CN115424671B - 锂离子电池性能分析预测方法、存储介质及电子设备 - Google Patents

锂离子电池性能分析预测方法、存储介质及电子设备 Download PDF

Info

Publication number
CN115424671B
CN115424671B CN202211033712.4A CN202211033712A CN115424671B CN 115424671 B CN115424671 B CN 115424671B CN 202211033712 A CN202211033712 A CN 202211033712A CN 115424671 B CN115424671 B CN 115424671B
Authority
CN
China
Prior art keywords
lithium
electrolyte
lithium ion
lithium battery
equation
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
CN202211033712.4A
Other languages
English (en)
Other versions
CN115424671A (zh
Inventor
陈思元
顾单飞
江铭臣
李倩
赵恩海
严晓
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 CN202211033712.4A priority Critical patent/CN115424671B/zh
Publication of CN115424671A publication Critical patent/CN115424671A/zh
Application granted granted Critical
Publication of CN115424671B publication Critical patent/CN115424671B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Fluid Mechanics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Secondary Cells (AREA)

Abstract

本发明提供一种锂离子电池性能分析预测方法、存储介质及电子设备，所述方法包括：锂电池准二维模型中增加对流作用引起的锂离子通量，以更新所述锂电池准二维模型中的液相传质方程和液相电势方程；获取锂电池受外力作用产生的瞬时加速度和受力的数据集；基于所述瞬时加速度和受力的数据集计算获取锂电池的瞬时冲量；基于所述锂电池的瞬时冲量推导锂离子电解液流体速度衰减模型；基于所述锂离子电解液流体速度衰减模型、更新的所述液相传质方程和液相电势方程获取锂离子电池内部各个物理量的数值的数据集。本发明可以更准确的对特殊工况下锂电池的状态做出预测及判断，更适用于如电车锂电池等动态便携式电池的状态监控。

Description

锂离子电池性能分析预测方法、存储介质及电子设备
技术领域
本发明涉及电池技术领域，特别是涉及锂电池性能分析技术领域。
背景技术
作为目前最优良的化学电池之一，锂离子电池以其高输出电压和高能量密度，在便携式电池市场以及航空航天和军事等领域中有着不可或缺的地位。因此，如何准确的预测判断和监测评估锂离子电池的各种性能也就成为了电池实用化的关键技术。常见的锂电池模型可分为经验模型和物理模型，其中经验模型包括等效电路(ECM)模型等；物理模型包括准二维(P2D)模型，简化准二维(SP2D)模型和单粒子(SPM)模型等。上述模型中，由Doyle和Newman在1993年联合提出的P2D模型，其计算复杂度最高，精度及可预测性自然也最高；P2D模型包含四个偏微分方程(固相电势方程，固相传质方程，液相电势方程，液相传质方程)和一个代数方程，即巴特勒福尔默(Butler-Volmer)方程，方程之间高度耦合，是一种恒流等温的电化学物理模型。P2D模型是目前使用最广泛的模型之一。
液相传质的三种方式分别为电迁移、扩散和对流。对流即流体之间或流体与固体壁面之间的相对流动；对流又可分为由密度差或温度差产生重力作用而引起的自然对流和由外力引起的强制对流。在传统P2D模型的五大方程中，液相传质方程和液相电势方程仅考虑了锂离子的扩散和电迁移作用，而忽略了对流传质的影响这一客观事实，导致其在某些非正常工况下的预测精度十分有限。以动力电车所携带的锂电池为例，在电车行驶过程中，不可避免的会出现碰撞、颠簸或急刹等特殊工况，在这些非常规工况下，锂电池受外力作用，产生瞬时冲量，作用时间极短但作用效果极强，锂电池工况随之产生较大变化，电池内部状态亦有所改变，甚至存在安全隐患；针对上述情况，传统P2D模型因缺少了电解液对流作用的考虑，精度有限，无法做出有效判断及安全预警。
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锂离子电池性能分析预测方法、存储介质及电子设备，用于解决现有锂电池分析模型无法有效对锂电池性能进行分析的技术问题。
为实现上述目的及其他相关目的，本发明提供一种锂离子电池性能分析预测方法，所述方法包括：锂电池准二维模型中增加对流作用引起的锂离子通量，以更新所述锂电池准二维模型中的液相传质方程和液相电势方程；获取锂电池受外力作用产生的瞬时加速度和受力的数据集；基于所述瞬时加速度和受力的数据集计算获取锂电池的瞬时冲量；基于所述锂电池的瞬时冲量推导锂离子电解液流体速度衰减模型；基于所述锂离子电解液流体速度衰减模型、更新的所述液相传质方程和液相电势方程获取锂离子电池内部各个物理量的数值的数据集。
于本发明的一实施例中，所述锂电池准二维模型中增加对流作用引起的锂离子通量包括：于能斯特-普朗克方程中增加对流作用引起的锂离子通量。
于本发明的一实施例中，所述于能斯特-普朗克方程中增加对流作用引起的锂离子通量的一种表现形式为：
Figure GDA0004211003630000021
其中，/>
Figure GDA0004211003630000022
表示锂离子的扩散；/>
Figure GDA0004211003630000023
表示锂离子的电迁移通量；J(x)表示锂离子总通量，Jconv表示对流作用引起的锂离子通量，用x轴对流速度与电解液中锂离子浓度的乘积来定义；D为扩散系数，c为锂离子浓度，z为电荷数或离子价数，F为法拉第常数，R为气体常数，T为电解液温度，Φ为液相电势，x为锂电池x轴坐标。
于本发明的一实施例中，更新的所述锂电池准二维模型中的液相传质方程为：
Figure GDA0004211003630000024
更新的所述锂电池准二维模型中的液相电势方程为：
Figure GDA0004211003630000025
其中，ε为电解液体积分数，ce为液相浓度，e为电解液，j为模型中的不同的域，c为锂离子浓度，t为电池工作时间，x为锂电池x轴坐标，
Figure GDA0004211003630000026
为液相有效扩散系数，a为单位体积有效反应面积，tc为锂离子电迁移参数，jn为锂离子摩尔通量，i为电流强度，D为扩散系数，φe为液相电势，/>
Figure GDA0004211003630000027
为正负极的液相电流密度，κeff为电解液有效电导率，fc/a为电解液平均摩尔活化系数；Aconv、Bconv分别为引入液相传质方程和液相电势方程的对流作用引起的锂离子通量。
于本发明的一实施例中，还包括为所述锂电池准二维模型配置边界条件；所述边界条件包括：初始时刻锂电池电解液各处的运动状态为与锂电池相对静止，相对速度为0；锂电池隔膜界面处速度为0。
于本发明的一实施例中，所述基于所述瞬时加速度和受力的数据集计算获取锂电池的瞬时冲量包括：对电解液进行流体力学建模分析，将锂电池的隔膜及电解液部分视为一个沿x轴方向的等截面积流管；通过纳维-斯托克斯方程描述电解液的流动，并通过动量守恒定律描述微元体所受的体积力与面积力之和；求解纳维-斯托克斯方程，获取电解液流体微元在各个时刻的运动状态；基于电解液流体微元在各个时刻的运动状态获取锂电池电解液的速度微分方程，由所述锂电池电解液的速度微分方程表示锂电池的瞬时冲量。
于本发明的一实施例中，所述体积力为重力和惯性力，所述面积力为固态电极壁面对电解液的压力。
于本发明的一实施例中，所述基于所述锂电池的瞬时冲量推导锂离子电解液流体速度衰减模型包括：将电解液任一侧电极固态壁面视为速度场起点，另一侧壁面视为流体驻点，将所述速度微分方程简化为一元线性表达式；将所述一元线性表达式在时间上做积分，得到所述瞬时冲量从开始作用至作用效果衰减至消失的时间长度Δt，进而得到锂离子电解液流体速度衰减模型。
为实现上述目的及其他相关目的，本发明还提供一种存储介质，存储有程序指令，所述程序指令被处理器执行时实现如上所述的锂离子电池性能分析预测方法的步骤。
为实现上述目的及其他相关目的，本发明还提供一种电子设备，包括存储器，用于存储计算机程序；处理器，用于运行所述计算机程序以实现如上所述的锂离子电池性能分析预测方法的步骤。
如上所述，本发明的锂离子电池性能分析预测方法、存储介质及电子设备具有以下有益效果：
1、本发明弥补了现有电化学模型(P2D模型)未考虑对流作用的短板，提高模型精度，相较于传统P2D模型，本发明可以更准确的对特殊工况下锂电池的状态做出预测及判断，更适用于如电车锂电池等动态便携式电池的状态监控。
2、本发明可有效分析预测锂离子电池在碰撞，颠簸及急刹等特殊工况下的工作状态，及时判断并排除安全隐患，保护用户的人身及财产安全。
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单地介绍，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。
图1显示为本申请一实施例中的锂离子电池性能分析预测方法的整体流程示意图；
图2和图3显示为本申请一实施例中的锂离子电池性能分析预测方法中电池在使用时受外力撞击，受力及产生的冲量在极短的作用时间内的变化示意图；
图4和图5显示为本申请一实施例中的锂离子电池性能分析预测方法中冲量变化示意图；
图6显示为本申请一实施例中的锂离子电池性能分析预测方法的检测过程示意图；
图7显示为本申请一实施例中的电子设备的原理框图。
元件标号说明
101 电子设备
1001 处理器
1002 存储器
S100～S500 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。
本实施例的目的在于提供一种锂离子电池性能分析预测方法、存储介质及电子设备，用于解决现有锂电池分析模型无法有效对锂电池性能进行分析的技术问题。
本实施例的锂离子电池性能分析预测方法提供了一种考虑对流传质作用的新型电化学模型。传统电化学模型之一的伪二维(P2D或Pseudo two dimension)模型因其普适性而被广泛引用，可在不拆解电池的前提下对电池内部状态做出有效判断。本实施例采用数学建模方式，在原P2D模型的基础上，加入对锂离子电池内电解液对流作用的考虑，通过在能斯特-普朗克(Nernst-Planck)方程中引入对流项，狄拉克δ函数与流体力学中的动量守恒定律相结合，采用拉格朗日法以及速度衰减建模等方法，推导出全新的电化学模型，弥补了原P2D模型忽略对流作用的短板，可以更准确的对特殊工况下锂电池的状态做出预测及判断，提高了在特殊工况下的预测精度。
以下将详细阐述本发明的锂离子电池性能分析预测方法、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发明的锂离子电池性能分析预测方法、存储介质及电子设备。
实施例1
本实施例提供一种锂离子电池性能分析预测方法，检测目标为目标图像中所占像素较少的物体。具体地，如图1所示，本实施例中所述锂离子电池性能分析预测方法包括：
步骤S100，锂电池准二维模型中增加对流作用引起的锂离子通量，以更新所述锂电池准二维模型中的液相传质方程和液相电势方程；
步骤S200，获取锂电池受外力作用产生的瞬时加速度和受力的数据集；
步骤S300，基于所述瞬时加速度和受力的数据集计算获取锂电池的瞬时冲量；
步骤S400，基于所述锂电池的瞬时冲量推导锂离子电解液流体速度衰减模型；
步骤S500，基于所述锂离子电解液流体速度衰减模型、更新的所述液相传质方程和液相电势方程获取锂离子电池内部各个物理量的数值的数据集。
以下对本实施例的锂离子电池性能分析预测方法的步骤S100至步骤S500进行详细说明。
步骤S100，锂电池准二维模型中增加对流作用引起的锂离子通量，以更新所述锂电池准二维模型中的液相传质方程和液相电势方程。
于本实施例中，所述锂电池准二维模型(P2D模型)中增加对流作用引起的锂离子通量包括：于能斯特-普朗克(Nernst-Planck)方程中增加对流作用引起的锂离子通量。通过在能斯特-普朗克(Nernst-Planck)方程中加入对流项，将对流作用引入原P2D模型的液相电势方程和液相传质方程。
具体地，于本实施例中，所述于能斯特-普朗克方程(Nernst-Planck)中增加对流作用引起的锂离子通量的一种表现形式为：
Figure GDA0004211003630000051
其中，
Figure GDA0004211003630000052
表示锂离子的扩散；/>
Figure GDA0004211003630000053
表示锂离子的电迁移通量；J(x)表示锂离子总通量，Jconv表示对流作用引起的锂离子通量，用x轴对流速度与电解液中锂离子浓度的乘积来定义；D为扩散系数，c为锂离子浓度，z为电荷数或离子价数(对于锂离子，z＝1)，F为法拉第常数，R为气体常数，T为电解液温度，Φ为液相电势，x为锂电池x轴坐标。
于本实施例中，更新的所述锂电池准二维模型中的液相传质方程为：
Figure GDA0004211003630000054
更新的所述锂电池准二维模型中的液相电势方程为：
Figure GDA0004211003630000061
其中，ε为电解液体积分数，ce为液相浓度，e为电解液，j为模型中的不同的域(表在P2D模型中的不同的域，具体指负极、正极或隔膜)，c为锂离子浓度，t为电池工作时间，x为锂电池x轴坐标，
Figure GDA0004211003630000062
为液相有效扩散系数，a为单位体积有效反应面积，tc为锂离子电迁移参数，jn为锂离子摩尔通量，i为电流强度，D为扩散系数，φe为液相电势，/>
Figure GDA0004211003630000063
为正负极的液相电流密度，κeff为电解液有效电导率，fc/a为电解液平均摩尔活化系数；Aconv、Bconv分别为引入液相传质方程和液相电势方程的对流作用引起的锂离子通量。
需要注意的是，本实施例中在原P2D模型既有的边界条件的基础上，还加入新的边界条件，以此来对锂电池电解液的对流速度作出限制，基于物理定律和客观事实，所以于本实施例中，还包括为所述锂电池准二维模型配置边界条件；所述边界条件包括：初始时刻锂电池电解液各处的运动状态为与锂电池相对静止，相对速度为0；锂电池隔膜界面处速度为0。
至此，本实施例在原P2D模型中引入对流项已经完成，但由于在原P2D模型的基础上引入了新的物理量，即电解液对流速度v，不难看出，使用原有的参数集将无法求解，需要找到对流速度表达式才有求解的可能。
步骤S200，获取锂电池受外力作用产生的瞬时加速度和受力的数据集。
本实施例中，通过安装在锂电池上的传感器，获取锂电池在非常规工况下，受外力作用所产生的瞬时加速度以及受力的数据集，收集数据集并做初步判断，考察数据集的真实性及准确性，排除明显错误的测量结果；例如在车辆急刹工况下，加速度的测量结果与车辆实际行驶方向相同，显然违背客观事实，测量结果无意义。在确认数据集真实可靠的前提下，保存数据集，以获取冲量及对流速度。
步骤S300，基于所述瞬时加速度和受力的数据集计算获取锂电池的瞬时冲量。
根据步骤S200中传感器测量获取的加速度和受力数据，可进一步计算出锂电池受外力作用而产生的冲量，通过狄拉克δ函数对冲量进行简化，得到瞬时冲量表达式。
狄拉克δ函数在积分意义下的定义为：函数在除了零以外的任何点的取值都为零，而其在整个定义域上的积分等于1；数学表达如下：
Figure GDA0004211003630000064
/>
电池在使用时受外力撞击，受力及产生的冲量在极短的作用时间内的变化如图2和图3所示。数学表达式为：
Figure GDA0004211003630000071
其中，F(t)表示受力，m0表示质量，v表示瞬时速度，t1、t2表示作用的始末时间点，
Δv表示速度的变化量；
F(t)＝(m0·Δv) δ(t-t0)
Figure GDA0004211003630000072
δ表示狄拉克δ函数，其余字母的物理意义与上述公式相同；
这个冲量的图形就变为了一个宽度无穷小，高度无穷大，面积等于冲量(mv0)的细长矩形，如图4和图5所示。
而事实上，t1、t2的间隔极短，因此可以将上述模型理想化，认为t1无限接近t2，则可认为此冲量只作用在某一个时间点t0上，在t0时刻的作用力(冲量)可视为无穷大，此时引入狄拉克δ函数，
具体地，于本实施例中，基于所述瞬时加速度和受力的数据集计算获取锂电池的瞬时冲量包括：
1)对电解液进行流体力学建模分析，将锂电池的隔膜及电解液部分视为一个沿x轴方向的等截面积流管。
具体地，采用拉格朗日法对电解液进行流体力学建模分析；
在锂电池的隔膜电解液中，拉格朗日法具体可描述为：以包含锂离子的电解液流体中的某个质点作为研究对象，观察这一质点在电解液流场中的运动及运动参数的变化规律，再综合多个电解液流体质点的运动，获取在隔膜电解液的空间内所有电解液质点的运动规律；因为在P2D模型中，除反应颗粒半径方向的维度外，仅考虑x轴方向这一个维度，因此拉格朗日法的电解液质点的位置坐标、速度及加速度可表示为：
x＝x(a，t)
Figure GDA0004211003630000073
Figure GDA0004211003630000081
其中，x为电解液质点在x轴上的位置坐标，vx为电解液质点的在x轴的速度，ax电解液质点在x轴上的加速度，a为质点在x轴上的初始坐标，t为指定的时间点。
将锂电池的隔膜及电解液部分视为一个沿x轴方向的等截面积流管，出入口分别为正负极固态电极壁面；在此流管的流场中，由质量守恒定律可知，流体不可能由流管壁面出入，流场入口处的流量毕然等于流场出口处的流量。
2)通过纳维-斯托克斯(Navier-Stokes)方程描述电解液的流动，并通过动量守恒定律描述微元体所受的体积力与面积力之和。
锂离子电池的电解液可认为是粘性不可压缩流体，Navier-Stokes方程可用以表征包含锂离子的电解液的动量守恒，可写为：
Figure GDA0004211003630000082
其中，V表示电解液的速度矢量，DV/DT表示电解液速度的物质导数，ρ为电解液密度，f为单位体积的电解液所受外力，p为电解液压力，μ为电解液的动力粘度。
P2D模型只考虑除颗粒半径外的x轴，因此上述方程可简化为：
Figure GDA0004211003630000083
式中各字母的含义与上述方程相同，fx表示电解液在x轴方向上的受力。
于本实施例中，所述体积力为重力和惯性力，即上述纳维-斯托克斯的f或fx，所述面积力为固态电极壁面对电解液的压力，即为上述纳维-斯托克斯的p。
即本实施例中，通过Navier-Stokes方程描述电解液的流动，结合动量守恒定律，在本发明中，动量守恒定律可描述为微元体所受的体积力与面积力之和，其中体积力为重力和惯性力，面积力为固态电极壁面对电解液的压力，又因为只考虑x轴方向，可忽略重力作用。
3)求解纳维-斯托克斯方程，获取电解液流体微元在各个时刻的运动状态；基于电解液流体微元在各个时刻的运动状态获取锂电池电解液的速度微分方程，由所述锂电池电解液的速度微分方程表示锂电池的瞬时冲量。
想要获得纳维-斯托克斯方程的精确解较为困难，在一定的误差允许范围内，可借助初始条件和边界条件，在本发明中，初始条件指初始时刻整个流场相对静止，相对速度为0，边界条件指隔膜两侧与正负电极的界面处的速度为0；再通过python的开源求解器，例如pde库，或自定义编写代码创建偏微分方程的求解器，对纳维-斯托克斯方程求近似解，进而得到电解液流畅的各种特征值，如速度，受力，冲量等；
即本实施例中，通过求解Navier-Stokes方程，可掌握流体微元在各个时刻的运动状态，进而得到流体微分方程，即本实施例中的锂电池电解液的速度微分方程。至此，锂电池在特殊工况发生瞬间的电解液瞬时速度已获得。
步骤S400，基于所述锂电池的瞬时冲量推导锂离子电解液流体速度衰减模型。
对步骤S300中的瞬时速度的衰减过程进行数值建模，在合理简化的基础上，推导流体速度衰减模型。由于流体粘滞力及流动摩擦力的作用，电解液在产生瞬时速度之后，对流速度会随着时间和空间而逐渐衰直至冲量作用完全消失，速度衰减为0，恢复作用前正常工况的相对稳态。
于本实施例中，所述基于所述锂电池的瞬时冲量推导锂离子电解液流体速度衰减模型包括：
将电解液任一侧电极固态壁面视为速度场起点，另一侧壁面视为流体驻点，将所述速度微分方程简化为一元线性表达式；将所述一元线性表达式在时间上做积分，得到所述瞬时冲量从开始作用至作用效果衰减至消失的时间长度Δt，进而得到锂离子电解液流体速度衰减模型。
本步骤采用拉格朗日法，追踪某一电解液微元体并记录微元体的速度随时间t的变化规律；可将电解液任一侧电极固态壁面视为速度场起点，另一侧壁面视为流体驻点(即流速为0)，速度衰减模型可简化为一元线性表达式，将此表达式在时间t上做积分，结果为长度，数值上等于隔膜厚度Lsep，求解此方程，即可得出此冲量从开始作用至作用效果衰减至消失的时间长度Δt，至此，可得到完整的电解液流动速度的表达式，即锂离子电解液流体速度衰减模型。
为了提高速度模型的准确性，可以使用ANSYS Fluent复现步骤S300-S400中的模型，针对本实施例中电解液流动的低雷诺数及粘性等特征，湍流模型选择Spalart-Allmaras单方程模型或双方程realizable k-ε模型，上述两个模型均为常见的流体力学中的湍流模型，且在ANSYS Fluent软件中均可直接选择；其中Spalart-Allmaras模型为单方程模型，计算量小，求解成本较低，精度适中，适用于快速计算，节约时间成本，适用于较为紧急的突发的锂电池特殊工况；realizable k-ε模型为双方程模型，更适合用以分析旋转流动、流动分离等问题，在不考虑时间成本的情况下，可对锂电池内部电解液的对流有着更为精准的仿真效果，更适合在非紧急情况下的精准预测；如上，利用成熟的商用软件的模拟仿真结果，对步骤S300-S400的建模进行验证，可保证电解液速度模型不会出现较大误差以至于影响最终的分析预测结果。
步骤S500，基于所述锂离子电解液流体速度衰减模型、更新的所述液相传质方程和液相电势方程获取锂离子电池内部各个物理量的数值的数据集。
将步骤S400中的速度表达式与步骤S100中更新的锂电池准二维模型中的液相传质方程和液相电势方程相结合，构成一个完整的考虑对流作用影响的全新电化学模型。对新模型在整个作用周期Δt上进行迭代求解，即可获取在此特殊工况下锂离子电池内部各个物理量的数值的数据集。
通常情况下，突变工况的作用时间极短，对应的作用周期Δt的数值很小，但作用效果极强，锂电池内部的各个物理量在短时间内发生较大的变化，这就对计算精度提出了很高的要求；在本步骤中，迭代计算的时间步长应采用较小的值，例如作用周期为10s，则时间步长采用0.05s-0.1s；初始时刻，即0s时刻，默认为平稳工况，锂电池内部保持稳态，此时无对流作用，P2D模型仍按照传统版本计算；发生碰撞瞬间，采用全新的P2D模型，加入对流作用的计算，从0s开始，以所选取的时间步长为每次迭代的时间跨度，从全新的P2D模型的计算中提取内部各变量的数值，这些数值可以表征锂电池的瞬时状态；迭代计算直至作用周期结束，对流作用消失，之后恢复以传统的P2D模型计算；若迭代计算过程中，检测到有物理量超出正常值的范围，则可判断此时电池出现异常，对应的做出排除异常的后续操作。
通过对数据集的精炼、提取与分析，预测判断锂电池工作状态，对可能存在的安全隐患提供有效预警进而及时采取防治措施。例如，猛烈冲撞导致电池内部出现短路，工作电流过大，热量生成过多，高温高压可能导致起火甚至爆炸；针对上述特例，利用本实施例中的电化学模型，将能够高效捕获锂电池的特定参数的变化，即电流的异常值，帮助用户采取及时切断电路等措施以避免安全事故的发生，提高对人身安全和财产安全保护的可能性。
如图6所示，本实施例的锂离子电池性能分析预测方法提供了一种在传统P2D模型基础上考虑电解液对流作用影响的新型电化学模型，并利用新模型对锂电池在某些特殊工况下的工作状态的预测及判断。通过在能斯特-普朗克(Nernst-Planck)方程中引入对流项，修正原P2D模型中的两个液相偏微分方程；利用狄拉克δ函数、流体力学建模，再结合传感器所测得的锂电池运动的原始数据，推导出对流速度方程，用以对修正后的电化学模型进行补充；求解完整的新模型得到锂电池的物理参数，分析预测锂电池的工作状态。
实施例2
如图7所示，本实施例提供一种电子设备101，所述电子设备101包括：处理器1001及存储器1002；所述存储器1002用于存储计算机程序；所述处理器1001用于执行所述存储器1002存储的计算机程序，以使所述电子设备101执行如实施例1中锂离子电池性能分析预测方法的步骤。由于锂离子电池性能分析预测方法的步骤的具体实施过程已经在实施例1中进行了详细说明，在此不再赘述。
处理器1001为(Central Processing Unit，中央处理器)。存储器1002通过系统总线与处理器1001连接并完成相互间的通信，存储器1002用于存储计算机程序，处理器1001用于运行计算机程序，以使所述处理器1001执行所述的锂离子电池性能分析预测方法。存储器1002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-volatile memory)，例如至少一个磁盘存储器。
此外，本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器1001执行时实现实施例1中所述的锂离子电池性能分析预测方法中的步骤。实施例1已经对所述锂离子电池性能分析预测方法进行了详细说明，在此不再赘述。
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介质。
综上所述，本发明弥补了现有电化学模型(P2D模型)未考虑对流作用的短板，提高模型精度，相较于传统P2D模型，本发明可以更准确的对特殊工况下锂电池的状态做出预测及判断，更适用于如电车锂电池等动态便携式电池的状态监控；本发明可有效分析预测锂离子电池在碰撞，颠簸及急刹等特殊工况下的工作状态，及时判断并排除安全隐患，保护用户的人身及财产安全。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
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包括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 (7)

1.一种锂离子电池性能分析预测方法，其特征在于：所述方法包括：
锂电池准二维模型中增加对流作用引起的锂离子通量，以更新所述锂电池准二维模型中的液相传质方程和液相电势方程；所述锂电池准二维模型中增加对流作用引起的锂离子通量包括：于能斯特-普朗克方程中增加对流作用引起的锂离子通量；
获取锂电池受外力作用产生的瞬时加速度和受力的数据集；
基于所述瞬时加速度和受力的数据集计算获取锂电池的瞬时冲量；
基于所述锂电池的瞬时冲量推导锂离子电解液流体速度衰减模型；
基于所述锂离子电解液流体速度衰减模型、更新的所述液相传质方程和液相电势方程获取锂离子电池内部各个物理量的数值的数据集；
所述于能斯特-普朗克方程中增加对流作用引起的锂离子通量的一种表现形式为：
Figure FDA0004211003620000011
其中，
Figure FDA0004211003620000012
表示锂离子的扩散；/>
Figure FDA0004211003620000013
表示锂离子的电迁移通量；J(x)表示锂离子总通量，Jconv表示对流作用引起的锂离子通量，用x轴对流速度与电解液中锂离子浓度的乘积来定义；D为扩散系数，c为锂离子浓度，z为电荷数或离子价数，F为法拉第常数，R为气体常数，T为电解液温度，Φ为液相电势，x为锂电池x轴坐标；
更新的所述锂电池准二维模型中的液相传质方程为：
Figure FDA0004211003620000014
更新的所述锂电池准二维模型中的液相电势方程为：
Figure FDA0004211003620000015
其中，ε为电解液体积分数，ce为液相浓度，e为电解液，j为模型中的不同的域，c为锂离子浓度，t为电池工作时间，x为锂电池x轴坐标，
Figure FDA0004211003620000016
为液相有效扩散系数，a为单位体积有效反应面积，tc为锂离子电迁移参数，jn为锂离子摩尔通量，i为电流强度，D为扩散系数，φe为液相电势，/>
Figure FDA0004211003620000017
为正负极的液相电流密度，κeff为电解液有效电导率，fc/a为电解液平均摩尔活化系数；Aconv、Bconv分别为引入液相传质方程和液相电势方程的对流作用引起的锂离子通量。
2.根据权利要求1所述的锂离子电池性能分析预测方法，其特征在于：还包括为所述锂电池准二维模型配置边界条件；所述边界条件包括：初始时刻锂电池电解液各处的运动状态为与锂电池相对静止，相对速度为0；锂电池隔膜界面处速度为0。
3.根据权利要求1所述的锂离子电池性能分析预测方法，其特征在于：所述基于所述瞬时加速度和受力的数据集计算获取锂电池的瞬时冲量包括：
对电解液进行流体力学建模分析，将锂电池的隔膜及电解液部分视为一个沿x轴方向的等截面积流管；
通过纳维-斯托克斯方程描述电解液的流动，并通过动量守恒定律描述微元体所受的体积力与面积力之和；
求解纳维-斯托克斯方程，获取电解液流体微元在各个时刻的运动状态；
基于电解液流体微元在各个时刻的运动状态获取锂电池电解液的速度微分方程，由所述锂电池电解液的速度微分方程表示锂电池的瞬时冲量。
4.根据权利要求3所述的锂离子电池性能分析预测方法，其特征在于：所述体积力为重力和惯性力，所述面积力为固态电极壁面对电解液的压力。
5.根据权利要求3所述的锂离子电池性能分析预测方法，其特征在于：所述基于所述锂电池的瞬时冲量推导锂离子电解液流体速度衰减模型包括：
将电解液任一侧电极固态壁面视为速度场起点，另一侧壁面视为流体驻点，将所述速度微分方程简化为一元线性表达式；
将所述一元线性表达式在时间上做积分，得到所述瞬时冲量从开始作用至作用效果衰减至消失的时间长度Δt，进而得到锂离子电解液流体速度衰减模型。
6.一种存储介质，存储有程序指令，其特征在于：所述程序指令被处理器执行时实现如权利要求1至权利要求5任一项所述的锂离子电池性能分析预测方法的步骤。
7.一种电子设备，其特征在于：包括存储器，用于存储计算机程序；处理器，用于运行所述计算机程序以实现如权利要求1至权利要求5任一权利要求所述的锂离子电池性能分析预测方法的步骤。
CN202211033712.4A 2022-08-26 2022-08-26 锂离子电池性能分析预测方法、存储介质及电子设备 Active CN115424671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211033712.4A CN115424671B (zh) 2022-08-26 2022-08-26 锂离子电池性能分析预测方法、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211033712.4A CN115424671B (zh) 2022-08-26 2022-08-26 锂离子电池性能分析预测方法、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN115424671A CN115424671A (zh) 2022-12-02
CN115424671B true CN115424671B (zh) 2023-06-06

Family

ID=84200261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211033712.4A Active CN115424671B (zh) 2022-08-26 2022-08-26 锂离子电池性能分析预测方法、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN115424671B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145628B (zh) * 2017-03-31 2020-09-11 中南大学 基于电化学-热耦合模型的预测锂电池循环寿命的方法
CN109991542B (zh) * 2019-03-27 2021-05-18 东北大学 基于wde优化lstm网络的锂离子电池剩余寿命预测方法
CN110232201A (zh) * 2019-04-02 2019-09-13 中南大学 一种多参数协同作用的电池设计方法
CN113420475B (zh) * 2021-06-18 2023-01-24 蜂巢能源科技有限公司 三电极锂离子电池锂沉积的预测方法、装置、设备及介质

Also Published As

Publication number Publication date
CN115424671A (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
Hasib et al. A comprehensive review of available battery datasets, RUL prediction approaches, and advanced battery management
He et al. Combined experimental and numerical study of thermal management of battery module consisting of multiple Li-ion cells
Ramadesigan et al. Modeling and simulation of lithium-ion batteries from a systems engineering perspective
KR102377027B1 (ko) 배터리의 충전 상태를 추정하는 방법 및 그 방법을 실행하는 배터리 관리 시스템
Li et al. Numerical investigation on the thermal management of lithium-ion battery system and cooling effect optimization
Zhang et al. An online heat generation estimation method for lithium-ion batteries using dual-temperature measurements
Dey et al. Real-time estimation of lithium-ion concentration in both electrodes of a lithium-ion battery cell utilizing electrochemical–thermal coupling
Liu et al. Review of thermal coupled battery models and parameter identification for lithium-ion battery heat generation in EV battery thermal management system
EP4270033A1 (en) Method and apparatus for estimating state of health of battery
CN115424671B (zh) 锂离子电池性能分析预测方法、存储介质及电子设备
CN114692244A (zh) 一种基于多物理场仿真的锂电池组热滥用安全风险评估方法
Biazi et al. A particle filter-based virtual sensor for estimating the state of charge and internal temperature of lithium-ion batteries: Implementation in a simulated study case
Peng et al. Real-time state of charge estimation of the extended Kalman filter and unscented Kalman filter algorithms under different working conditions
Wang et al. Understanding discharge voltage inconsistency in lithium-ion cells via statistical characteristics and numerical analysis
Jia et al. Temperature enhanced early detection of internal short circuits in lithium-ion batteries using an extended Kalman filter
CN115809491B (zh) 一种核电领域颗粒物的沉积分析方法及装置
Pidaparti et al. Cellular automation approach to model aircraft corrosion pit damage growth
CN108846163B (zh) 一种用于确定安全壳试验前气相初始状态的方法
Zhou et al. Battery state of health monitoring by estimation of side reaction current density via retrospective-cost subsystem identification
CN116305897A (zh) 一种针对锂离子电池多相排气过程的多尺度建模方法
Tarantseva Models and methods of forecasting pitting corrosion
JP6699795B1 (ja) シミュレーション方法、シミュレーション装置、及びコンピュータプログラム
KR20230027929A (ko) 이차전지 배터리 팩과 모듈의 진단 장치 및 방법
Reschke et al. Recent developments of DSMC within the reactive plasma flow solver PICLas
Ali et al. A comparison between physics-based Li-ion battery models

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