CN115267556A - 电池寿命衰降分析方法、存储介质及电子设备 - Google Patents
电池寿命衰降分析方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115267556A CN115267556A CN202210957103.1A CN202210957103A CN115267556A CN 115267556 A CN115267556 A CN 115267556A CN 202210957103 A CN202210957103 A CN 202210957103A CN 115267556 A CN115267556 A CN 115267556A
- Authority
- CN
- China
- Prior art keywords
- battery
- curve
- life
- analysis method
- circuit voltage
- 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
- 230000015556 catabolic process Effects 0.000 title claims abstract description 55
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 55
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000006870 function Effects 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 21
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 20
- 229910052744 lithium Inorganic materials 0.000 claims description 20
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 239000007773 negative electrode material Substances 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000032677 cell aging Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
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]
- G01R31/367—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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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
Abstract
本发明提供一种电池寿命衰降分析方法、存储介质及电子设备，所述电池寿命衰降分析方法包括：获取设备的电池数据，所述电池数据至少包括电池的电压和电流；根据所述电池数据辨识得到所述电池的开路电压；建立所述电池的荷电状态与开路电压的函数曲线；基于所述函数曲线提取寿命衰降曲线；根据所述寿命衰降曲线对所述电池进行寿命衰降分析。本发明可以比较准确地提取复杂工况下电池的dQ/dV曲线的提取，进而保证了电池寿命衰降分析的准确性，并且在复杂工况上具有很好的实际应用性。
Description
技术领域
本发明属于锂电池分析的技术领域，涉及一种电池寿命衰降分析方法，特别是涉及一种电池寿命衰降分析方法、存储介质及电子设备。
背景技术
近些年以来，随着新能源领域受到越来越多的关注，锂电池以能量密度高、循环寿命长等特点，逐渐成为新能源汽车和储能电站的首选能量来源。但近年来锂电池的起火案例让人们意识到锂电池技术尚且还存在一些问题，比如容量衰减以及内短路等。所以研究锂电池的失效及衰减机理是必要的，进一步研究电池的衰减机理也能更清晰地体现阳极的反应机制，对锂离子电池失效机理认识有重要意义。
目前，现有的失效及衰减机理方法在曲线提取后还需要对曲线进行平滑；而且对数据要求很高，在复杂工况下很难提取准确。
因此，如何解决现有技术无法在复杂工况下准确提取分析曲线以实现锂电池寿命衰降的准确分析等缺陷，成为本领域技术人员亟待解决的技术问题。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种电池寿命衰降分析方法、存储介质及电子设备，用于解决现有技术无法在复杂工况下准确提取分析曲线以实现锂电池寿命衰降的准确分析的问题。
为实现上述目的及其他相关目的，本发明一方面提供一种电池寿命衰降分析方法，所述电池寿命衰降分析方法包括：获取设备的电池数据，所述电池数据至少包括电池的电压和电流；根据所述电池数据辨识得到所述电池的开路电压；建立所述电池的荷电状态与开路电压的函数曲线；基于所述函数曲线提取寿命衰降曲线；根据所述寿命衰降曲线对所述电池进行寿命衰降分析。
于本发明的一实施例中，所述建立所述电池的荷电状态与开路电压的函数曲线的步骤，包括：建立自适应迭代计算模型，通过所述自适应迭代计算模型辨识得到所述电池的开路电压；利用多项式拟合所述电池的荷电状态与开路电压的函数曲线。
于本发明的一实施例中，所述建立自适应迭代计算模型，通过所述自适应迭代计算模型辨识得到所述电池的开路电压的步骤，包括：基于一阶RC等效电路，建立所述自适应迭代计算模型；对所述自适应迭代计算模型进行双线性变换；确定待辨识的参数矩阵和输入变量矩阵；基于所述待辨识的参数矩阵和所述输入变量矩阵，确定所述电池的开路电压。
于本发明的一实施例中，所述利用多项式拟合所述电池的荷电状态与开路电压的函数曲线的步骤，包括：设置遗忘因子，给定所述遗忘因子的初始值；所述遗忘因子表示对上一时刻辨识结果的遗忘程度；在所述自适应迭代计算模型的每一次迭代过程中，根据预设条件自适应调整所述遗忘因子；将所述电池的电压、电流以及所述电池的荷电状态值传入所述自适应迭代计算模型，得到所述开路电压；利用多项式拟合所述电池的荷电状态与开路电压的函数曲线。
于本发明的一实施例中，所述基于所述函数曲线提取寿命衰降曲线的步骤，包括：基于所述函数曲线，计算容量微分值；在整个充放电过程中，每一次荷电状态值变化时计算一次容量微分值；根据各个容量微分值得到寿命衰降曲线。
于本发明的一实施例中，所述获取设备的电池数据的步骤，包括：根据数据采样时间间隔，获取设备的电池数据。
于本发明的一实施例中，在所述获取设备的电池数据的步骤之前，所述电池寿命衰降分析方法的步骤还包括：预先获取一段电池数据，根据预先获取的电池数据分析电站实际运行的工况。
于本发明的一实施例中，所述根据所述寿命衰降曲线对所述电池进行寿命衰降分析的步骤，包括：根据所述寿命衰降曲线不同峰值的变化、峰位置的移动及峰的尖锐程度变化，分析所述电池的寿命衰降机理；所述电池的寿命衰降机理至少包括：从所述寿命衰降曲线的变化来分析是否出现循环锂的损失和负极活性物质的损失。
为实现上述目的及其他相关目的，本发明另一方面提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的电池寿命衰降分析方法。
为实现上述目的及其他相关目的，本发明最后一方面提供一种电子设备，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行所述的电池寿命衰降分析方法。
如上所述，本发明所述的电池寿命衰降分析方法、存储介质及电子设备，具有以下有益效果：
(1)本发明提供了一种复杂工况下寿命衰减曲线(即锂电池dQ/dV曲线)的提取方法，提取方法简单，仅需要获取SOC(State of Charge，电池的荷电状态)-OCV(OpenCircuit Voltage，开路电压)曲线即可，解决了复杂工况下电池的dQ/dV曲线难以准确提取的问题，在复杂工况上具有很好的实际应用性。
(2)本发明方法的执行，占据内存空间很小，在实际应用时也不会影响其它功能。同时在实际运行时速度也很快，针对某节电池或某一电池模组一整天的数据，用本发明提取dQ/dV曲线进行寿命衰降分析时仅耗时1s左右。
附图说明
图1显示为本发明的电池寿命衰降分析方法于一实施例中的原理流程图。
图2显示为本发明的电池寿命衰降分析方法于一实施例中的一阶RC等效电路图。
图3显示为本发明的电池寿命衰降分析方法于一实施例中的电流变化图。
图4显示为本发明的电池寿命衰降分析方法于一实施例中的端电压曲线辨识误差图。
图5显示为本发明的电池寿命衰降分析方法于一实施例中的SOC-OCV曲线图。
图6显示为本发明的电池寿命衰降分析方法于一实施例中的SOC-dQ/dV曲线图。
图7显示为本发明的电池寿命衰降分析方法于一实施例中的小电池老化试验曲线对比图。
图8显示为本发明的电子设备于一实施例中的结构连接示意图。
元件标号说明
8 电子设备
81 处理器
82 存储器
S11～S15 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
本发明所述的电池寿命衰降分析方法、存储介质及电子设备可以比较准确地提取复杂工况下电池的dQ/dV曲线的提取，进而保证了电池寿命衰降分析的准确性，并且在复杂工况上具有很好的实际应用性。本发明相比现有的启发式算法等算法提取dQ/dV曲线，该方法简单且应用性强，同时提取到的曲线不需要平滑处理。该方法针对调频电站或者电动车变速运动等复杂工况具有很好的实际应用性。
以下将结合图1至图8详细阐述本实施例的一种电池寿命衰降分析方法、存储介质及电子设备的原理及实施方式，使本领域技术人员不需要创造性劳动即可理解本实施例的电池寿命衰降分析方法、存储介质及电子设备。
请参阅图1，显示为本发明的电池寿命衰降分析方法于一实施例中的原理流程图。如图1所示，所述电池寿命衰降分析方法具体包括以下几个步骤：
S11，获取设备的电池数据，所述电池数据至少包括电池的电压和电流。
于一实施例中，根据数据采样时间间隔，获取设备的电池数据。
具体地，每隔一定时间采集电站或电动车的电池数据，采集的数据主要包括电池工作时间、电流、电压、温度和SOC等。
于实际应用中，BMS(Battery Management System，电池管理系统)内置芯片采集电压电流、温度和SOC等；执行所述电池寿命衰降分析方法的电子设备设有与BMS通讯的模块，由此获取电池工作时间、电流、电压、温度和SOC等数据。
S12，根据所述电池数据辨识得到所述电池的开路电压。
S13，建立所述电池的荷电状态与开路电压的函数曲线。
于一实施例中，请参阅图2，显示为本发明的电池寿命衰降分析方法于一实施例中的一阶RC等效电路图；本发明是基于一阶RC等效电路，并采用自适应的遗忘因子递推最小二乘法(Forgetting Factor Recursive Least Squares，FFRLS)辨识电池OCV，并用多项式拟合SOC-OCV曲线，S13具体包括以下步骤：
(1)建立自适应迭代计算模型，通过所述自适应迭代计算模型辨识得到所述电池的开路电压。
于一实施例中，S13步骤(1)具体包括以下步骤：
(1.1)基于一阶RC等效电路，建立所述自适应迭代计算模型。
具体地，请继续参阅图2，采用一阶RC等效电路，公式如下：
Ul＝Uocv-Up-ilRo
其中，Ul表示电池端电压，Uocv表示开路电压，Up表示极化电压，il表示电流。则基于上述公式的传递函数为：
该传递函数等价于：
(1.2)对所述自适应迭代计算模型进行双线性变换。
具体地，利用双线性变换，将所等价的传递函数转换为：
δUl,k＝a1×δUl,k-1+a2×il,k+a3×il,k-1
其中a1，a2，a3是与模型参数相关的系数，在参数辨识过程中是变化的。δUl,k＝Ul,k-Uocv,k表示第k次采样时端电压与开路电压的差。开路电压Uocv与SOC和温度相关联。因为采样的时间间隔很短，为15s，其中，15s仅为本实施例的一种实现形式，其他的符合采样要求的合理设置的其他值也在本发明保护的范围内，例如采样时间≤15s，相邻采样间隔期间SOC变化和温度变化忽略不计，所以认为在相邻采样时间内Uocv,k＝Uocv,k-1，则上式转换为:
Ul,k＝(1-a1)×Uocv,k+a1×Ul,k-1+a2×il,k+a3×il,k-1
(1.3)确定待辨识的参数矩阵和输入变量矩阵。
则待辨识的参数矩阵xk和输入变量矩阵Ak为：
xk＝[(1-a1)Uocv,k a1 a2 a3]T
Ak＝[1 Ul,k-1 il,k il,k-1]T
其中，Ul,k-1表示k-1时刻的端电压，il,k表示k时刻的电流，il,k-1表示k-1时刻的电流，上述输入变量均在执行S11时采样获取。k时刻表示当前时刻，k-1表示采样的上一时刻。xk[0]表示xk的第一个参数。
(1.4)基于所述待辨识的参数矩阵和所述输入变量矩阵，确定所述电池的开路电压。
基于所述待辨识的参数矩阵和所述输入变量矩阵，则可以得到端电压即开路电压Uocv：
(2)利用多项式拟合所述电池的荷电状态与开路电压的函数曲线。
于一实施例中，S13步骤(2)具体包括以下步骤：
(2.1)设置遗忘因子，给定所述遗忘因子的初始值；所述遗忘因子表示对上一时刻辨识结果的遗忘程度。
(2.2)在所述自适应迭代计算模型的每一次迭代过程中，根据预设条件自适应调整所述遗忘因子。
具体地，在使用遗忘因子递推最小二乘法辨识电池OCV时，遗忘因子λ表示对上一次迭代的结果的遗忘程度，取1时表示上一次的结果完全保留，取0.9时表示上次的结果只记忆90％，建议取0.9～1之间。
于实际应用中，采用基于自适应的FFRLS迭代计算模型的参数矩阵xk，为保证结果的稳定性，增加遗忘因子λ，表示对上一时刻辨识结果的遗忘程度。初始时给定λ值，之后每次迭代时根据设定的条件自适应调整λ，自适应过程中λ的取值始终在0.9～1之间；迭代计算的过程类似于卡尔曼滤波的过程，来计算不同时刻下的参数矩阵xk，具体迭代计算过程为：
其中Pk是状态估计误差协方差矩阵，Kk为每次迭代的增益，I为单位矩阵。
(2.3)将所述电池的电压、电流以及所述电池的荷电状态值传入所述自适应迭代计算模型，得到所述开路电压。
具体地，将每次采样的电流、电压和SOC等值传入模型中，实现在线辨识，得到端电压Uocv。
于实际应用中，针对S13步骤(1)中的(1.3)公式，待辨识的参数矩阵xk和输入变量矩阵Ak，电流和电压传入变量矩阵Ak里；温度在该实施例中不体现，因为温度变化在1℃以内，对SOC影响可以忽略；求出Uocv后，根据S13步骤(2)中的(2.4)公式建立SOC与OCV的关系曲线。
请参阅图4，呈现了辨识得到的端电压与采样电压的对比及两者之间的误差。可以看出，端电压辨识的结果与采样的电池电压很接近，两条曲线几乎重合。从图4中可知，最大误差在20mV以内。说明当前的辨识方法是可靠的。图5为辨识得到的OCV曲线。整体上OCV曲线很好地反映了电池OCV随SOC的变化。值得注意的是，在SOC为70附近时，OCV曲线略有下降。这是因为电站在这一时段由先前的充电工况变为放电，且在工况改变后，从上传的数据中没有检测到SOC的变化。工况改变对应图3中电站运作170min附近，电站由充电瞬间变为放电。
(2.4)利用多项式拟合所述电池的荷电状态与开路电压的函数曲线。
具体地，辨识得到端电压Uocv，用下列多项式拟合OCV曲线：
其中，n为多项式的阶数，bn为多项式第n阶的系数，bn待求解。
S14，基于所述函数曲线提取寿命衰降曲线。
于一实施例中，S14具体包括以下步骤：
(1)基于所述函数曲线，计算容量微分值。
具体地，在获取SOC-OCV曲线后，计算dQ/dV值，具体方法为：
其中，k表示SOC第k次变化的时刻，k-1表示SOC第k-1次变化的时刻。
(2)在整个充放电过程中，每一次荷电状态值变化时计算一次容量微分值。
具体地，整个充放电过程中，每一次SOC变化时求一次容量微分值，即dQ/dV。
(3)根据各个容量微分值得到寿命衰降曲线。
由此，多次SOC变化与求得的多个dQ/dV形成对应关系，提取到dQ/dV曲线，最终得到寿命衰降曲线，即SOC-dQ/dV曲线。
其中，多个dQ/dV值形成的dQ/dV曲线(即寿命衰降曲线)是指在电池充放电过程中，选取SOC变化的点，计算SOC变化量与对应电压变化量的商值，即dQ/dV，以dQ/dV为纵轴，SOC为横轴，得到的一一对应关系的曲线示意图。由于锂离子电池的dQ/dV曲线是分析电池是否衰减的有效工具，通过dQ/dV曲线完全不需要拆解电池就可以分析电池的衰减机理。
请参阅图6，显示为本发明的电池寿命衰降分析方法于一实施例中的SOC-dQ/dV曲线图。如图6所示，对应一种电池类型的实际工况。在拟合SOC-OCV曲线后，获得了SOC与OCV的一一对应关系。根据本发明计算dQ/dV，并绘制SOC-dQ/dV曲线。
S15，根据所述寿命衰降曲线对所述电池进行寿命衰降分析。
于一实施例中，S15具体包括以下步骤：
根据所述寿命衰降曲线不同峰值的变化、峰位置的移动及峰的尖锐程度变化，分析所述电池的寿命衰降机理；所述电池的寿命衰降机理至少包括：从所述寿命衰降曲线的变化来分析是否出现循环锂的损失和负极活性物质的损失。
dQ/dV曲线对锂电池的衰减机理及故障分析有重要意义。随着锂电池的使用，可绘制不同循环圈数下锂电池的dQ/dV曲线，通过观测dQ/dV曲线峰值的衰减变化及尖锐程度分析锂离子电池的寿命衰降机理。从图6中看出，曲线共有3个明显的峰，各代表一个电化学反应。从峰值的变化来分析循环锂的损失和负极活性物质的损失。针对图6这类电池的寿命衰降分析，具体见下表1的曲线分析表。
表1曲线分析表
于一实施例中，在步骤S11之前，所述电池寿命衰降分析方法的步骤还包括：预先获取一段电池数据，根据预先获取的电池数据分析电站实际运行的工况。
具体地，请参阅图3，呈现了电站某一簇某时段的电流变化，其中电流采样间隔为15s。其中，电站的结构是按照簇-箱-单体结构排布的，整体是串联的，簇的电流就是单体电池的电流。由图3可以看出电站的工况复杂，电流一直在无规则变化，而且某些时刻电流的瞬时变化很大，这与其它恒流等简单工况差异很大。而且电站运行170min附近时，从放电几乎瞬时变为充电，而在运行在210min后，基本上是在充电与放电活动中迅速切换，比实验测试时的简单工况复杂很多。
请参阅图7，显示为本发明的电池寿命衰降分析方法于一实施例中的电池高温老化试验曲线对比图。如图7所示，是与图6不同类型的电池在40℃恒温箱老化试验的工况，呈现了本发明在另一种类型的锂电池上的一种应用案例。将电池首次循环和第300次循环的dQ/dV-SOC曲线进行对比，发现SOC在50处的峰下降，且SOC在80处的峰高度基本不变，这说明电池在循环中出现循环锂的损失，而且可以看到SOC在50处的峰向左略微偏移，这说明开始出现负极活性物质的损失。虽然在SOC为80处的峰略微微向左移，但从图中能看出，这是因为SOC为50处的峰左移带动曲线整体左移导致的。而曲线的峰整体向SOC降低的方向平移，这表明随着电池进行充放电循环，电池内阻增大。
本发明所述的电池寿命衰降分析方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述电池寿命衰降分析方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的计算机可读存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的计算机存储介质。
请参阅图8，显示为本发明的电子设备于一实施例中的结构连接示意图。如图8所示，本实施例提供一种电子设备8，具体包括：处理器81及存储器82；所述存储器82用于存储计算机程序，所述处理器81用于执行所述存储器存储的计算机程序，以使所述电子设备7执行所述电池寿命衰降分析方法的各个步骤。
上述的处理器81可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable GateArray，简称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。
上述的存储器82可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
于实际应用中，所述电子设备可以是包括存储器、存储控制器、一个或多个处理单元(CPU)、外设接口、RF电路、音频电路、扬声器、麦克风、输入/输出(I/O)子系统、显示屏、其他输出或控制设备，以及外部端口等所有或部分组件的计算机；所述计算机包括但不限于如台式电脑、笔记本电脑、平板电脑、智能手机、个人数字助理(Personal DigitalAssistant，简称PDA)等个人电脑。在另一些实施方式中，所述电子设备还可以是服务器，所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上，也可以是由分布的或集中的服务器集群构成的云服务器，本实施例不作限定。
综上所述，本发明所述电池寿命衰降分析方法、存储介质及电子设备提供了一种复杂工况下寿命衰降曲线即锂电池dQ/dV曲线的提取方法，提取方法简单，仅需要获取SOC-OCV曲线即可，解决了复杂工况下电池的dQ/dV曲线难以准确提取的问题，在复杂工况上具有很好的实际应用性。本发明方法的执行，占据内存空间很小，在实际应用时也不会影响其它功能。同时在实际运行时速度也很快，针对某节电池或某一电池模组一整天的数据，用本发明提取dQ/dV曲线进行寿命衰降分析时仅耗时1s左右。本发明有效克服了现有技术中的种种缺点而具有高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种电池寿命衰降分析方法，其特征在于，所述电池寿命衰降分析方法包括：
获取设备的电池数据，所述电池数据至少包括电池的电压和电流；
根据所述电池数据辨识得到所述电池的开路电压；
建立所述电池的荷电状态与开路电压的函数曲线；
基于所述函数曲线提取寿命衰降曲线；
根据所述寿命衰降曲线对所述电池进行寿命衰降分析。
2.根据权利要求1所述的电池寿命衰降分析方法，其特征在于，所述建立所述电池的荷电状态与开路电压的函数曲线的步骤，包括：
建立自适应迭代计算模型，通过所述自适应迭代计算模型辨识得到所述电池的开路电压；
利用多项式拟合所述电池的荷电状态与开路电压的函数曲线。
3.根据权利要求2所述的电池寿命衰降分析方法，其特征在于，所述建立自适应迭代计算模型，通过所述自适应迭代计算模型辨识得到所述电池的开路电压的步骤，包括：
基于一阶RC等效电路，建立所述自适应迭代计算模型；
对所述自适应迭代计算模型进行双线性变换；
确定待辨识的参数矩阵和输入变量矩阵；
基于所述待辨识的参数矩阵和所述输入变量矩阵，确定所述电池的开路电压。
4.根据权利要求2所述的电池寿命衰降分析方法，其特征在于，所述利用多项式拟合所述电池的荷电状态与开路电压的函数曲线的步骤，包括：
设置遗忘因子，给定所述遗忘因子的初始值；所述遗忘因子表示对上一时刻辨识结果的遗忘程度；
在所述自适应迭代计算模型的每一次迭代过程中，根据预设条件自适应调整所述遗忘因子；
将所述电池的电压、电流以及所述电池的荷电状态值传入所述自适应迭代计算模型，得到所述开路电压；
利用多项式拟合所述电池的荷电状态与开路电压的函数曲线。
5.根据权利要求1所述的电池寿命衰降分析方法，其特征在于，所述基于所述函数曲线提取寿命衰降曲线的步骤，包括：
基于所述函数曲线，计算容量微分值；
在整个充放电过程中，每一次荷电状态值变化时计算一次容量微分值；
根据各个容量微分值得到寿命衰降曲线。
6.根据权利要求1所述的电池寿命衰降分析方法，其特征在于，所述获取设备的电池数据的步骤，包括：
根据数据采样时间间隔，获取设备的电池数据。
7.根据权利要求1所述的电池寿命衰降分析方法，其特征在于，在所述获取设备的电池数据的步骤之前，所述电池寿命衰降分析方法的步骤还包括：
预先获取一段电池数据，根据预先获取的电池数据分析电站实际运行的工况。
8.根据权利要求1所述的电池寿命衰降分析方法，其特征在于，所述根据所述寿命衰降曲线对所述电池进行寿命衰降分析的步骤，包括：
根据所述寿命衰降曲线不同峰值的变化、峰位置的移动及峰的尖锐程度变化，分析所述电池的寿命衰降机理；所述电池的寿命衰降机理至少包括：从所述寿命衰降曲线的峰值变化来分析循环锂的损失和负极活性物质的损失。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8中任一项所述的电池寿命衰降分析方法。
10.一种电子设备，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行如权利要求1至8中任一项所述的电池寿命衰降分析方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210957103.1A CN115267556A (zh) | 2022-08-10 | 2022-08-10 | 电池寿命衰降分析方法、存储介质及电子设备 |
| US18/229,685 US20240053402A1 (en) | 2022-08-10 | 2023-08-03 | Method for analyzing battery life degradation, storage medium, and electronic device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210957103.1A CN115267556A (zh) | 2022-08-10 | 2022-08-10 | 电池寿命衰降分析方法、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115267556A true CN115267556A (zh) | 2022-11-01 |
Family
ID=83751489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210957103.1A Pending CN115267556A (zh) | 2022-08-10 | 2022-08-10 | 电池寿命衰降分析方法、存储介质及电子设备 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20240053402A1 (zh) |
| CN (1) | CN115267556A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116540108A (zh) * | 2023-07-06 | 2023-08-04 | 广汽埃安新能源汽车股份有限公司 | 一种电芯容量衰减预警方法、装置、存储介质及设备 |
-
2022
- 2022-08-10 CN CN202210957103.1A patent/CN115267556A/zh active Pending
-
2023
- 2023-08-03 US US18/229,685 patent/US20240053402A1/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116540108A (zh) * | 2023-07-06 | 2023-08-04 | 广汽埃安新能源汽车股份有限公司 | 一种电芯容量衰减预警方法、装置、存储介质及设备 |
| CN116540108B (zh) * | 2023-07-06 | 2023-12-15 | 广汽埃安新能源汽车股份有限公司 | 一种电芯容量衰减预警方法、装置、存储介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240053402A1 (en) | 2024-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109856559B (zh) | 一种锂电池循环寿命的预测方法 | |
| CN111736085B (zh) | 一种基于电化学阻抗谱的锂离子电池健康状态估计方法 | |
| CN107741568B (zh) | 一种基于状态转移优化rbf神经网络的锂电池soc估算方法 | |
| CN110333463B (zh) | 一种电芯一致性筛选方法及其系统 | |
| CN112666480A (zh) | 一种基于充电过程特征注意力的电池寿命预测方法 | |
| CN113794254B (zh) | 一种热管理策略配置方法、装置、计算机设备和存储介质 | |
| CN113138340A (zh) | 电池等效电路模型的建立方法、健康状态估算方法及装置 | |
| Mian Qaisar | A proficient Li-ion battery state of charge estimation based on event-driven processing | |
| CN112180258B (zh) | 电池平均库伦效率的测定方法、装置、介质、终端、及系统 | |
| CN115267556A (zh) | 电池寿命衰降分析方法、存储介质及电子设备 | |
| CN115902641A (zh) | 电池容量跳水的预测方法、装置及存储介质 | |
| CN116381539A (zh) | 一种考虑用户不完整充电过程下的电池健康状态评估方法 | |
| 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 | |
| CN110850315A (zh) | 一种电池荷电状态的估算方法及装置 | |
| CN114755582A (zh) | 一种环境温度不同时锂离子电池健康状态预估方法 | |
| CN113820615A (zh) | 一种电池健康度检测方法与装置 | |
| CN116165547A (zh) | 锂电池的电压计算与修正方法及系统、装置、存储介质 | |
| CN113125974B (zh) | 一种电池析锂检测方法及装置 | |
| CN114117737A (zh) | 锂离子电池仿真方法、装置、电子设备及可读存储介质 | |
| CN111679196A (zh) | 一种pngv模型参数的在线辨识方法、装置、计算机设备 | |
| CN112666478A (zh) | 一种梯次利用动力电池健康状态监测方法 | |
| CN112462288B (zh) | 一种基于电池表面温度变化值的锂离子电池健康状态估算方法 | |
| CN115327418A (zh) | 锂电池内阻辨识方法、存储介质及电子设备 | |
| Sausen et al. | PROPOSITION OF AN EXTENSION TO THE PEUKERT’S LAWMODEL APPLIED TO THE PREDICTION OF THE BATTERIESLIFETIME | |
| CN116840700B (zh) | 电池状态的实时监测方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |