CN116047343A - 电池状态评估方法、装置、设备、存储介质和程序产品 - Google Patents

电池状态评估方法、装置、设备、存储介质和程序产品 Download PDF

Info

Publication number
CN116047343A
CN116047343A CN202211526262.2A CN202211526262A CN116047343A CN 116047343 A CN116047343 A CN 116047343A CN 202211526262 A CN202211526262 A CN 202211526262A CN 116047343 A CN116047343 A CN 116047343A
Authority
CN
China
Prior art keywords
battery
state evaluation
simulation
model
parameter data
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
Application number
CN202211526262.2A
Other languages
English (en)
Inventor
张庆平
慈松
闫振华
王子毅
李学峰
周杨林
张爽
陈悦
夏绪卫
高博
李永亮
罗海荣
王斌
李秀广
李晓龙
亓亮
张华龙
马瑞
朱东歌
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.)
Tsinghua University
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Original Assignee
Tsinghua University
Electric Power Research Institute of State Grid Ningxia Electric Power 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 Tsinghua University, Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN202211526262.2A priority Critical patent/CN116047343A/zh
Publication of CN116047343A publication Critical patent/CN116047343A/zh
Pending legal-status Critical Current

Links

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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本申请涉及一种电池状态评估方法、装置、设备、存储介质和程序产品。所述方法包括：首先，获取待评估的电池的电池参数数据，然后，将电池参数数据输入根据电池的仿真模拟结果训练得到的电池状态评估模型中，最后，根据电池状态评估模型的输出结果，确定电池的状态评估结果，状态评估结果用于指示电池的剩余循环次数。采用本方法能够得到用于指示电池的剩余循环次数的状态评估结果，电池的剩余循环次数可以作为电池寿命的评价标准，这种通过定量的方式得到的电池的状态评估结果更准确。

Description

电池状态评估方法、装置、设备、存储介质和程序产品
技术领域
本申请涉及电池技术领域，特别是涉及一种电池状态评估方法、装置、设备、存储介质和程序产品。
背景技术
随着新能源、电动汽车和电网的发展，储能技术变得尤为重要，储能技术不仅可以为新能源以及分布式能源的大规模并网提供条件，而且是构建智能电网的重要组成部分。电池是储能系统中的重要组成部分，电池的健康状态影响储能系统的正常运行，因此，储能系统中电池的健康状态成为了需要关注的问题。
目前，当发现电池的容量衰减到一定阈值时，根据经验通常认为电池需要进行更换。然而，这种对电池健康状态的评估方法不够准确。
发明内容
基于此，有必要针对上述技术问题，提供一种对电池状态评估更准确的电池状态评估方法、装置、设备、存储介质和程序产品。
第一方面，本申请提供了一种电池状态评估方法。该方法包括：获取电池的电池参数数据；将电池参数数据输入电池状态评估模型中，电池状态评估模型是根据电池的仿真模拟结果训练得到的；根据电池状态评估模型的输出结果，确定电池的状态评估结果，状态评估结果用于指示电池的剩余循环次数。
在其中一个实施例中，电池参数数据包括体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量中的至少两种。
在其中一个实施例中，电池状态评估模型的训练过程包括：获取电池的电化学等效模型；根据电化学等效模型对电池进行仿真模拟，得到多个仿真数据，各仿真数据包括仿真电池参数数据和仿真剩余循环次数；利用多个仿真数据对初始模型进行训练，得到电池状态评估模型。
在其中一个实施例中，获取电池的电化学等效模型之前，方法还包括：获取电池的属性参数；根据属性参数构建电化学等效模型。
在其中一个实施例中，根据电化学等效模型对电池进行仿真模拟，得到多个仿真数据，包括：根据电化学等效模型对电池的不同工况进行仿真模拟，得到多个仿真数据。
在其中一个实施例中，电池状态评估模型为长短时神经网络。
第二方面，本申请还提供了一种电池状态评估装置。该装置包括：
获取模块，用于获取电池的电池参数数据；
输入模块，用于将电池参数数据输入电池状态评估模型中，电池状态评估模型是根据电池的仿真模拟结果训练得到的；
确定模块，用于根据电池状态评估模型的输出结果，确定电池的状态评估结果，状态评估结果用于指示电池的剩余循环次数。
在其中一个实施例中，电池参数数据包括体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量中的至少两种。
在其中一个实施例中，还包括训练模块，训练模块用于获取电池的电化学等效模型；根据电化学等效模型对电池进行仿真模拟，得到多个仿真数据，各仿真数据包括仿真电池参数数据和仿真剩余循环次数；利用多个仿真数据对初始模型进行训练，得到电池状态评估模型。
在其中一个实施例中，还包括构建模块，构建模块用于获取电池的属性参数；根据属性参数构建电化学等效模型。
在其中一个实施例中，训练模块，具体用于根据电化学等效模型对电池的不同工况进行仿真模拟，得到多个仿真数据。
在其中一个实施例中，电池状态评估模型为长短时神经网络。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述电池状态评估方法。
第四方面，本申请还提供了一种计算机可读存储介质。所述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执行时实现上述电池状态评估方法。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述电池状态评估方法。
上述电池状态评估方法、装置、设备、存储介质和程序产品，首先，获取待评估的电池的电池参数数据，然后，将电池参数数据输入根据电池的仿真模拟结果训练得到的电池状态评估模型中，最后，根据电池状态评估模型的输出结果，确定电池的状态评估结果，状态评估结果用于指示电池的剩余循环次数。通过这种方式，通过测量电池的电池参数数据，将电池参数数据输入预先训练好的电池状态评估模型中，根据电池评估模型得到用于指示电池的剩余循环次数的状态评估结果，电池的剩余循环次数可以作为电池寿命的评价标准，这种通过定量的方式得到的电池的状态评估结果更准确。
附图说明
图1为一个实施例中电池状态评估方法的流程示意图；
图2为另一个实施例中电池状态评估方法的流程示意图；
图3为另一个实施例中电池状态评估方法的流程示意图；
图4为另一个实施例中电池状态评估方法的流程示意图；
图5为一个实施例中电池状态评估模型的拓扑结构图；
图6为一个实施例中电池状态评估装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
随着新能源、电动汽车和电网的发展，储能技术变得尤为重要，储能技术不仅可以为新能源以及分布式能源的大规模并网提供条件，而且是构建智能电网的重要组成部分。电池是储能系统中的重要组成部分，电池的健康状态影响储能系统的正常运行，因此，储能系统中电池的健康状态成为了需要关注的问题。目前，当发现电池的容量衰减到一定阈值时，根据经验通常认为电池需要进行更换。然而，这种对电池健康状态的评估方法不够准确。
有鉴于此，本申请实施例提供了一种电池状态评估方法，该方法通过测量电池的电池参数数据，将电池参数数据输入预先训练好的电池状态评估模型中，根据电池评估模型得到用于指示电池的剩余循环次数的状态评估结果，电池的剩余循环次数可以作为电池寿命的评价标准，这种通过定量的方式得到的电池的状态评估结果更准确。
在一个实施例中，如图1所示，提供了一种电池状态评估方法，以该方法应用于终端为例进行说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。该方法包括以下步骤：
步骤101，终端获取电池的电池参数数据。
通过在电池内部嵌入内置的光纤传感器，可以测量电池内部状态变化的数据，通过多种参数数据可以更好对电池的健康状态进行评估。
其中，电池的参数数据可以包括电池的体积膨胀率、电池固体电解质相界面(Solid Electrolyte Interphase,SEI)厚度、内部温度、电流以及当前容量中的至少两种。
步骤102，终端将电池参数数据输入电池状态评估模型中。
电池状态评估模型是根据电池的仿真模拟结果训练得到的。电池状态评估模型用于对电池的状态进行评估，将获取到的内部传感器采集到的电池参数数据输入电池状态评估模型中，得到电池状态评估结果。电池状态评估模型可以采用神经网络模型或者其他深度学习模型。
步骤103，终端根据电池状态评估模型的输出结果，确定电池的状态评估结果。
状态评估结果用于指示电池的剩余循环次数。可选的，电池的剩余循环次数可以定义为：
SOH＝f(V,T,D,I,Q)
其中，SOH为剩余循环次数，V为电池体积膨胀率，T为当前内部温度，D为SEI厚度，I当前电流，Q为当前容量。
电池状态评估模型根据输入的电池参数数据输出电池的剩余循环次数。电池的剩余循环次数为电池发生安全故障或者电池完全不能使用时的剩余循环次数。在根据电池的参数数据得到电池的剩余循环次数后，当电池使用达到剩余循环次数时，为避免电池继续使用引发安全事故，即对电池进行更换，比根据经验判断电池容量来确定是否需要更换更准确，同时能够提高电池的利用率。
上述实施例中，首先，获取待评估的电池的电池参数数据，然后，将电池参数数据输入根据电池的仿真模拟结果训练得到的电池状态评估模型中，最后，根据电池状态评估模型的输出结果，确定电池的状态评估结果，状态评估结果用于指示电池的剩余循环次数。通过这种方式，通过测量电池的电池参数数据，将电池参数数据输入预先训练好的电池状态评估模型中，根据电池评估模型得到用于指示电池的剩余循环次数的状态评估结果，电池的剩余循环次数可以作为电池寿命的评价标准，这种通过定量的方式得到的电池的状态评估结果更准确。
在一个实施例中，需要对电池状态评估模型进行训练，如图2所示，训练步骤包括：
步骤201，终端获取电池的电化学等效模型。
其中，电池的电化学等效模型可以用来对电池的状态进行仿真模拟。由于对电池状态评估模型进行训练需要在数据采集阶段获取电池的剩余循环次数，本申请所定义的电池剩余循环次数的终止为电池发生安全故障或者电池完全不能使用，因此如果实际验证来得到电池的剩余循环次数会存在一定的危险性，因此需要通过仿真模拟，得到电池的仿真模拟结果。电池的电化学等效模型的建立过程如图3所示，步骤包括：
步骤301，终端获取电池的属性参数。
获取电池的属性参数，属性参数可以包括上文中的电池的体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量，还可以包括电池的结构参数等。
步骤302，终端根据属性参数构建电化学等效模型。
根据获取到的电池的属性参数，通过对电池的属性参数进行建模，得到相应的高精度的电化学等效模型，电化学等效模型可以模拟电池的状态得到不同参数状态下状态数据。具体的电化学等效模型可以为一种改进的单粒子模型，或者其他电化学等效模型，本实施例对此不做限制。
步骤202，终端根据电化学等效模型对电池进行仿真模拟，得到多个仿真数据。
其中，各仿真数据包括仿真电池参数数据和仿真剩余循环次数。仿真电池参数数据为电池内部传感器采集到的参数数据，仿真剩余循环次数为根据电化学等效模型对电池进行仿真模拟得到的数据。
根据电化学等效模型对电池的不同工况进行仿真模拟，得到多个仿真数据。不同工况包括电池产生热失控、短路、开路等完全无法使用的情况，电化学模型对各种不同工况进行循环测试，记录电池的运行数据，从而得到不同工况下的电池发生故障前的仿真剩余循环次数。
步骤203，终端利用多个仿真数据对初始模型进行训练，得到电池状态评估模型。
可选的，电池状态评估模型为长短时神经网络(Long Short-Term Memory，LSMT)。LSTM是一种深度学习的机器学习方法，它与传统的机器学习的主要区别在于特征选择。传统的机器学习方法需要人工来识别其特征，在LSMT中，原始数据可以直接用作输入，而无需提取和选择特征。
利用多组仿真数据对长短时神经网络进行训练，建立仿真电池参数数据和仿真剩余循环次数的映射关系。即根据输入的电池参数数据如电池的体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量时，得到仿真剩余循环次数。
其中，LSTM网络的拓扑结构如图4所示，在LSTM中，存储单元包含三种类型的门：遗忘门、输入门和输出门。遗忘门决定从单元中丢弃哪些信息。遗忘门读取ht-1和xt，xt为输入参数，然后通过σ层即全连接层和激活函数层向前一时刻的单元状态Ct-1输出一个值。此时，输出为：
ft＝σ(Wf[ht-1,xt]+bf)
输入门结构用于确定哪些信息可用于更新单元状态。因此，它可以克服递归神经网络中的梯度消失问题。其中，输入门结构可以表示为：
it＝σ(Wi[ht-1,xt]+bi)
Figure BDA0003974994340000071
在计算完输入门后，将前一时刻Ct-1的状态乘以遗忘门ft，并丢弃无关信息。此外，可以通过将
Figure BDA0003974994340000072
相加来获得新的单元状态值。表达方式为：
Figure BDA0003974994340000073
其中，输出门的功能为确定每个存储单元输出的信息。具体的，输出门的结构可以表示为：
ot＝σ(Wo[ht-1,xt]+bo)
ht＝ot×tanh(Ct)
综上，通过三个闸门的控制，可以确定神经元在前一时刻的信息传输。因此，它对长周期时间序列数据具有更好的学习能力。通过将电池参数数据如电池的体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量作为LSMT的输入，仿真剩余循环次数作为输出，对网络进行训练，得到电池状态评估模型。
在本申请的实施例中，请参考图5，其示出了本申请实施例提供的一种电池状态评估方法的流程图，该电池状态评估方法包括以下步骤：
步骤501，终端获取电池的电化学等效模型。
步骤502，终端根据电化学等效模型对电池进行仿真模拟，得到多个仿真数据。
步骤503，终端利用多个仿真数据对初始模型进行训练，得到电池状态评估模型。
步骤504，终端获取电池的电池参数数据。
步骤505，终端将电池参数数据输入电池状态评估模型中。
步骤506，终端根据电池状态评估模型的输出结果，确定电池的状态评估结果。
为了便于读者理解本申请实施例提供的电池状态评估方法，下面对本申请的电池评估方法进行举例说明，以电池参数数据包括电池的体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量为例，具体方法步骤包括：
(1)测量电池参数，拆解电池，测量建立电化学等效模型的各个所需参数。
(2)建立电化学等效模型，根据第一步的电池参数，建立高精度等效模型。
(3)仿真模拟，根据电化学等效模型进行失效仿真实验，遍历多种异常工况下循环测试，直至电池产生热失控、短路和开路等完全无法使用的情况，记录运行数据，即剩余循环次数。
(4)利用仿真模拟得到的运行数据，将电池的体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量内置传感器采集到的数据作为输入，剩余循环次数作为输出，对LSTM进行训练，得到电池状态评估模型。
(5)将实际采集到的电池参数数据输入电池状态评估模型，得到电池状态评估结果。
应该理解的是，虽然如上所述的各实施例所涉及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，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电池状态评估方法的电池状态评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电池状态评估装置实施例中的具体限定可以参见上文中对于电池状态评估方法的限定，在此不再赘述。
在一个实施例中，如图6所示，提供了一种电池状态评估装置600，包括：获取模块601、输入模块602和确定模块603，其中：
该获取模块601，用于获取电池的电池参数数据；
该输入模块602，用于将电池参数数据输入电池状态评估模型中，电池状态评估模型是根据电池的仿真模拟结果训练得到的；
该确定模块603，用于根据电池状态评估模型的输出结果，确定电池的状态评估结果，状态评估结果用于指示电池的剩余循环次数。
在本申请的实施例中，电池参数数据包括体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量中的至少两种。
在本申请的实施例中，还提供了另一种电池状态评估装置，该电池状态评估装置除了包括电池评估装置包括的各模块外，还包括训练模块和构建模块。
其中，该训练模块，用于获取电池的电化学等效模型；根据电化学等效模型对电池进行仿真模拟，得到多个仿真数据，各仿真数据包括仿真电池参数数据和仿真剩余循环次数；利用多个仿真数据对初始模型进行训练，得到电池状态评估模型。
该构建模块，用于获取电池的属性参数；根据属性参数构建电化学等效模型。
该训练模块，具体用于根据电化学等效模型对电池的不同工况进行仿真模拟，得到多个仿真数据。
在本申请的实施例中，电池状态评估模型为长短时神经网络。
上述电池状态评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电池状态评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取电池的电池参数数据；将电池参数数据输入电池状态评估模型中，电池状态评估模型是根据电池的仿真模拟结果训练得到的；根据电池状态评估模型的输出结果，确定电池的状态评估结果，状态评估结果用于指示电池的剩余循环次数。
在一个实施例中，电池参数数据包括体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量中的至少两种。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取电池的电化学等效模型；根据电化学等效模型对电池进行仿真模拟，得到多个仿真数据，各仿真数据包括仿真电池参数数据和仿真剩余循环次数；利用多个仿真数据对初始模型进行训练，得到电池状态评估模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取电池的属性参数；根据属性参数构建电化学等效模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据电化学等效模型对电池的不同工况进行仿真模拟，得到多个仿真数据。
在一个实施例中，电池状态评估模型为长短时神经网络。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取电池的电池参数数据；将电池参数数据输入电池状态评估模型中，电池状态评估模型是根据电池的仿真模拟结果训练得到的；根据电池状态评估模型的输出结果，确定电池的状态评估结果，状态评估结果用于指示电池的剩余循环次数。
在一个实施例中，电池参数数据包括体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量中的至少两种。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取电池的电化学等效模型；根据电化学等效模型对电池进行仿真模拟，得到多个仿真数据，各仿真数据包括仿真电池参数数据和仿真剩余循环次数；利用多个仿真数据对初始模型进行训练，得到电池状态评估模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取电池的属性参数；根据属性参数构建电化学等效模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据电化学等效模型对电池的不同工况进行仿真模拟，得到多个仿真数据。
在一个实施例中，电池状态评估模型为长短时神经网络。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取电池的电池参数数据；将电池参数数据输入电池状态评估模型中，电池状态评估模型是根据电池的仿真模拟结果训练得到的；根据电池状态评估模型的输出结果，确定电池的状态评估结果，状态评估结果用于指示电池的剩余循环次数。
在一个实施例中，电池参数数据包括体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量中的至少两种。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取电池的电化学等效模型；根据电化学等效模型对电池进行仿真模拟，得到多个仿真数据，各仿真数据包括仿真电池参数数据和仿真剩余循环次数；利用多个仿真数据对初始模型进行训练，得到电池状态评估模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取电池的属性参数；根据属性参数构建电化学等效模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据电化学等效模型对电池的不同工况进行仿真模拟，得到多个仿真数据。
在一个实施例中，电池状态评估模型为长短时神经网络。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种电池状态评估方法，其特征在于，所述方法包括：
获取电池的电池参数数据；
将所述电池参数数据输入电池状态评估模型中，所述电池状态评估模型是根据所述电池的仿真模拟结果训练得到的；
根据所述电池状态评估模型的输出结果，确定所述电池的状态评估结果，所述状态评估结果用于指示所述电池的剩余循环次数。
2.根据权利要求1所述的方法，其特征在于，所述电池参数数据包括体积膨胀率、电池固体电解质相界面厚度、内部温度、电流以及当前容量中的至少两种。
3.根据权利要求1所述的方法，其特征在于，所述电池状态评估模型的训练过程包括：
获取所述电池的电化学等效模型；
根据所述电化学等效模型对所述电池进行仿真模拟，得到多个仿真数据，各所述仿真数据包括仿真电池参数数据和仿真剩余循环次数；
利用所述多个仿真数据对初始模型进行训练，得到所述电池状态评估模型。
4.根据权利要求3所述的方法，其特征在于，所述获取所述电池的电化学等效模型之前，所述方法还包括：
获取所述电池的属性参数；
根据所述属性参数构建所述电化学等效模型。
5.根据权利要求3所述的方法，其特征在于，所述根据所述电化学等效模型对所述电池进行仿真模拟，得到多个仿真数据，包括：
根据所述电化学等效模型对所述电池的不同工况进行仿真模拟，得到所述多个仿真数据。
6.根据权利要求1至5任一所述的方法，其特征在于，所述电池状态评估模型为长短时神经网络。
7.一种电池状态评估装置，其特征在于，所述装置包括：
获取模块，用于获取电池的电池参数数据；
输入模块，用于将所述电池参数数据输入电池状态评估模型中，所述电池状态评估模型是根据所述电池的仿真模拟结果训练得到的；
确定模块，用于根据所述电池状态评估模型的输出结果，确定所述电池的状态评估结果，所述状态评估结果用于指示所述电池的剩余循环次数。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，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6中任一项所述的方法的步骤。
CN202211526262.2A 2022-12-01 2022-12-01 电池状态评估方法、装置、设备、存储介质和程序产品 Pending CN116047343A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211526262.2A CN116047343A (zh) 2022-12-01 2022-12-01 电池状态评估方法、装置、设备、存储介质和程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211526262.2A CN116047343A (zh) 2022-12-01 2022-12-01 电池状态评估方法、装置、设备、存储介质和程序产品

Publications (1)

Publication Number Publication Date
CN116047343A true CN116047343A (zh) 2023-05-02

Family

ID=86115533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211526262.2A Pending CN116047343A (zh) 2022-12-01 2022-12-01 电池状态评估方法、装置、设备、存储介质和程序产品

Country Status (1)

Country Link
CN (1) CN116047343A (zh)

Similar Documents

Publication Publication Date Title
Strange et al. Prediction of future capacity and internal resistance of Li-ion cells from one cycle of input data
CN114186405A (zh) 一种核动力反应堆系统的参数不确定性分析方法及系统
CN113591215B (zh) 基于不确定性的异常卫星组件布局检测方法
CN115795928B (zh) 基于伽马过程的加速退化试验数据处理方法和装置
CN116027202A (zh) 电池健康度评估方法、装置、计算机设备和存储介质
CN117631682A (zh) 电网无人机巡检路线确定方法和系统
Zeng et al. The evaluation of battery pack SOH based on Monte Carlo simulation and support vector machine algorithm
Li et al. Synthetic thermal convolutional‐memory network for the lithium‐ion battery behaviour diagnosis against noise interruptions
CN115879378B (zh) 一种电芯的膨胀力预测模型的训练方法及装置
CN116626504A (zh) 动力电池性能确定方法、装置、计算机设备和存储介质
Li et al. A million cycles in a day: Enabling high-throughput computing of lithium-ion battery degradation with physics-based models
CN117092510A (zh) 电池运行模拟方法、装置及系统
CN114818484B (zh) 驾驶环境模型的训练方法及驾驶环境信息的预测方法
CN116047343A (zh) 电池状态评估方法、装置、设备、存储介质和程序产品
CN115879610B (zh) 接触器使用期限预测方法、装置、设备和存储介质
CN117233630B (zh) 锂离子电池的使用寿命预测方法、装置和计算机设备
CN117891566B (zh) 智能软件的可靠性评估方法、装置、设备、介质和产品
CN118011222B (zh) 一种电池等效电路模型的电流波形参数辨识方法和系统
CN115913699B (zh) 配电网横向访问检测方法、装置、计算机设备和存储介质
CN117341477B (zh) 磷酸铁锂动力电池内短路预警方法、装置和计算机设备
CN118226280B (zh) 基于多源多尺度高维状态空间建模的电池老化评估方法
CN117665591A (zh) 电池寿命评估方法、装置、计算机设备和存储介质
CN116243169A (zh) 基于电池特征参数的电池状态检测方法和装置
CN118722237A (zh) 电池异常预警方法、装置、设备、可读存储介质和程序产品
CN118801572A (zh) 功率模块的监测方法、装置、低压配电网和计算机设备

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