CN116090192A - 电池参数的优化方法、优化装置、电池和存储介质 - Google Patents

电池参数的优化方法、优化装置、电池和存储介质 Download PDF

Info

Publication number
CN116090192A
CN116090192A CN202211642318.0A CN202211642318A CN116090192A CN 116090192 A CN116090192 A CN 116090192A CN 202211642318 A CN202211642318 A CN 202211642318A CN 116090192 A CN116090192 A CN 116090192A
Authority
CN
China
Prior art keywords
battery
parameter
optimized
parameters
analysis result
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
CN202211642318.0A
Other languages
English (en)
Inventor
蔡翔
吴长风
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.)
Xiamen Hithium Energy Storage Technology Co Ltd
Original Assignee
Xiamen Hithium 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 Xiamen Hithium Energy Storage Technology Co Ltd filed Critical Xiamen Hithium Energy Storage Technology Co Ltd
Priority to CN202211642318.0A priority Critical patent/CN116090192A/zh
Publication of CN116090192A publication Critical patent/CN116090192A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种电池参数的优化方法、电池参数的优化装置、电池和存储介质。电池参数的优化方法包括：确定电化学仿真模型对应的待优化电池参数；其中，待优化电池参数为电化学仿真模型的输入参数；确定待优化电池参数的取值范围和初始值；根据取值范围和初始值对待优化电池参数进行参数寻优处理，获得优化后的电池参数。上述电池参数的优化方法中，在确定待优化电池参数后，可以进一步确定待优化电池参数的取值范围和初始值，并在取值范围和初始值的基础上，对待优化电池参数进行参数寻优处理以获得优化后的参数，进而可利用优化后的电池参数作为模型输入参数对电池进行设计，有利于减少参数优化所需时间，提升效率，改善优化效果。

Description

电池参数的优化方法、优化装置、电池和存储介质
技术领域
本发明涉及电池技术领域，特别涉及一种电池参数的优化方法、电池参数的优化装置、电池和存储介质。
背景技术
在相关技术中，一般利用电化学仿真模型对电池进行建模分析，但是电化学仿真模型的输入参数比较多，设计到电芯的结构参数、材料性能参数以及固液比等，其中材料性能参数很难进行测量，往往需要大型的测试设备，而且测试结果经常也不够准确，这为电化学建模带来了困难，无法直接利用实验测试数据作为模型输入参数。目前的电化学仿真模型的电池参数设置依赖于人工试错，耗时长，效果差。
发明内容
本发明实施方式提供了一种电池参数的优化方法、电池参数的优化装置、电池和存储介质。
本发明实施方式的一种电池参数的优化方法包括：
确定电化学仿真模型对应的待优化电池参数；其中，所述待优化电池参数为所述电化学仿真模型的输入参数；
确定所述待优化电池参数的取值范围和初始值；
根据所述取值范围和所述初始值对所述待优化电池参数进行参数寻优处理，获得优化后的电池参数。
上述电池参数的优化方法中，在确定待优化电池参数后，可以进一步确定待优化电池参数的取值范围和初始值，并在取值范围和初始值的基础上，对待优化电池参数进行参数寻优处理以获得优化后的参数，进而可利用优化后的电池参数作为模型输入参数对电池进行设计，有利于减少参数优化所需时间，提升效率，改善优化效果。
在某些实施方式中，确定所述待优化电池参数的取值范围和初始值包括：
确定所述待优化电池参数的取值范围；
根据所述待优化电池参数的取值范围确定所述待优化电池参数的初始值。
如此，可以减少优化花费的时间。
在某些实施方式中，根据所述待优化电池参数的取值范围确定所述待优化电池参数的初始值包括：
生成位于所述取值范围内的所述待优化电池参数对应的多组参数值；
对所述多组参数值进行聚类处理直至获取到单一组参数值；
将所述单一组参数值确定为所述待优化电池参数对应的初始值。
如此，可通过聚类的方式确定初始值。
在某些实施方式中，在所述电化学仿真模型存在多个所述待优化电池参数的情况下，所述根据所述取值范围和所述初始值对所述待优化电池参数进行参数寻优处理，获得优化后的电池参数，包括：
根据所述初始值和所述电化学仿真模型确定第一电池分析结果误差；
根据所述取值范围确定第一待优化电池参数；
根据所述第一待优化电池参数和所述电化学仿真模型确定第二电池分析结果误差；
根据所述第一电池分析结果误差和所述第二电池分析结果误差进行所述参数寻优处理，获得优化后的电池参数。
如此，可以获得优化后的电池参数。
在某些实施方式中，所述根据所述取值范围确定第一待优化电池参数，包括：
在所述多个待优化电池参数中选择第一初始待优化电池参数；其中，所述第一初始待优化电池参数为多个所述待优化电池参数中的任意一个；
对所述第一初始待优化电池参数按照预设倍率规则进行参数调整，获得调整后参数；
在所述调整后参数位于所述取值范围的情况下，将所述调整后参数确定为所述第一待优化电池参数；
在所述调整后参数超出所述取值范围的情况下，继续按照预设倍率规则进行参数调整直至所述调整后参数位于所述取值范围，得到所述第一待优化电池参数。
如此，可以使第一待优化电池参数位于取值范围内。
在某些实施方式中，所述根据所述第一电池分析结果误差和所述第二电池分析结果误差进行所述参数寻优处理，获得优化后的电池参数，包括：
在所述第二电池分析结果误差相对于所述第一电池分析结果误差为降低的情况下，接受所述参数调整；
按照所述预设倍率规则继续对所述第一待优化电池参数进行所述参数调整，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整次数大于第二预设阈值，得到所述优化后的电池参数。
如此，可以在第二电池分析结果误差相对于第一电池分析结果误差为降低的情况下，获得优化后的电池参数。
在某些实施方式中，所述根据所述第一电池分析结果误差和所述第二电池分析结果误差进行所述参数寻优处理，获得优化后的电池参数，包括：
在所述第二电池分析结果误差相对于所述第一电池分析结果误差为升高的情况下，根据所述第二电池分析结果误差与所述第一电池分析结果误差的差值计算所述参数调整的接受概率；
在所述参数调整的接受概率大于概率阈值的情况下，接受参数调整并保留所述第一待优化电池参数；
按照所述预设倍率规则继续对所述第一待优化电池参数进行所述参数调整，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整次数大于第二预设阈值，得到所述优化后的电池参数。
如此，可以在第二电池分析结果误差相对于第一电池分析结果误差为升高且接受概率大于概率阈值的情况下，获得优化后的电池参数。
在某些实施方式中，所述根据所述第一电池分析结果误差和所述第二电池分析结果误差进行所述参数寻优处理，获得优化后的电池参数，包括：
在所述第二电池分析结果误差相对于所述第一电池分析结果误差为升高的情况下，根据所述第二电池分析结果误差与所述第一电池分析结果误差的差值计算参数调整的接受概率；
在所述参数调整的接受概率小于或者等于概率阈值的情况下，不接受所述参数调整并不保留所述第一待优化电池参数；
继续在所述多个待优化电池参数中选择第二初始待优化电池参数，并继续进行参数调整以及电池分析结果误差的确定和比较处理，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整的次数大于第二预设阈值，得到所述优化后的电池参数。
如此，可以在第二电池分析结果误差相对于第一电池分析结果误差为升高且接受概率小于或等于概率阈值的情况下，获得优化后的电池参数。
在某些实施方式中，电池分析结果误差通过以下步骤获取：
将待优化电池参数输入所述电化学仿真模型，得到电池仿真分析结果；
获取所述待优化电池参数对应的电池实验分析结果；
根据所述电池仿真分析结果和所述电池实验分析结果确定所述电池分析结果误差。
如此，可以确定电池分析结果误差。
在某些实施方式中，所述接受概率与温度参数相关，所述接受概率的确定方法包括：
利用预设温度值首次计算所述第一待优化电池参数对应的所述接受概率；
随着参数调整次数增加，计算所述接受概率时，对应参数调整次数进行从所述预设温度参数值逐渐下降至0度，再直接跳跃至所述预设温度值，以及再从所述预设温度值逐渐下降至0度的循环变化处理。
如此，可以增加寻找全局最优解的概率。
本发明实施方式的一种电池参数的优化装置包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在被所述处理器执行时实现上述任一实施方式的电池参数的优化方法的步骤。
本发明实施方式提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时，实现上述任一实施方式的电池参数的优化方法的步骤。
上述电池参数的优化装置和存储介质中，在确定待优化电池参数后，可以进一步确定待优化电池参数的取值范围和初始值，并在取值范围和初始值的基础上，对待优化电池参数进行参数寻优处理以获得优化后的参数，进而可利用优化后的电池参数作为模型输入参数对电池进行设计，有利于减少参数优化所需时间，提升效率，改善优化效果。
本发明实施方式提供一种电池，所述电池的参数是由上述任一实施方式的电池参数的优化方法所确定的参数。
上述电池的参数是由本发明实施方式的电池参数的优化方法所确定的参数，可以提升电池的制造效率及成品电池的品质。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1至图8是本发明实施方式的电池参数的优化方法的流程示意图；
图9是电池参数优化前的实验结果图；
图10是利用本发明实施方式的电池参数的优化方法对电池参数进行优化后的优化结果图；
图11是本发明实施方式的电池参数的优化装置的模块示意图。
主要附图标记说明：电池参数的优化装置-100，处理器-12，存储器-14。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。可以是机械连接，也可以是电连接。可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，本文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
请参阅图1，本发明实施方式的一种电池参数的优化方法包括：
步骤101，确定电化学仿真模型对应的待优化电池参数；其中，待优化电池参数为电化学仿真模型的输入参数；
步骤103，确定待优化电池参数的取值范围和初始值；
步骤105，根据取值范围和初始值对待优化电池参数进行参数寻优处理，获得优化后的电池参数。
上述电池参数的优化方法中，在确定待优化电池参数后，可以进一步确定待优化电池参数的取值范围和初始值，并在取值范围和初始值的基础上，对待优化电池参数进行参数寻优处理，获得优化后的参数，进而可利用优化后的电池参数作为模型输入参数对电池进行设计，有利于减少参数优化所需时间，提升效率，改善优化效果。
具体地，可以根据电芯设计参数预先搭建电化学仿真模型。在一个实施方式中，电化学仿真模型是伪二维(P2D)模型，该模型可以对整个电池结构进行模拟，通过三层简化来在宏观-微观，时间-空间的多尺度条件下，对电池进行建模分析。可以用来预测不同倍率下的充放电曲线、不同温度下的DCR(Direct Current Resistance，直流阻抗)曲线以及仿真电化学阻抗谱等。可以理解，在其他实施方式中，电化学仿真模型还可以是其他类型的模型，而不限于伪二维模型。
电化学仿真模型可以包括一个或多个待优化电池参数。在步骤101中，可以将实验不好测量或者测量不准的电池参数，比如固相扩散系数、交换电流密度、电极涂布的曲折度、有效活性颗粒占比等参数确定为待优化电池参数。所搭建的电化学仿真模型的电池参数设置不同时，要优化的电池参数稍有差异，可以根据实际需求来确定，在此对电池的待优化电池参数类型不作具体限定。
在某些实施方式中，请参阅图2，步骤103包括：
步骤1031，确定待优化电池参数的取值范围；
步骤1033，根据待优化电池参数的取值范围确定待优化电池参数的初始值。
如此，可以减少优化花费的时间。
具体地，首先需要确定待优化电池参数的取值范围，可以根据历史实验数据或经验值或其他方式确定待优化电池参数可能的取值范围。若不确定，可以将取值范围设得比较大，但相应地，优化花费的时间也会增多。接下来确定初始值，初始值可以是经验值，也可以是实验测量值(实验无法测量准确值或者说重复性差的情况)，可以从取值范围的最小值开始确定为初始值，或者中间值或者最大值开始确定为初始值，或者利用以下实施方式的步骤1035、1037和1039进行初始值确定，进而可以得到待优化电池参数的初始值。先确定取值范围，再在取值范围内确定初始值，可以减少优化花费的时间。
在某些实施方式中，请参阅图3，步骤1033包括：
步骤1035，生成位于取值范围内的待优化电池参数对应的多组参数值；
步骤1037，对多组参数值进行聚类处理直至获取到单一组参数值；
步骤1039，将单一组参数值确定为待优化电池参数对应的初始值。
如此，可通过聚类的方式确定初始值。
具体地，如果无法通过经验值，或实际测量值确定初始值，可利用取值范围生成位于取值范围内的待优化电池参数对应的多组参数值，首先在取值范围内，生成大量的随机数，生成数目取决于取值范围，在一个例子中，可以生成10000组参数值。如果取值范围很大，可以设置比较大的参数值的组数量。可以利用Kmeans聚类方法对10000组参数值进行聚类，例如可以聚成50个类，类的数目会影响最终参数的准确度和优化速度，类越多，优化越慢，但生成的初始值越准确。
取每个类中心的参数代入电化学仿真模型计算仿真分析结果与实验分析结果的误差，取其中误差最小的类再次进行聚类，不断迭代，直至得到单一组参数值，将该单一组参数值确定为待优化电池参数对应的初始值。实验分析结果可以从实验获得。
在某些实施方式中，请参阅图4，在电化学仿真模型存在多个待优化电池参数的情况下，步骤105包括：
步骤1051，根据初始值和电化学仿真模型确定第一电池分析结果误差；
步骤1053，根据取值范围确定第一待优化电池参数；
步骤1055，根据第一待优化电池参数和电化学仿真模型确定第二电池分析结果误差；
步骤1057，根据第一电池分析结果误差和第二电池分析结果误差进行参数寻优处理，获得优化后的电池参数。
如此，可以获得优化后的电池参数。
具体地，首先利用初始值代入电化学仿真模型计算第一电池分析结果误差。
在一个实施方式中，第一待优化电池参数可以是在多个待优化电池参数中随机选择的一个待优化电池参数，再乘以一个随机数(例如随机数可以在80％-130％中的选取)所得到的待优化电池参数。第一待优化电池参数位于取值范围内，将得到的第一待优化电池参数代入电化学仿真模型计算第二电池分析结果误差，进而可以根据第一电池分析结果误差和第二电池分析结果误差进行参数寻优处理，获得优化后的电池参数。
在某些实施方式中，请参图5，步骤1053包括：
步骤1059，在多个待优化电池参数中选择第一初始待优化电池参数；其中，第一初始待优化电池参数为多个待优化电池参数中的任意一个；
步骤1061，对第一初始待优化电池参数按照预设倍率规则进行参数调整，获得调整后参数；
步骤1063，在调整后参数位于取值范围的情况下，将调整后参数确定为第一待优化电池参数；
步骤1065，在调整后参数超出取值范围的情况下，继续按照预设倍率规则进行参数调整直至调整后参数位于取值范围，得到第一待优化电池参数。
如此，可以使第一待优化电池参数位于取值范围内。
具体地，可以在多个待优化电池参数中随机选择一个待优化电池参数作为第一初始待优化电池参数，或在多个待优化电池参数中按从小到大的顺序、或按从大到小顺序，或，从中间开始到大或到少的顺序选择一个待优化电池参数作为第一初始待优化电池参数。
预设倍率可以预先设定并存储，在一个实施方式中，预设倍率可以是从预设倍率范围内随机选择的一个倍率，预设倍率也可以是在预设倍率范围内按从大到小的顺序或按从小到大的顺序，或，按或，从中间开始到大或到少的顺序，选择的一个倍率。在一个例子中，预设倍率范围为[80％,130％]。
按照预设倍率规则进行参数调整，在一个实施方式中，可以利用蒙特卡洛方法对第一初始待优化电池参数进行迭代参数调整，具体地，可以是第一初始待优化电池参数与预设倍率相乘所得到的得数作为调整后参数，并判断调整后参数是否处于取值范围。若是，将调整后参数确定为第一待优化电池参数。若否，继续按照预设倍率规则进行参数调整直至调整后参数位于取值范围，得到第一待优化电池参数。
在某些实施方式中，请参图6，步骤1057包括：
步骤1067，在第二电池分析结果误差相对于第一电池分析结果误差为降低的情况下，接受参数调整；
步骤1069，按照预设倍率规则继续对第一待优化电池参数进行参数调整，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整次数大于第二预设阈值，得到优化后的电池参数。
如此，可以在第二电池分析结果误差相对于第一电池分析结果误差为降低的情况下，获得优化后的电池参数。
具体地，由于调整后参数使第二电池分析结果误差相对于第一电池分析结果误差为降低，则调整后参数为逼近最优化的电池参数，所以接受参数调整，并在此基础上，按照预设倍率规则继续对第一待优化电池参数进行参数调整。较佳地，再次进行参数调整时，可以采用与上次参数调整时的同一预设倍率继续进行参数调整，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整次数大于第二预设阈值，得到优化后的电池参数。第一预设阈值和第二预设阈值的具体大小可以实际需求来确定。
在某些实施方式中，请参图7，步骤1057包括：
步骤1071，在第二电池分析结果误差相对于第一电池分析结果误差为升高的情况下，根据第二电池分析结果误差与第一电池分析结果误差的差值计算参数调整的接受概率；
步骤1073，在参数调整的接受概率大于概率阈值的情况下，接受参数调整并保留第一待优化电池参数；
步骤1075，按照预设倍率规则继续对第一待优化电池参数进行参数调整，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整次数大于第二预设阈值，得到优化后的电池参数。
如此，可以在第二电池分析结果误差相对于第一电池分析结果误差为升高且接受概率大于概率阈值的情况下，获得优化后的电池参数。
具体地，在第二电池分析结果误差相对于第一电池分析结果误差为升高的情况下，可以根据第二电池分析结果误差与第一电池分析结果误差的差值计算参数调整的接受概率。
在一个实施方式中，利用公式1计算接受概率P，
Figure BDA0004008076960000081
其中，ΔE代表第二电池分析结果误差与第一电池分析结果误差的差值，kB代表玻尔兹曼常数，T代表温度，在一个例子中，T＝298K(室温)。
在接受概率P大于概率阈值的情况下(在一个例子中，概率阈值可以是随机产生的一个0到1的数)，接受此次待优化电池参数的参数调整，并按照预设倍率规则继续对第一待优化电池参数进行参数调整，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整的次数大于第二预设阈值，得到优化后的电池参数。按照预设倍率规则继续对第一待优化电池参数进行参数调整，可以使用与上次参数调整时的同一预设倍率。
在某些实施方式中，请参图8，步骤1057包括：
步骤1077，在第二电池分析结果误差相对于第一电池分析结果误差为升高的情况下，根据第二电池分析结果误差与第一电池分析结果误差的差值计算参数调整的接受概率；
步骤1079，在参数调整的接受概率小于或者等于概率阈值的情况下，不接受参数调整并不保留第一待优化电池参数；
步骤1081，继续在多个待优化电池参数中选择第二初始待优化电池参数，并继续进行参数调整以及电池分析结果误差的确定和比较处理，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整的次数大于第二预设阈值，得到优化后的电池参数。
如此，可以在第二电池分析结果误差相对于第一电池分析结果误差为升高且接受概率小于或等于概率阈值的情况下，获得优化后的电池参数。
具体地，参数调整的接受概率小于或等于概率阈值的情况下，不接受此次参数调整并不保留第一待优化电池参数，即不接受参数调整，并保留参数调整前的第一初始待优化电池参数，继续在多个待优化电池参数中选择第二初始待优化电池参数，并继续进行参数调整以及电池分析结果误差的确定和比较处理，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整的次数大于第二预设阈值，得到优化后的电池参数。在一个实施方式中，接受概率可以由上述公式1计算所得。
在某些实施方式中，电池分析结果误差通过以下步骤获取：
将待优化电池参数输入电化学仿真模型，得到电池仿真分析结果；
获取待优化电池参数对应的电池实验分析结果；
根据电池仿真分析结果和电池实验分析结果确定电池分析结果误差。
如此，可以确定电池分析结果误差。
具体地，电池分析结果误差可包括第一电池分析结果误差和第二电池分析结果误差。
对于第一电池分析结果误差，输入电化学仿真模型的待优化电池参数为待优化电池参数的初始值，得到第一电池仿真分析结果，利用初始值对电池进行实验分析得到第一电池实验分析结果。根据第一电池仿真分析结果和第一电池实验分析结果确定第一电池分析结果误差。
对于第二电池分析结果误差，输入电化学仿真模型的待优化电池参数为第一待优化电池参数的值，得到第二电池仿真分析结果，利用第一待优化电池参数的值对电池进行实验分析得到第二电池实验分析结果。根据第二电池仿真分析结果和第二电池实验分析结果确定第二电池分析结果误差。
在某些实施方式中，接受概率与温度参数相关，接受概率的确定方法包括：
利用预设温度值首次计算第一待优化电池参数对应的接受概率；
随着参数调整次数增加，计算接受概率时，对应参数调整次数进行从预设温度参数值逐渐下降至0度，再直接跳跃至预设温度值，以及再从预设温度值逐渐下降至0度的循环变化处理。
如此，可以增加寻找全局最优解的概率。
具体地，在一个实施方式中，可以通过上述公式1计算接受概率，公式1中T代表温度参数。上述实施方式中，T＝298K，相当于使用的是恒定的室温。在本实施方式中，可利用贪心算法，采用模拟退火的方式寻优。预设温度值可以是大于0度的温度值，在一个例子中，预设温度值是1000K。
在一个实施方式中，可以预先设定一个固定步长，随着参数调整次数增加，温度参数以固定步长从预设温度值逐渐下降至0度来计算接受概率。在其他实施方式中，也可以采用变步长来调整温度参数。
最开始利用较大预设参数值的温度参数计算接受概率，这时接受概率增加，更容易跳出局部最小值。随着参数调整次数(迭代次数)增加，温度参数的值逐渐下降，直到温度参数的值下降到0度，再直接跳跃到最大温度值(预设温度值)，再从预设温度值逐渐下降至0度，如此循环多次，增加寻找全局最优解的概率。
综上，本发明实施方式的电池参数的优化方法可以在短时间内不依赖于人力自动得到较好的电化学仿真模型的参数组合。
在一个例子中，请参阅图9和图10，当利用电化学仿真模型进行放电倍率预测时，首先需要针对实验数据进行模型参数校正。这种倍率放电曲线优化比较复杂，首先是电化学仿真模型可以调节的参数较多，其次是同时拟合多条曲线很容易出现顾此失彼的情况，凭借经验手动进行调参往往需要花费大量的时间，而本发明实施方式的电池参数的优化方法只使用了8个小时就得到了图10中的优化结果(受限于电化学仿真模型运算速度)，相比人力优化数天甚至几个月的时间，效率提升巨大，而且优化得到的参数仿真分析结果与实验分析结果拟合较好。利用本发明实施方式的参数优化方法可以快速对电池参数进行校正，然后可以对其他倍率放电的曲线进行预测，缩短电化学建模时间，提升电池设计效率。在图9和图10中，横坐标表示容量，纵坐标代表电压。曲线说明中，simulated代表模拟结果，0.33C是放电倍率，reference代表实验结果，其他参此说明。
请参阅图11，本发明实施方式的一种电池参数的优化装置100包括处理器12和存储器14，存储器14存储有计算机程序，计算机程序在被处理器12执行时实现上述任一实施方式的电池参数的优化方法的步骤。
本发明实施方式提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序在被处理器12执行时，实现上述任一实施方式的电池参数的优化方法的步骤。
上述电池参数的优化装置100和存储介质中，在确定待优化电池参数后，可以进一步确定待优化电池参数的取值范围和初始值，并在取值范围和初始值的基础上，对待优化电池参数进行参数寻优处理以获得优化后的参数，进而可利用优化后的电池参数作为模型输入参数对电池进行设计，有利于减少参数优化所需时间，提升效率，改善优化效果。
在一个实施方式中，计算机程序在被处理器12执行时实现的电池参数的优化方法包括：
步骤101，确定电化学仿真模型对应的待优化电池参数；其中，待优化电池参数为电化学仿真模型的输入参数；
步骤103，确定待优化电池参数的取值范围和初始值；
步骤105，根据取值范围和初始值对待优化电池参数进行参数寻优处理，获得优化后的电池参数。
需要说明的是，上述对电池参数的优化方法的实施方式和有益效果的解释说明，也适用于本实施方式的电池参数的优化装置和存储介质，为避免冗余，在此不作详细展开。
本发明实施方式提供一种电池，电池的参数是由上述任一实施方式的电池参数的优化方法所确定的参数。
上述电池的参数是由本发明实施方式的电池参数的优化方法所确定的参数，可以提升电池的制造效率及成品电池的品质。
具体地，电池参数可以包括电芯参数，电芯参数可以是由本发明实施方式的电池参数的优化方法所确定的参数。电池可以应用于储能装置，也可以应用于乘用车，在此不作具体限定。
可以理解，计算机程序包括计算机程序代码。计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体或装置、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)、以及软件分发介质等。处理器可以是中央处理器，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 IntegratedCircuit，ASIC)、现成可编程门阵列(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。
在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一者实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (13)

1.一种电池参数的优化方法，其特征在于，包括：
确定电化学仿真模型对应的待优化电池参数；其中，所述待优化电池参数为所述电化学仿真模型的输入参数；
确定所述待优化电池参数的取值范围和初始值；
根据所述取值范围和所述初始值对所述待优化电池参数进行参数寻优处理，获得优化后的电池参数。
2.根据权利要求1所述的电池参数的优化方法，其特征在于，确定所述待优化电池参数的取值范围和初始值包括：
确定所述待优化电池参数的取值范围；
根据所述待优化电池参数的取值范围确定所述待优化电池参数的初始值。
3.根据权利要求2所述的电池参数的优化方法，其特征在于，根据所述待优化电池参数的取值范围确定所述待优化电池参数的初始值包括：
生成位于所述取值范围内的所述待优化电池参数对应的多组参数值；
对所述多组参数值进行聚类处理直至获取到单一组参数值；
将所述单一组参数值确定为所述待优化电池参数对应的初始值。
4.根据权利要求1所述的电池参数的优化方法，其特征在于，在所述电化学仿真模型存在多个所述待优化电池参数的情况下，所述根据所述取值范围和所述初始值对所述待优化电池参数进行参数寻优处理，获得优化后的电池参数，包括：
根据所述初始值和所述电化学仿真模型确定第一电池分析结果误差；
根据所述取值范围确定第一待优化电池参数；
根据所述第一待优化电池参数和所述电化学仿真模型确定第二电池分析结果误差；
根据所述第一电池分析结果误差和所述第二电池分析结果误差进行所述参数寻优处理，获得优化后的电池参数。
5.根据权利要求4所述的电池参数的优化方法，其特征在于，所述根据所述取值范围确定第一待优化电池参数，包括：
在所述多个待优化电池参数中选择第一初始待优化电池参数；其中，所述第一初始待优化电池参数为多个所述待优化电池参数中的任意一个；
对所述第一初始待优化电池参数按照预设倍率规则进行参数调整，获得调整后参数；
在所述调整后参数位于所述取值范围的情况下，将所述调整后参数确定为所述第一待优化电池参数；
在所述调整后参数超出所述取值范围的情况下，继续按照预设倍率规则进行参数调整直至所述调整后参数位于所述取值范围，得到所述第一待优化电池参数。
6.根据权利要求5所述的电池参数的优化方法，其特征在于，所述根据所述第一电池分析结果误差和所述第二电池分析结果误差进行所述参数寻优处理，获得优化后的电池参数，包括：
在所述第二电池分析结果误差相对于所述第一电池分析结果误差为降低的情况下，接受所述参数调整；
按照所述预设倍率规则继续对所述第一待优化电池参数进行所述参数调整，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整次数大于第二预设阈值，得到所述优化后的电池参数。
7.根据权利要求5所述的电池参数的优化方法，其特征在于，所述根据所述第一电池分析结果误差和所述第二电池分析结果误差进行所述参数寻优处理，获得优化后的电池参数，包括：
在所述第二电池分析结果误差相对于所述第一电池分析结果误差为升高的情况下，根据所述第二电池分析结果误差与所述第一电池分析结果误差的差值计算所述参数调整的接受概率；
在所述参数调整的接受概率大于概率阈值的情况下，接受参数调整并保留所述第一待优化电池参数；
按照所述预设倍率规则继续对所述第一待优化电池参数进行所述参数调整，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整次数大于第二预设阈值，得到所述优化后的电池参数。
8.根据权利要求5所述的电池参数的优化方法，其特征在于，所述根据所述第一电池分析结果误差和所述第二电池分析结果误差进行所述参数寻优处理，获得优化后的电池参数，包括：
在所述第二电池分析结果误差相对于所述第一电池分析结果误差为升高的情况下，根据所述第二电池分析结果误差与所述第一电池分析结果误差的差值计算参数调整的接受概率；
在所述参数调整的接受概率小于或者等于概率阈值的情况下，不接受所述参数调整并不保留所述第一待优化电池参数；
继续在所述多个待优化电池参数中选择第二初始待优化电池参数，并继续进行参数调整以及电池分析结果误差的确定和比较处理，直至调整后参数对应的电池分析结果误差小于第一预设阈值或者参数调整的次数大于第二预设阈值，得到所述优化后的电池参数。
9.根据权利要求4所述的电池参数的优化方法，其特征在于，电池分析结果误差通过以下步骤获取：
将待优化电池参数输入所述电化学仿真模型，得到电池仿真分析结果；
获取所述待优化电池参数对应的电池实验分析结果；
根据所述电池仿真分析结果和所述电池实验分析结果确定所述电池分析结果误差。
10.根据权利要求7或8所述的电池参数的优化方法，其特征在于，所述接受概率与温度参数相关，所述接受概率的确定方法包括：
利用预设温度值首次计算所述第一待优化电池参数对应的所述接受概率；
随着参数调整次数增加，计算所述接受概率时，对应参数调整次数进行从所述预设温度参数值逐渐下降至0度，再直接跳跃至所述预设温度值，以及再从所述预设温度值逐渐下降至0度的循环变化处理。
11.一种电池参数的优化装置，其特征在于，包括：
处理器，和；
存储器，所述存储器存储有计算机程序，所述计算机程序在被所述处理器执行时实现权利要求1-10任一项所述的电池参数的优化方法的步骤。
12.一种电池，其特征在于，所述电池的参数是由权利要求1-10任一项所述的电池参数的优化方法所确定的参数。
13.一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，所述计算机程序在被处理器执行时，实现权利要求1-10任一项所述的电池参数的优化方法的步骤。
CN202211642318.0A 2022-12-20 2022-12-20 电池参数的优化方法、优化装置、电池和存储介质 Pending CN116090192A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211642318.0A CN116090192A (zh) 2022-12-20 2022-12-20 电池参数的优化方法、优化装置、电池和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211642318.0A CN116090192A (zh) 2022-12-20 2022-12-20 电池参数的优化方法、优化装置、电池和存储介质

Publications (1)

Publication Number Publication Date
CN116090192A true CN116090192A (zh) 2023-05-09

Family

ID=86209439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211642318.0A Pending CN116090192A (zh) 2022-12-20 2022-12-20 电池参数的优化方法、优化装置、电池和存储介质

Country Status (1)

Country Link
CN (1) CN116090192A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117634226A (zh) * 2024-01-25 2024-03-01 宁德时代新能源科技股份有限公司 电池设计方法、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117634226A (zh) * 2024-01-25 2024-03-01 宁德时代新能源科技股份有限公司 电池设计方法、设备及存储介质

Similar Documents

Publication Publication Date Title
US11293987B2 (en) Battery capacity prediction system using charge and discharge cycles of a battery to predict capacity variations, and associated method
Lai et al. A comparative study of global optimization methods for parameter identification of different equivalent circuit models for Li-ion batteries
CN110146816B (zh) 电池剩余充电时间的确定方法、装置、设备及存储介质
Zhang et al. A novel model of the initial state of charge estimation for LiFePO4 batteries
Bouchhima et al. Lifetime of self-reconfigurable batteries compared with conventional batteries
Chun et al. Adaptive exploration harmony search for effective parameter estimation in an electrochemical lithium-ion battery model
CN115684947A (zh) 电池模型构建方法及电池劣化预测装置
Shi et al. Estimation of battery state-of-charge using ν-support vector regression algorithm
CN114204547B (zh) 考虑源网荷储协同优化的配电网多措施组合降损优化方法
CN110658460A (zh) 一种电池包的电池寿命预测方法及装置
CN116090192A (zh) 电池参数的优化方法、优化装置、电池和存储介质
CN105911476A (zh) 一种基于数据挖掘的电池储能系统soc预测方法
CN112198434A (zh) 电池容量衰减模型参数的辨识方法、系统、设备、装置及介质
CN115600728A (zh) 一种动力电池的年度碳排放量估算方法及装置
CN114186518A (zh) 一种集成电路良率估算方法及存储器
CN112114254B (zh) 一种动力电池开路电压模型融合方法
Liu et al. Fast sorting method of retired batteries based on multi-feature extraction from partial charging segment
CN110927584B (zh) 一种基于神经网络的电池寿命延长预测方法
CN112485672A (zh) 一种电池状态确定方法及装置
Dahmardeh et al. State-of-charge uncertainty of lithium-ion battery packs considering the cell-to-cell variability
CN114089204B (zh) 一种电池容量跳水拐点预测方法及装置
CN116908691A (zh) 一种锂电池模型参数辨识方法
KR20230141281A (ko) 배터리 수명 예측을 위한 인공 신경망 모델 관리 장치 및 그것의 동작 방법
CN114564848A (zh) 电芯组合方法和装置、电子设备及存储介质
Luo et al. A digital twin for advancing battery fast charging based on a Bayesian optimization-based method

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