CN116029143B - 一种预警诊断方法、系统、电子设备及介质 - Google Patents
一种预警诊断方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN116029143B CN116029143B CN202310097290.5A CN202310097290A CN116029143B CN 116029143 B CN116029143 B CN 116029143B CN 202310097290 A CN202310097290 A CN 202310097290A CN 116029143 B CN116029143 B CN 116029143B
- Authority
- CN
- China
- Prior art keywords
- early warning
- simulation result
- warning diagnosis
- electrochemical model
- equation set
- 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
Links
Classifications
-
- 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
本申请提供一种预警诊断方法、系统、电子设备及介质,所述方法包括:利用电池电化学模型的离散点对所述电化学模型的电场控制方程和浓度场控制方程进行离散,以获取所述电化学模型中微观物理量的非线性方程组;获取所述非线性方程组对应的雅克比矩阵;利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果;根据所述微观物理量的模拟结果获取预警诊断结果。所述方法考量电场和浓度场的相互影响,提高了微观物理量的数值模拟精度,进一步提升了电化学模型预警诊断的可信度。
Description
技术领域
本申请属于电池分析技术领域,涉及一种预警诊断方法,特别是涉及一种预警诊断方法、系统、电子设备及介质。
背景技术
在全球“碳中和”的背景下,节能环保的环保电池作为近年来正在研制、开发乃至投入使用的一类高性能、无污染电池已经得到广泛应用,其中,锂离子蓄电池作为环保电池的一种,生产量和使用量更是以极高的速度增长。锂离子电池具有较高的能量密度和循环寿命,广泛应用于新能源汽车、能源存储、智能制造等重点发展产业。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。在对锂电池的研究中,对于锂电池建立物理化学模型也逐步成为保障锂电池的经济性、可靠性和安全性的普遍方式。根据锂电池的物理化学模型能够得到电池内部空间时间上的物理化学状态量的模拟数值,更加清晰地了解并监控锂电池的工作状态。
在电化学模型中,大多数物理化学状态量场随时间空间的变换过程是由时域偏微分方程进行描述的。时域偏微分方程一方面需要注意时间上和空间上的分离,另一方面也需要在多个偏微分方程强耦合时进行解耦,从而获得数值模拟的结果。在传统电化学准二维耦合模型中,耦合有电场、热场、应力场等多场,表征了电化学、传质、传热、动量传递等多种物理化学过程,以及包括颗粒、固、液、金属和高分子等相与亚相,具体结构十分复杂。目前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。其中,有限差分法、有限元法、有限体积法这类方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。拟合函数法、简化物化控制条件的方法的解法求出精度不高,会给实际应用带来累计误差,降低预警诊断的精度。因此,现有技术存在数值模拟结果精度不高、预警诊断效率低下的问题。
发明内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供一种预警诊断方法、系统、电子设备及介质,用于解决现有技术中数值模拟结果精度不高、预警诊断效率低下的问题。
第一方面,本申请提供一种预警诊断方法,所述预警诊断方法包括:利用电池电化学模型的离散点对所述电化学模型的电场控制方程和浓度场控制方程进行离散,以获取所述电化学模型中微观物理量的非线性方程组;获取所述非线性方程组对应的雅克比矩阵;利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果;根据所述微观物理量的模拟结果获取预警诊断结果。
本申请第一方面提供的预警诊断方法,可以利用离散点对电化学模型的控制方程进行离散,获取电化学模型中微观物理量的非线性方程组,根据非线性方程组获取对应的雅克比矩阵,进一步地获取电化学模型中微观物理量的模拟结果,从而获取电池的预警诊断结果。这种方式获取的预警诊断结果不仅考虑了电场对浓度场的影响,还考虑了浓度场对电场的影响,可以提高微观物理量的数值模拟精度,进一步提升电化学模型预警诊断的可信度。
在第一方面的一种实现方式中,所述电化学模型为全耦合的电化学模型,所述离散点由所述电化学模型通过网格离散得到。
在第一方面的一种实现方式中,所述离散点的获取方法包括:基于切比雪夫谱方法在所述电化学模型的电池长度维度和颗粒半径维度进行网格离散以获取所述离散点。
本实现方式中,基于切比雪夫谱方法对电化学模型的电池长度维度和颗粒半径维度分别进行网格离散,这种方法能够以较少的离散区间获得较高的数值精度,降低线性方程组的维数,提高后续处理的效率。
在第一方面的一种实现方式中,获取所述非线性方程组对应的雅克比矩阵包括:利用数值分析法或解析法对所述非线性方程组进行处理,以获取所述非线性方程组对应的雅克比矩阵。
在第一方面的一种实现方式中,根据所述微观物理量的模拟结果获取预警诊断结果包括:利用所述微观物理量的模拟结果与阈值进行对比,以获取所述预警诊断结果。
在第一方面的一种实现方式中,所述微观物理量的模拟结果包括过电位的数值模拟结果,液相电流的数值模拟结果,液相浓度的数值模拟结果和固相浓度的数值模拟结果。
在第一方面的一种实现方式中,利用所述微观物理量的模拟结果与阈值进行对比,以获取所述预警诊断结果包括:若所述过电位的数值模拟结果低于第一阈值,则确定所述预警诊断结果为Sei膜增厚;若所述过电位的数值模拟结果低于第二阈值,则确定所述预警诊断结果为锂枝晶生长;若所述过电位的数值模拟结果高于第三阈值,则确定所述预警诊断结果为电解液分解;若所述液相电流的数值模拟结果高于第四阈值,则确定所述预警诊断结果为锂枝晶生长;若所述液相浓度的数值模拟结果低于第五阈值,则确定所述预警诊断结果为锂枝晶生长。
第二方面,本申请提供一种预警诊断系统,所述系统包括:离散处理模块,用于利用电池电化学模型的离散点对所述电化学模型的电场控制方程和浓度场控制方程进行离散,以获取所述电化学模型中微观物理量的非线性方程组;矩阵获取模块,用于获取所述非线性方程组对应的雅克比矩阵;数值获取模块,用于利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果;预警诊断模块,用于根据所述微观物理量的模拟结果获取预警诊断结果。
第三方面,本申请提供一种一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请第一方面中任一项所述的预警诊断方法。
第四方面,本申请提供一种电子设备,包括:存储器,存储有一计算机程序;处理器,与所述存储器通信相连,调用所述计算机程序时执行本申请第一方面中任一项所述的预警诊断方法。
附图说明
图1显示为本申请实施例所述的预警诊断方法端-云交互场景的结构示意图。
图2显示为本申请实施例所述的预警诊断方法的流程示意图。
图3A显示为这些实现方式中网格离散示意图。
图3B显示为这些实现方式中网格离散示意图。
图4A显示为本申请实施例所述的雅克比矩阵的示意图。
图4B显示为本申请实施例所述的雅克比矩阵的示意图。
图5A显示为本申请实施例所述的阈值对比的示意图。
图5B显示为本申请实施例所述的阈值对比示意图。
图5C显示为本申请实施例所述的阈值对比示意图。
图6显示为本申请实施例所述的预警诊断系统的结构示意图。
图7显示为本申请实施例所述的电子设备的结构示意图。
元件标号说明
10 预警设备
11 终端
12 云端服务器
100 预警诊断系统
110 离散处理模块
120 矩阵获取模块
130 数值获取模块
140 预警诊断模块
700 电子设备
710 存储器
720 处理器
730 显示器
S11~S14 步骤
S131~S133 步骤
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,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申请的其他优点与功效。本申请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,在没有背离本申请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申请的基本构想,遂图式中仅显示与本申请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。
目前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。其中,有限差分法、有限元法、有限体积法这类方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。拟合函数法、简化物化控制条件的方法的解法求出精度不高,会给实际应用带来累计误差,降低预警诊断的精度。因此,现有技术存在忽略浓度场对电场的影响,数值模拟结果精度不高、预警诊断效率低下的问题。
至少针对上述问题,本申请实施例提供一种预警诊断方法。所述预警诊断方法包括:利用电池电化学模型的离散点对所述电化学模型的电场控制方程和浓度场控制方程进行离散,以获取所述电化学模型中微观物理量的非线性方程组;获取所述非线性方程组对应的雅克比矩阵;利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果;根据所述微观物理量的模拟结果获取预警诊断结果。
本申请实施例中,所述预警诊断方法获取的预警诊断结果不仅考虑了电场对浓度场的影响,还考虑了浓度场对电场的影响,可以提高微观物理量的数值模拟精度,从而进一步提升电化学模型预警诊断的可信度。
本申请以下实施例提供了一种预警诊断方法,其作用包括但不限于对电池电化学模型中的微观物理量进行数值模拟和预警诊断。
在一些实现方式中,预警诊断系统可以部署于本地预警设备10,该预警设备10可以包括平板电脑、笔记本电脑、掌上电脑、手机、个人电脑及语音交互设备,也可以为监控设备等,此处不做限定。以预警诊断方法部署于预警设备10为例,预警设备10利用电池电化学模型的离散点对所述电化学模型的电场控制方程和浓度场控制方程进行离散,以获取所述电化学模型中微观物理量的非线性方程组;获取所述非线性方程组对应的雅克比矩阵;利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果;根据所述微观物理量的模拟结果获取预警诊断结果,最终将预警诊断结果反馈到预警设备10的显示面板上。
在一些其他实现方式中,本申请描述的预警诊断方法可应用于端-云交互的场景。图1显示为本申请实施例所述的预警诊断方法端-云交互场景的结构示意图。如图1所示,端-云系统包括终端11和云端服务器12,终端11与云端服务器12之间可进行通信,通信方式不限于有线或无线的方式。以预警诊断方法部署于云端服务器12为例,云端服务器12利用电池电化学模型的离散点对所述电化学模型的电场控制方程和浓度场控制方程进行离散,以获取所述电化学模型中微观物理量的非线性方程组;获取所述非线性方程组对应的雅克比矩阵;利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果;根据所述微观物理量的模拟结果获取预警诊断结果,最终将预警诊断结果反馈到终端11上。
其中,终端11可以为移动的或固定的,例如,该终端11可以是无线终端也可以是有线终端,无线终端可以是指一种具有无线收发功能的设备,可以部署在陆地上,包括室内或室外、手持或车载。所述终端可以是手机(Mobile phone)、平板电脑(Pad)、笔记本电脑等等,在此不作限定。云端服务器12可以包括一个或多个服务器,或者包括一个或多个处理节点,或者包括运行于服务器的一个或多个虚拟机,云端服务器12还可以被称为服务器集群、管理平台、数据处理中心等等,本申请实施例不做限定。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行详细描述。
本申请实施例提供一种预警诊断方法,该方法例如可通过预警设备10或图1所示的云端服务器12来实现。图2显示为本申请实施例所述的预警诊断方法的流程示意图,如图2所示,预警诊断方法包括以下步骤。
步骤S11,利用电池电化学模型的离散点对所述电化学模型的电场控制方程和浓度场控制方程进行离散,以获取所述电化学模型中微观物理量的非线性方程组。其中,所述电池电化学模型是指电池的准二维电化学模型,具体用于描述电池内部两相三区域的反应过程,两相分别为固相和液相,三区域分别为正极、负极和隔膜单个区域。所述离散点的作用是将连续求解的区域划分成网格或单元子区域,将求解区域中的连续函数离散为在这些离散点上的函数值。所述将电化学模型的电场控制方程和浓度场控制方程进行离散就是通过数学原理,将控制方程转化为在离散点上的离散方程。
在一些可能的实现方式中,所述电场控制方程为:
is -(0)=iapp,
is +(L-+Lsep)=0,
is +(L-+Lsep+L+)=iapp.
其中,η+和η-分别是正负极过电位,x是真实的电池长度维度空间坐标点,is +和is -分别是正负极固相交换电流密度,iapp是外电路电流,k+,eff和k-,eff分别是正负极固相有效电导率,σ-,eff和σ+,eff分别是正负极电解液有效电导率,R是普适气体常数,T是参考温度,F是法拉第常数,tc是锂电子迁移数,ce是不同区域的液相浓度,ocv+和ocv-分别是正负极的开路电压,L+、L-和Lsep分别是正极、负极和隔膜的长度,a+和a-分别是正负极单位体积的有效反应面积,i0 +和i0 -分别是正负极集流板电流密度。
所述浓度场的控制方程包括液相传质控制方程和固相传质控制方程。其中,液相传质的控制方程为:
其中,De +,eff、De -,eff和De sep,eff分别是正负极和隔膜液相浓度有效扩散系数,x是真实的电池长度维度空间坐标点,ce是不同区域的液相浓度,εe +、εe -和εe sep分别是正极、负极和隔膜区域液相体积分数,t是时间,a+和a-分别是正负极单位体积的有效反应面积,i0 +和i0 -分别是正负极集流板电流密度,R是普适气体常数,T是参考温度,F是法拉第常数,tc是锂电子迁移数,L+、L-和Lsep分别是正极、负极和隔膜的长度,η+和η-分别是正负极过电位。
固相传质的控制方程为:
其中,Ds +和Ds -分别是正负极固相浓度扩散系数,cs +和cs -分别是正负极固相浓度,r是真实的活性材料颗粒半径维度空间坐标点,x是真实的电池长度维度空间坐标点,t是时间,L+、L-和Lsep分别是正极、负极和隔膜的长度,Rs +和Rs -分别是正负极活性材料颗粒半径,i0 +和i0 -分别是正负极集流板电流密度,R是普适气体常数,T是参考温度,F是法拉第常数,η+和η-分别是正负极过电位。
将电场控制方程和浓度场控制方程在每个离散点根据控制方程中的微分关系和采用的数值方法离散为关于过电位eta(上述控制方程中为希腊字母η,以下统称为eta)、固定交换电流密度is、不同区域的液相浓度ce和固相浓度cs的非线性方程组,F(eta,is,ce,cs)=0,记var=(eta,is,ce,cs),则上述非线性方程组则为:F(var)=0。
步骤S12,获取所述非线性方程组对应的雅克比矩阵。其中,所述雅克比矩阵是函数的一阶偏导数以一定方式排列而成的矩阵。
步骤S13,利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果。其中,所述非线性方程组可以采用牛顿法、拟牛顿法、最速下降法等方法迭代处理,结合所述雅克布矩阵转换成对应的线性方程组,调用算法进行处理获取所述微观物理量的模拟结果。
步骤S14,根据所述微观物理量的模拟结果获取预警诊断结果。其中,所述预警诊断是电池的故障诊断和预警,可以通过所述微观物理量的模拟结果与预设值的差异实现对电池的故障预警。
本申请实施例中的预警诊断方法可以利用离散点对电化学模型的控制方程进行离散,获取电化学模型中微观物理量的非线性方程组,根据非线性方程组获取对应的雅克比矩阵,进一步地获取电化学模型中微观物理量的模拟结果,从而获取电池的预警诊断结果。这种方式获取的预警诊断结果不仅考虑了电场对浓度场的影响,还考虑了浓度场对电场的影响,可以提高微观物理量的数值模拟精度,进一步提升电化学模型预警诊断的可信度。
于本申请的一实施例中,所述电化学模型为全耦合的电化学模型,所述离散点由所述电化学模型通过网格离散得到。在一些可能的实现方式中,所述网格离散可以对锂电池准二维模型的不同维度进行等距划分,再利用有限差分法、有限体积法或有限元法对控制方程进行离散,但本申请并不以此为限。
于本申请的一实施例中,所述离散点的获取方法包括:基于切比雪夫谱方法在所述电化学模型的电池长度维度和颗粒半径维度进行网格离散以获取所述离散点。其中,所述切比雪夫谱方法可以采用非等距划分进行离散处理。所述电池模型的电池长度维度为x轴,所述电池模型的颗粒半径维度为r轴。
在一些可能的实现方式中,图3A显示为这些实现方式中网格离散示意图。如图3A所示,对锂电池准二维模型中电池长度维度的x轴进行离散,[-1,1]上的切比雪夫点的定义为,
其中,xj电池长度维度x轴的离散点,N是[-1,1]电池长度维度的离散区间。利用切比雪夫谱方法对锂电池准二维模型的电池长度进行离散,获取多个离散点。
图3B显示为这些实现方式中的网格离散示意图。如图3B所示,利用切比雪夫谱方法对锂电池准二维模型中颗粒半径维度的r轴进行离散,所获取的多个离散点如图3B所示。需要说明的是,以上仅为本申请实施例一种可能的实现方式,本申请并不以此为限。
本申请实施例中采用切片雪夫谱方法进行网格离散获取离散点,能够以较少的离散区间数来获得很高的数值精度,降低了方程组的维数,可以进一步提高获取预警诊断结果的效率。
于本申请的一实施例中,获取所述非线性方程组对应的雅克比矩阵包括:利用数值分析法或解析法对所述非线性方程组进行处理,以获取所述非线性方程组对应的雅克比矩阵。其中,所述解析法是指包含公式、三角函数、指数、对数、无线级数等基本函数的形式。所述数值分析法是指设计及分析计算的方式,针对问题得到近似但足够精确的结果。
在一些可能的实现方式中,可以通过求得非线性方程组的每个分量关于var的每个分量的导数来获取所述非线性方程组对应的雅克比矩阵。关于过电位eta、固定交换电流密度is、不同区域的液相浓度ce和固相浓度cs的非线性方程组为:
F(eta,is,ce,cs)=0,
记var=(eta,is,ce,cs),则上述非线性方程组即为F(var)=0。由于非线性方程组F关于var的表达式已知,可以采用解析法获取非线性方程组对应的雅克比矩阵。采用解析法获取非线性方程组对应的雅克比矩阵的一种实现方法包括:获取关于过电位eta、固定交换电流密度is、不同区域的液相浓度ce和固相浓度cs的非线性方程组F(var)=0;采用解析法得到F的雅克比矩阵J=J(var)。
在另一些可能的实现方式中,可以采用数值分析法获取所述非线性方程组对应的雅克比矩阵。给定var的第k各分量的一个小扰动deltak,利用下列公式
可以近似得到F的雅克比矩阵的第k列,从而数值地得到F的雅克比矩阵的近似矩阵。
图4A显示为本申请实施例所述的雅克比矩阵的示意图。图4B显示为本申请实施例所述的雅克比矩阵的示意图。如图4A所示,黑点表示雅克比矩阵在该位置的元素非零,左上角表征电场内部的影响结果,右下角聚集成方块状的黑点表征浓度场内部的影响结果,右上角表征浓度场对电场的影响结果,左下角表征电场对浓度场的影响结果。如图4B所示,黑点表示雅克比矩阵在该位置的元素非零,左上角表征电场内部的影响结果,右下角由黑点排列而成的对角线表征浓度场内部的影响结果,右上角表征浓度场对电场的影响结果,左下角表征电场对浓度场的影响结果。
于本申请的一实施例中,步骤S13利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果,可以采用Newton法,拟牛顿法,最速下降法等方法,但本申请并不以此为限。以下以Newton法为例,具体介绍步骤S13的实现方式。
步骤S131,对非线性方程组F(var)=0进行迭代处理,具体迭代关系式为:
var{k+1}=vark-J(vark){-1}×F(vark),
步骤S132,迭代将非线性方程组转换为线性方程组,此时,需要求解线性方程组:
J(vark)×delta=F(vark),
可以直接调用算法求解得到所述微观物理量的模拟结果。
步骤S133,预先设定容许误差tol,若迭代F(vark)的范数小于容许误差,则得到了非线性方程组的近似解var。也即是,得到了当前时刻过电位eta、固定交换电流密度is、不同区域的液相浓度ce和固相浓度cs的数值模拟结果。
在另一些可能的实现方式中,由于电场和液相传质只用到固相颗粒表面浓度,可以在每次迭代处理后更新固相颗粒内部浓度,以降低雅克比矩阵的维数,有效提高获取微观物理量的模拟结果的速度,降低获取微观物理量的模拟结果所需的存储空间。
于本申请的一实施例中,根据所述微观物理量的模拟结果获取预警诊断结果包括:利用所述微观物理量的模拟结果与阈值进行对比,以获取所述预警诊断结果。其中,阈值可以是人为设置,也可以是根据电池的参数计算得到,本申请并不以此为限。
于本申请的一实施例中,图5A、图5B和图5C显示为本申请实施例所述的阈值对比示意图。利用所述微观物理量的模拟结果与阈值进行对比,以获取所述预警诊断结果包括:
如图5A所示,若所述过电位的数值模拟结果低于第一阈值,则确定所述预警诊断结果为Sei膜增厚;若所述过电位的数值模拟结果低于第二阈值,则确定所述预警诊断结果为锂枝晶生长;若所述过电位的数值模拟结果高于第三阈值,则确定所述预警诊断结果为电解液分解。
如图5B所示,若所述液相电流的数值模拟结果高于第四阈值,则确定所述预警诊断结果为锂枝晶生长。
图图5C所示,若所述液相浓度的数值模拟结果低于第五阈值,则确定所述预警诊断结果为锂枝晶生长。
其中,第一阈值、第二阈值、第三阈值、第四阈值和/或第五阈值可以人为设置,也可以是根据电池的参数计算得到,本申请并不以此为限。
于本申请的一实施例中,图6显示为本申请实施例所述的预警诊断系统的结构示意图。如图6所示,预警诊断系统100包括离散处理模块110、矩阵获取模块120、数值获取模块130和预警诊断模块140。
离散处理模块110用于利用电池电化学模型的离散点对所述电化学模型的电场控制方程和浓度场控制方程进行离散,以获取所述电化学模型中微观物理量的非线性方程组。矩阵获取模块120用于获取所述非线性方程组对应的雅克比矩阵。数值获取模块130用于利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果。预警诊断模块140用于根据所述微观物理量的模拟结果获取预警诊断结果。
本申请实施例中,预警诊断系统100可以利用离散点对电化学模型的控制方程进行离散,获取电化学模型中微观物理量的非线性方程组,矩阵获取模块120根据非线性方程组获取对应的雅克比矩阵,进一步地利用数值获取模块130获取电化学模型中微观物理量的模拟结果,从而最终通过预警诊断模块140获取电池的预警诊断结果。获取的预警诊断结果不仅考虑了电场对浓度场的影响,还考虑了浓度场对电场的影响,可以提高微观物理量的数值模拟精度,从而进一步提升电化学模型预警诊断的可信度。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置或方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅是示意性的,例如,模块/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,例如多个模块或单元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信连接可以是通过一些接口,装置或模块或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块/单元可以是或者也可以不是物理上分开的,作为模块/单元显示的部件可以是或者也可以不是物理模块,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模块/单元来实现本申请实施例的目的。例如,在本申请各个实施例中的各功能模块/单元可以集成在一个处理模块中,也可以是各个模块/单元单独物理存在,也可以两个或两个以上模块/单元集成在一个模块/单元中。
本领域普通技术人员应该还可以进一步意识到,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、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,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。
本申请实施例还提供了一种电子设备。图7显示为本申请实施例所述的电子设备的结构示意图。如图7所示,本实施例中电子设备700包括存储器710和处理器720。
存储器710用于存储计算机程序;优选地,存储器710包括:ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
具体地,存储器710可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)和/或高速缓存存储器。电子设备700可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。存储器710可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
处理器720与存储器710相连,用于执行存储器710存储的计算机程序,以使电子设备700执行本申请实施例中提供的预警诊断方法。
可选地,处理器720可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal 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。
可选地,本实施例中电子设备700还可以包括显示器730。显示器730与存储器710和处理器720通信相连,用于显示预警诊断方法的相关GUI交互界面。
本申请实施例还提供了一种计算机可读存储介质。本领域普通技术人员可以理解实现上述实施例的方法中的全部或部分步骤是可以通过程序来指令处理器完成,所述的程序可以存储于计算机可读存储介质中,所述存储介质是非短暂性(non-transitory)介质,例如随机存取存储器,只读存储器,快闪存储器,硬盘,固态硬盘,磁带(magnetic tape),软盘(floppy disk),光盘(optical disc)及其任意组合。上述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本申请实施例还可以提供一种计算机程序产品,所述计算机程序产品包括一个或多个计算机指令。在计算设备上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机或数据中心进行传输。
所述计算机程序产品被计算机执行时,所述计算机执行前述方法实施例所述的方法。该计算机程序产品可以为一个软件安装包,在需要使用前述方法的情况下,可以下载该计算机程序产品并在计算机上执行该计算机程序产品。
上述各个附图对应的流程或结构的描述各有侧重,某个流程或结构中没有详述的部分,可以参见其他流程或结构的相关描述。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,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申请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,仍应由本申请的权利要求所涵盖。
Claims (9)
1.一种预警诊断方法,其特征在于,包括:
利用电池电化学模型的离散点对所述电化学模型的电场控制方程和浓度场控制方程进行离散,以获取所述电化学模型中微观物理量的非线性方程组;其中,所述非线性方程组为关于过电位、固定交换电流密度、不同区域的液相浓度和固定浓度的非线性方程组;
获取所述非线性方程组对应的雅克比矩阵;其中,利用数值分析法或解析法对所述非线性方程组进行处理,以获取所述非线性方程组对应的雅克比矩阵;
利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果;
根据所述微观物理量的模拟结果获取预警诊断结果;
其中,所述电场控制方程为:
is -(0)=iapp,
is +(L-+Lsep)=0,
is +(L-+Lsep+L+)=iapp;
其中,η+和η-分别是正负极过电位,x是真实的电池长度维度空间坐标点,is +和is -分别是正负极固相交换电流密度,iapp是外电路电流,k+,eff和k-,eff分别是正负极固相有效电导率,σ-,eff和σ+,eff分别是正负极电解液有效电导率,R是普适气体常数,T是参考温度,F是法拉第常数,tc是锂电子迁移数,ce是不同区域的液相浓度,ocv+和ocv-分别是正负极的开路电压,L+、L-和Lsep分别是正极、负极和隔膜的长度,a+和a-分别是正负极单位体积的有效反应面积,i0 +和i0 -分别是正负极集流板电流密度;
所述浓度场控制方程包括液相传质控制方程和固相传质控制方程。
2.根据权利要求1所述的预警诊断方法,其特征在于,所述电化学模型为全耦合的电化学模型,所述离散点由所述电化学模型通过网格离散得到。
3.根据权利要求2所述的预警诊断方法,其特征在于,所述离散点的获取方法包括:基于切比雪夫谱方法在所述电化学模型的电池长度维度和颗粒半径维度进行网格离散以获取所述离散点。
4.根据权利要求1所述的预警诊断方法,其特征在于,根据所述微观物理量的模拟结果获取预警诊断结果包括:
利用所述微观物理量的模拟结果与阈值进行对比,以获取所述预警诊断结果。
5.根据权利要求4所述的预警诊断方法,其特征在于,所述微观物理量的模拟结果包括过电位的数值模拟结果,液相电流的数值模拟结果,液相浓度的数值模拟结果和固相浓度的数值模拟结果。
6.根据权利要求5所述的预警诊断方法,其特征在于,利用所述微观物理量的模拟结果与阈值进行对比,以获取所述预警诊断结果包括:
若所述过电位的数值模拟结果低于第一阈值,则确定所述预警诊断结果为Sei膜增厚;
若所述过电位的数值模拟结果低于第二阈值,则确定所述预警诊断结果为锂枝晶生长;
若所述过电位的数值模拟结果高于第三阈值,则确定所述预警诊断结果为电解液分解;
若所述液相电流的数值模拟结果高于第四阈值,则确定所述预警诊断结果为锂枝晶生长;
若所述液相浓度的数值模拟结果低于第五阈值,则确定所述预警诊断结果为锂枝晶生长。
7.一种预警诊断系统,其特征在于,所述系统包括:
离散处理模块,用于利用电池电化学模型的离散点对所述电化学模型的电场控制方程和浓度场控制方程进行离散,以获取所述电化学模型中微观物理量的非线性方程组;其中,所述非线性方程组为关于过电位、固定交换电流密度、不同区域的液相浓度和固定浓度的非线性方程组;
矩阵获取模块,用于获取所述非线性方程组对应的雅克比矩阵;其中,利用数值分析法或解析法对所述非线性方程组进行处理,以获取所述非线性方程组对应的雅克比矩阵;
数值获取模块,用于利用所述雅克比矩阵和所述非线性方程组获取所述微观物理量的模拟结果;
预警诊断模块,用于根据所述微观物理量的模拟结果获取预警诊断结果;
其中,所述电场控制方程为:
is -(0)=iapp,
is +(L-+Lsep)=0,
is +(L-+Lsep+L+)=iapp;
其中,η+和η-分别是正负极过电位,x是真实的电池长度维度空间坐标点,is +和is -分别是正负极固相交换电流密度,iapp是外电路电流,k+,eff和k-,eff分别是正负极固相有效电导率,σ-,eff和σ+,eff分别是正负极电解液有效电导率,R是普适气体常数,T是参考温度,F是法拉第常数,tc是锂电子迁移数,ce是不同区域的液相浓度,ocv+和ocv-分别是正负极的开路电压,L+、L-和Lsep分别是正极、负极和隔膜的长度,a+和a-分别是正负极单位体积的有效反应面积,i0 +和i0 -分别是正负极集流板电流密度;
所述浓度场控制方程包括液相传质控制方程和固相传质控制方程。
8.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储计算机程序;
处理器,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6任一项所述的预警诊断方法。
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,该程序被处理器执行时实现权利要求1至6任一项所述的预警诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097290.5A CN116029143B (zh) | 2023-02-07 | 2023-02-07 | 一种预警诊断方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097290.5A CN116029143B (zh) | 2023-02-07 | 2023-02-07 | 一种预警诊断方法、系统、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116029143A CN116029143A (zh) | 2023-04-28 |
CN116029143B true CN116029143B (zh) | 2023-09-19 |
Family
ID=86072328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310097290.5A Active CN116029143B (zh) | 2023-02-07 | 2023-02-07 | 一种预警诊断方法、系统、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116029143B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509762A (zh) * | 2018-03-29 | 2018-09-07 | 北京普莱德新能源电池科技有限公司 | 一种电池的物理化学变化性能参数模拟方法及装置 |
CN109143083A (zh) * | 2018-11-07 | 2019-01-04 | 重庆大学 | 一种数据驱动的电动车辆锂离子电池析锂诊断方法 |
CN114187970A (zh) * | 2021-11-30 | 2022-03-15 | 清华大学 | 一种基于电化学机理的锂离子电池内外特性仿真方法 |
CN114912327A (zh) * | 2022-05-27 | 2022-08-16 | 上海玫克生储能科技有限公司 | 电池电化学模型中电流密度的计算方法、装置及存储介质 |
CN115116554A (zh) * | 2022-06-29 | 2022-09-27 | 上海玫克生储能科技有限公司 | 电化学模型的电场解耦方法及装置 |
-
2023
- 2023-02-07 CN CN202310097290.5A patent/CN116029143B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509762A (zh) * | 2018-03-29 | 2018-09-07 | 北京普莱德新能源电池科技有限公司 | 一种电池的物理化学变化性能参数模拟方法及装置 |
CN109143083A (zh) * | 2018-11-07 | 2019-01-04 | 重庆大学 | 一种数据驱动的电动车辆锂离子电池析锂诊断方法 |
CN114187970A (zh) * | 2021-11-30 | 2022-03-15 | 清华大学 | 一种基于电化学机理的锂离子电池内外特性仿真方法 |
CN114912327A (zh) * | 2022-05-27 | 2022-08-16 | 上海玫克生储能科技有限公司 | 电池电化学模型中电流密度的计算方法、装置及存储介质 |
CN115116554A (zh) * | 2022-06-29 | 2022-09-27 | 上海玫克生储能科技有限公司 | 电化学模型的电场解耦方法及装置 |
Non-Patent Citations (3)
Title |
---|
Computationally efficient battery model for microgrid applications using the Chebyshev spectral method;D.M. Ajiboye,etc.;《Computers and Chemical Engineering》;第1-10页 * |
基于电化学机理模型的锂离子电池参数辨识及电池SOC估计方法研究;邓昊;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;C042-284 * |
陈庆樟.《电动汽车技术及应用》.北京:机械工业出版社,2022,154-157. * |
Also Published As
Publication number | Publication date |
---|---|
CN116029143A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marquis et al. | An asymptotic derivation of a single particle model with electrolyte | |
Panchal et al. | Electrochemical thermal modeling and experimental measurements of 18650 cylindrical lithium-ion battery during discharge cycle for an EV | |
Torchio et al. | Lionsimba: a matlab framework based on a finite volume model suitable for li-ion battery design, simulation, and control | |
Yang et al. | Extreme learning machine-based thermal model for lithium-ion batteries of electric vehicles under external short circuit | |
Huang et al. | Theory of impedance response of porous electrodes: simplifications, inhomogeneities, non-stationarities and applications | |
Xia et al. | A computationally efficient implementation of a full and reduced-order electrochemistry-based model for Li-ion batteries | |
Quattrocchi et al. | A general model for the impedance of batteries and supercapacitors: The non-linear distribution of diffusion times | |
Yu et al. | Fractional-order modeling of lithium-ion batteries using additive noise assisted modeling and correlative information criterion | |
Korotkin et al. | DandeLiion v1: An extremely fast solver for the Newman model of lithium-ion battery (dis) charge | |
Tian et al. | 3-D temperature field reconstruction for a lithium-ion battery pack: A distributed Kalman filtering approach | |
Arunachalam et al. | Full homogenized macroscale model and pseudo-2-dimensional model for lithium-ion battery dynamics: comparative analysis, experimental verification and sensitivity analysis | |
Du et al. | Energy density comparison of Li-ion cathode materials using dimensional analysis | |
CN115828685B (zh) | 基于切比雪夫谱方法的锂电池温度仿真方法、装置及介质 | |
CN116341297B (zh) | 电池仿真方法、装置、电子设备及计算机可读存储介质 | |
Shen et al. | A sensitivity-based group-wise parameter identification algorithm for the electric model of li-ion battery | |
Wimarshana et al. | Parameter sensitivity analysis of a physico-chemical lithium-ion battery model with combined discharge voltage and electrochemical impedance data | |
CN115840144A (zh) | 电池仿真计算方法、装置、计算机设备和存储介质 | |
CN114912327A (zh) | 电池电化学模型中电流密度的计算方法、装置及存储介质 | |
Guo et al. | Nonlinear state-variable method for solving physics-based li-ion cell model with high-frequency inputs | |
Duan et al. | Parameter identification of lithium-ion batteries by coupling electrochemical impedance spectroscopy with a physics-based model | |
Xia et al. | A computationally efficient implementation of an electrochemistry-based model for Lithium-ion batteries | |
CN116029143B (zh) | 一种预警诊断方法、系统、电子设备及介质 | |
US20240053402A1 (en) | Method for analyzing battery life degradation, storage medium, and electronic device | |
Guo et al. | An adaptive reduced-order-modeling approach for simulating real-time performances of li-ion battery systems | |
Wang et al. | System identification and state estimation of a reduced-order electrochemical model for lithium-ion batteries |
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 |