况,可以认为在零星锂离子偷跑出电极的同时,固相中的粒子中嵌入的锂离子在径向是浓度平衡的。这是个准稳态,其存在的条件是固相内扩散的速度远大于由于自放电而导致的锂离子偷跑速度。故本发明中监测的是尚不剧烈的自放电。但是,实际上对于剧烈的自放电,比如电池被外部刺穿,亦可带入本发明所得解进行计算,一般会出现锂离子迅速跑完的情况。基于本发明所述方法得出剧烈自放电情况下的锂离子散逸速度理论上会大于实际速度,这是因为本发明理论前提是基于不剧烈的自放电现象,它认为固相内扩散的速度远大于由于自放电而导致的锂离子偷跑速度,这种情况下自放电速度取决于锂离子偷跑速度;然而对于剧烈的自放电,此时是锂离子的偷跑速度大于或远大于固相扩散速度。也就是实际中的剧烈的自放电速度会受锂离子固相扩散速度影响。而固相扩散速度的表现较为稳定,受扩散系数制约由菲克定律描述。按此可以给出一个剧烈情况下保守的自放电速度的估计。“保守”的意思是据此得到放完的自放电时间会小于实际自放电时间。
S210采集获取当前时刻之前的历史宏观状态量;所述历史宏观状态量包括电压、温度;
S220将历史宏观状态量带入所述解析解进行反推计算得到所述历史自放电参数;
具体的,基于上述方式计算所得的无穷级数的解析解后,实际可以将历史宏观状态量代入解析解进行反推计算得到自放电参数。
S310将所述历史自放电参数进行时间积分;
S320将时间积分后的历史自放电参数代入所述电化学模型中,进行求解计算得到未来时刻的自放电参数;
S400将所述未来时刻的自放电参数与预设阈值进行比较;
S500若所述未来时刻的自放电参数超过所述预设阈值,生成提示信息进行预警。
具体的,将所得自放电参数进行时间积分,并带入电化学模型中求解,从而对未来的情况进行预测。本发明的预设阈值分别为第一预设阈值至第三预设阈值,假设设立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。
示例性的,若当前单体的自放电参数大于安全性阈值但未来一定时长内小于可靠性阈值,则认为电池单体出现可靠性问题;若当前或未来一定时长单体的自放电参数大于可靠性阈值,则认为电池单体出现安全性问题;若当前电池模组各电池单体自放电参数的一致性参数大于经济性阈值,则认为电池单体出现经济性问题。
示例性的,将各电池单体的自放电参数进行归一化后,计算得到自放电参数对应数据集的标准差σ,将未来时刻的自放电参数预设阈值进行比较,一旦超过就需要进行报警提示,而一旦未来时刻的自放电参数大于3σ(即3倍的标准差σ),说明锂电池的自放电现象是绝对有问题的。
本发明提供了一种基于拉普拉斯变换和电化学模型的自放电监测预警方法。本发明将自放电情况作为电化学模型的边界条件,因自放电现象弛豫时间长,将每个时间作为准稳态处理,使用拉普拉斯变换和电化学模型对自放电现象进行仿真,对超出阈值的自放电现象进行报警和预警,本发明针对的自放电情况仿真,为自放电仿真结果设立了三种阈值,实现了在剧烈情况下,自放电情况的保守估计,大大提升了锂电池的自放电参数的预测精度,进而提高锂电池使用寿命。
本发明还提供一种锂电池自放电检测系统的实施例,如图3所示,包括:
处理模块10,用于基于拉普拉斯变换和电化学模型建立解析解;所述解析解用于描述自放电现象的物理化学量变化;
计算模块20,用于根据当前时刻之前的历史宏观状态量和所述解析解计算得到历史自放电参数;所述历史自放电参数包括用于表征电池的不同特性的物理化学参数;
预测模块30,用于根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数。
在一些实施例中,所述处理模块10包括:
第一转换单元,用于将所述电化学模型在时域上的偏微分控制方程和第一边值方程,通过拉普拉斯变换分别转换为频域上的常微分方程和第二边值方程;
第二转换单元,用于对所述常微分方程和第二边值方程进行求解,将求解结果使用逆拉式变换转换为时域上无穷级数形式的解析解。
在一些实施例中,所述计算模块20包括:
采集单元,用于采集获取当前时刻之前的历史宏观状态量;所述历史宏观状态量包括电压、温度;
计算单元,用于将历史宏观状态量带入所述解析解进行反推计算得到所述历史自放电参数。
在一些实施例中,所述预测模块30包括:
积分计算单元,用于将所述历史自放电参数进行时间积分;
求解单元,用于将时间积分后的历史自放电参数代入所述电化学模型中,进行求解计算得到未来时刻的自放电参数。
在一些实施方式中,所述处理模块10还包括:
比较单元,还用于将所述未来时刻的自放电参数与预设阈值进行比较;
提示单元,用于若所述未来时刻的自放电参数超过所述预设阈值,生成提示信息进行预警。
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,并不用于限制本发明的保护范围。
本发明的一个实施例,一种终端设备,包括处理器、存储器,其中,存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的计算机程序,实现上述所对应方法实施例中的锂电池自放电检测方法。
所述终端设备可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机、人机交互屏等设备。所述终端设备可包括,但不仅限于处理器、存储器。本领域技术人员可以理解,上述仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如:终端设备还可以包括输入/输出接口、显示设备、网络接入设备、通信总线、通信接口等。通信接口和通信总线,还可以包括输入/输出接口,其中,处理器、存储器、输入/输出接口和通信接口通过通信总线完成相互间的通信。该存储器存储有计算机程序,该处理器用于执行存储器上所存放的计算机程序,实现上述所对应方法实施例中的锂电池自放电检测方法。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是所述终端设备的内部存储单元,例如:终端设备的硬盘或内存。所述存储器也可以是所述终端设备的外部存储设备,例如:所述终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。进一步地,所述存储器还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述终端设备所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
通信总线是连接所描述的元素的电路并且在这些元素之间实现传输。例如,处理器通过通信总线从其它元素接收到命令,解密接收到的命令,根据解密的命令执行计算或数据处理。存储器可以包括程序模块,例如内核(kernel),中间件(middleware),应用程序编程接口(Application Programming Interface,API)和应用。该程序模块可以是有软件、固件或硬件、或其中的至少两种组成。输入/输出接口转发用户通过输入/输出接口(例如感应器、键盘、触摸屏)输入的命令或数据。通信接口将该终端设备与其它网络设备、用户设备、网络进行连接。例如,通信接口可以通过有线或无线连接到网络以连接到外部其它的网络设备或用户设备。无线通信可以包括以下至少一种:无线保真(WiFi),蓝牙(BT),近距离无线通信技术(NFC),全球卫星定位系统(GPS)和蜂窝通信等等。有线通信可以包括以下至少一种:通用串行总线(USB),高清晰度多媒体接口(HDMI),异步传输标准接口(RS-232)等等。网络可以是电信网络和通信网络。通信网络可以为计算机网络、因特网、物联网、电话网络。终端设备可以通过通信接口连接网络,终端设备和其它网络设备通信所用的协议可以被应用、应用程序编程接口(API)、中间件、内核和通信接口至少一个支持。
本发明的一个实施例,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锂电池自放电检测方法对应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发明的范围。
在本发明所提供的实施例中,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,在本发明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。
所述集成的模块/单元如果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,可以存储在一个存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序发送指令给相关的硬件完成,所述的计算机程序可存储于一存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述存储介质可以包括:能够携带所述计算机程序的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如:在某些司法管辖区,根据立法和专利实践,计算机可读的存储介质不包括电载波信号和电信信号。
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 (12)
1.一种锂电池自放电检测方法,其特征在于,包括:
基于拉普拉斯变换和电化学模型建立解析解;所述解析解用于描述自放电现象的物理化学量变化;
根据当前时刻之前的历史宏观状态量和所述解析解计算得到历史自放电参数;所述历史自放电参数包括用于表征电池的不同特性的物理化学参数;
根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数。
2.根据权利要求1所述的一种锂电池自放电检测方法,其特征在于,所述基于拉普拉斯变换和电化学模型建立解析解具体包括:
将所述电化学模型在时域上的偏微分控制方程和第一边值方程,通过拉普拉斯变换分别转换为频域上的常微分方程和第二边值方程;
对所述常微分方程和第二边值方程进行求解,将求解结果使用逆拉式变换转换为时域上无穷级数形式的解析解。
3.根据权利要求1所述的一种锂电池自放电检测方法,其特征在于,所述根据当前时刻之前的历史宏观状态量和所述解析解计算得到历史自放电参数具体包括:
采集获取当前时刻之前的历史宏观状态量;所述历史宏观状态量包括电压、温度;
将历史宏观状态量带入所述解析解进行反推计算得到所述历史自放电参数。
4.根据权利要求1所述的一种锂电池自放电检测方法,其特征在于,所述根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数具体包括:
将所述历史自放电参数进行时间积分;
将时间积分后的历史自放电参数代入所述电化学模型中,进行求解计算得到未来时刻的自放电参数。
5.根据权利要求1至4任一项所述的一种锂电池自放电检测方法,其特征在于,所述根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数之后具体包括:
将所述未来时刻的自放电参数与预设阈值进行比较;
若所述未来时刻的自放电参数超过所述预设阈值,生成提示信息进行预警。
6.一种锂电池自放电检测系统,其特征在于,包括:
处理模块,用于基于拉普拉斯变换和电化学模型建立解析解;所述解析解用于描述自放电现象的物理化学量变化;
计算模块,用于根据当前时刻之前的历史宏观状态量和所述解析解计算得到历史自放电参数;所述历史自放电参数包括用于表征电池的不同特性的物理化学参数;
预测模块,用于根据所述历史自放电参数和解析解进行计算得到未来时刻的自放电参数。
7.根据权利要求6所述的一种锂电池自放电检测系统,其特征在于,
所述处理模块包括:
第一转换单元,用于将所述电化学模型在时域上的偏微分控制方程和第一边值方程,通过拉普拉斯变换分别转换为频域上的常微分方程和第二边值方程;
第二转换单元,用于对所述常微分方程和第二边值方程进行求解,将求解结果使用逆拉式变换转换为时域上无穷级数形式的解析解。
8.根据权利要求6所述的一种锂电池自放电检测系统,其特征在于,
所述计算模块包括:
采集单元,用于采集获取当前时刻之前的历史宏观状态量;所述历史宏观状态量包括电压、温度;
计算单元,用于将历史宏观状态量带入所述解析解进行反推计算得到所述历史自放电参数。
9.根据权利要求6所述的一种锂电池自放电检测系统,其特征在于,
所述预测模块包括:
积分计算单元,用于将所述历史自放电参数进行时间积分;
求解单元,用于将时间积分后的历史自放电参数代入所述电化学模型中,进行求解计算得到未来时刻的自放电参数。
10.根据权利要求6至9任一项所述的一种锂电池自放电检测系统,其特征在于,
所述处理模块还包括:
比较单元,还用于将所述未来时刻的自放电参数与预设阈值进行比较;
提示单元,用于若所述未来时刻的自放电参数超过所述预设阈值,生成提示信息进行预警。
11.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器,用于执行所述存储器上所存放的计算机程序,实现如权利要求1至权利要求5任一项所述的锂电池自放电检测方法所执行的操作。
12.一种存储介质,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至权利要求5任一项所述的锂电池自放电检测方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210688487.1A CN115241551A (zh) | 2022-06-17 | 2022-06-17 | 一种锂电池自放电检测方法、系统、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210688487.1A CN115241551A (zh) | 2022-06-17 | 2022-06-17 | 一种锂电池自放电检测方法、系统、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115241551A true CN115241551A (zh) | 2022-10-25 |
Family
ID=83670102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210688487.1A Pending CN115241551A (zh) | 2022-06-17 | 2022-06-17 | 一种锂电池自放电检测方法、系统、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115241551A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6016047A (en) * | 1996-11-21 | 2000-01-18 | U.S. Philips Corporation | Battery management system and battery simulator |
CN105334462A (zh) * | 2014-08-07 | 2016-02-17 | 华为技术有限公司 | 电池容量损失在线估算方法 |
US20170054317A1 (en) * | 2015-08-20 | 2017-02-23 | International Business Machines Corporation | Modeling a change in battery degradation |
US20170153290A1 (en) * | 2015-11-30 | 2017-06-01 | Battelle Energy Alliance, Llc. | Systems and related methods for determining self-discharge currents and internal shorts in energy storage cells |
CN106814319A (zh) * | 2015-11-28 | 2017-06-09 | 华南理工大学 | 一种锂离子电池自放电检测系统 |
DE102017009448A1 (de) * | 2017-10-11 | 2018-04-19 | Daimler Ag | Verfahren zum Ermitteln einer Selbstentladung einer Batterie mit wenigstens einer Batteriezelle |
CN109946622A (zh) * | 2019-03-04 | 2019-06-28 | 汤依伟 | 一种锂离子电池的锂沉积预测方法和装置 |
CN113933713A (zh) * | 2021-09-01 | 2022-01-14 | 上海屹锂新能源科技有限公司 | 基于电化学模型的固态锂电池状态估计方法及系统 |
WO2022031059A1 (ko) * | 2020-08-04 | 2022-02-10 | 주식회사 엘지에너지솔루션 | 분석적 민감도 수식에 기초하여 배터리 전기화학적 파라미터의 동정을 위한 전류 여기를 최적화하는 시스템 및 방법 |
CN114547903A (zh) * | 2022-02-28 | 2022-05-27 | 骆驼集团武汉光谷研发中心有限公司 | 一种基于电化学-热耦合模型预测锂电池循环寿命的方法 |
CN114624604A (zh) * | 2022-04-02 | 2022-06-14 | 中国长江三峡集团有限公司 | 一种电池寿命预测模型生成、预测方法、装置和电子设备 |
-
2022
- 2022-06-17 CN CN202210688487.1A patent/CN115241551A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6016047A (en) * | 1996-11-21 | 2000-01-18 | U.S. Philips Corporation | Battery management system and battery simulator |
CN105334462A (zh) * | 2014-08-07 | 2016-02-17 | 华为技术有限公司 | 电池容量损失在线估算方法 |
US20170054317A1 (en) * | 2015-08-20 | 2017-02-23 | International Business Machines Corporation | Modeling a change in battery degradation |
US20170244256A1 (en) * | 2015-08-20 | 2017-08-24 | International Business Machines Corporation | Modeling a change in battery degradation |
CN106814319A (zh) * | 2015-11-28 | 2017-06-09 | 华南理工大学 | 一种锂离子电池自放电检测系统 |
US20170153290A1 (en) * | 2015-11-30 | 2017-06-01 | Battelle Energy Alliance, Llc. | Systems and related methods for determining self-discharge currents and internal shorts in energy storage cells |
DE102017009448A1 (de) * | 2017-10-11 | 2018-04-19 | Daimler Ag | Verfahren zum Ermitteln einer Selbstentladung einer Batterie mit wenigstens einer Batteriezelle |
CN109946622A (zh) * | 2019-03-04 | 2019-06-28 | 汤依伟 | 一种锂离子电池的锂沉积预测方法和装置 |
WO2022031059A1 (ko) * | 2020-08-04 | 2022-02-10 | 주식회사 엘지에너지솔루션 | 분석적 민감도 수식에 기초하여 배터리 전기화학적 파라미터의 동정을 위한 전류 여기를 최적화하는 시스템 및 방법 |
CN113933713A (zh) * | 2021-09-01 | 2022-01-14 | 上海屹锂新能源科技有限公司 | 基于电化学模型的固态锂电池状态估计方法及系统 |
CN114547903A (zh) * | 2022-02-28 | 2022-05-27 | 骆驼集团武汉光谷研发中心有限公司 | 一种基于电化学-热耦合模型预测锂电池循环寿命的方法 |
CN114624604A (zh) * | 2022-04-02 | 2022-06-14 | 中国长江三峡集团有限公司 | 一种电池寿命预测模型生成、预测方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Park et al. | LSTM-based battery remaining useful life prediction with multi-channel charging profiles | |
US10101406B2 (en) | Method and apparatus for estimating state of battery | |
US11035905B1 (en) | Apparatus and method for testing performance of battery cell | |
Cui et al. | A dynamic spatial-temporal attention-based GRU model with healthy features for state-of-health estimation of lithium-ion batteries | |
CN115422696A (zh) | 一种模组数字孪生模型建立方法、系统、终端和介质 | |
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 | |
Mazumder et al. | Faster-than-real-time simulation of lithium ion batteries with full spatial and temporal resolution | |
CN114065552A (zh) | 一种量化分析电池性能的方法、装置及电子设备 | |
Peng et al. | Real-time state of charge estimation of the extended Kalman filter and unscented Kalman filter algorithms under different working conditions | |
Wu et al. | A lithium-ion battery fractional order state space model and its time domain system identification | |
CN113721161B (zh) | 锂离子电池组的一致性评估方法及装置 | |
WO2022144542A1 (en) | Method for predicting condition parameter degradation of a cell | |
Zhou et al. | An improved particle swarm optimization-least squares support vector machine-unscented Kalman filtering algorithm on SOC estimation of lithium-ion battery | |
Guo et al. | Nonlinear state-variable method for solving physics-based li-ion cell model with high-frequency inputs | |
CN114881316B (zh) | 锂电池剩余寿命预测方法、系统、终端设备及存储介质 | |
CN115062474B (zh) | 一种锂电池的工况仿真方法、系统、终端设备及存储介质 | |
Yüksek et al. | A novel state of health estimation approach based on polynomial model for lithium-ion batteries | |
Rodriguez et al. | Discovering governing equations of li-ion batteries pertaining state of charge using input-output data | |
CN115241551A (zh) | 一种锂电池自放电检测方法、系统、终端设备及存储介质 | |
Dahmardeh et al. | State-of-charge uncertainty of lithium-ion battery packs considering the cell-to-cell variability | |
Monirul et al. | Adaptive state of charge estimation for lithium‐ion batteries using feedback‐based extended Kalman filter | |
Xiong et al. | An improved state of charge estimation of lithium-ion battery based on a dual input model | |
Moura et al. | Better batteries through electrochemistry | |
CN117233657A (zh) | 短路检测方法和设备、以及电子设备 | |
Dini et al. | Review on Modeling and SOC/SOH Estimation of Batteries for Automotive Applications |
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 |