CN116559706A - 电芯循环寿命预测方法、装置、电子设备和存储介质 - Google Patents
电芯循环寿命预测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116559706A CN116559706A CN202310679641.3A CN202310679641A CN116559706A CN 116559706 A CN116559706 A CN 116559706A CN 202310679641 A CN202310679641 A CN 202310679641A CN 116559706 A CN116559706 A CN 116559706A
- Authority
- CN
- China
- Prior art keywords
- battery cell
- tested
- discharge
- cycle
- charge
- 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
- 238000000034 method Methods 0.000 title claims abstract description 85
- 230000022131 cell cycle Effects 0.000 title claims abstract description 34
- 230000009467 reduction Effects 0.000 claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000007600 charging Methods 0.000 claims abstract description 19
- 238000007599 discharging Methods 0.000 claims abstract description 14
- 238000010277 constant-current charging Methods 0.000 claims description 16
- 238000010280 constant potential charging Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 8
- 239000004973 liquid crystal related substance Substances 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 abstract description 9
- 229910001416 lithium ion Inorganic materials 0.000 abstract description 9
- 125000004122 cyclic group Chemical group 0.000 description 15
- 238000004590 computer program Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000033228 biological regulation Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- 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
本公开涉及电池技术领域,尤其涉及一种电芯循环寿命预测方法、装置、电子设备和存储介质。其中,该电芯循环寿命预测方法,包括:对待测电芯进行循环充放电过程中,每隔采样时长阈值进行一次数据采集,得到采集数据集合;根据采集数据集合确定电芯容量周期降低值;根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命。采用本公开可以降低对锂离子电池寿命进行预测时的预测成本,提高预测时的准确性。
Description
技术领域
本公开涉及电池技术领域,尤其涉及一种电芯循环寿命预测方法、装置、电子设备和存储介质。
背景技术
随着新能源的发展,锂离子电池凭借自身也迅速发展。锂离子电池被广泛运用在3C、动力、储能等方面,而锂离子电池寿命将阻碍进一步应用,因此对锂离子电池寿命预测已成为人们关注的重点。然而相关技术中,对锂离子电池寿命进行预测时的成本较高、准确性较低。
发明内容
本公开提供了一种电芯循环寿命预测方法及装置,主要目的在于降低对锂离子电池寿命进行预测时的预测成本,提高预测时的准确性。
根据本公开的一方面,提供了一种电芯循环寿命预测方法,包括:
对待测电芯进行循环充放电过程中,每隔采样时长阈值进行一次数据采集,得到采集数据集合;
根据采集数据集合确定电芯容量周期降低值;
根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命。
可选的,采集数据集合包括充电采集数据子集、恒压充电采集数据子集和放电采集数据子集,每隔采样时长阈值进行一次数据采集,得到采集数据集合,包括:
在任一次充放电过程中,控制待测电芯进行恒流充电,并每隔采样时长阈值进行一次数据采集,直至待测电芯对应的电芯电压不小于第一阈值电压,得到恒流充电后的待测电芯以及恒流充电采集数据子集;
控制恒流充电后的待测电芯进行恒压充电,并每隔采样时长阈值进行一次数据采集,直至恒流充电后的待测电芯对应的放电倍率不大于倍率阈值,得到充电后的待测电芯以及恒压充电采集数据子集;
将充电后的待测电芯静置预设时长,得到静置后的待测电芯;
控制静置后的待测电芯进行恒流放电,并每隔采样时长阈值进行一次数据采集,直至静置后的待测电芯对应的电芯电压不大于第二阈值电压,得到充放电完成后的待测电芯以及放电采集数据子集,其中,第二阈值电压小于第一阈值电压。
可选的,控制待测电芯进行恒流充电,包括:
获取预设放电倍率;
控制待测电芯基于预设放电倍率进行恒流充电。
可选的,采集数据集合中的任一采集数据包括电芯容量数据,根据采集数据集合确定电芯容量周期降低值,包括:
对任一采样时长阈值内进行数据采集后得到的电芯容量数据进行微积分累加,得到电芯容量周期降低值。
可选的,根据采集数据集合确定电芯容量周期降低值,包括:
根据采集数据集合确定待测电芯对应的恒流占比波形信息;
确定恒流占比波形信息中任一周期内的最大恒流占比值和最小恒流占比值;
根据最大恒流占比值对应的第一电芯容量数据和最小恒流占比值对应的第二电芯容量数据,确定电芯容量周期降低值。
可选的,根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命,包括:
根据电芯容量周期降低值确定恒流占比波形信息对应的第一波形周期次数;
在待测电芯进行第一循环充放电过程中,确定第一循环充放电次数以及恒流占比波形信息对应的第二波形周期次数;
在待测电芯进行第二循环充放电过程中,确定恒流占比波形信息出现任一波形周期时对应的第二循环充放电次数;
根据第一循环充放电次数、第二循环充放电次数、第一波形周期次数和第二循环充放电次数,确定待测电芯对应的电芯循环寿命。
可选的,根据第一循环充放电次数、第二循环充放电次数、第一波形周期次数和第二循环充放电次数,确定待测电芯对应的电芯循环寿命,包括:
根据第一循环充放电次数、第二循环充放电次数、第一波形周期次数和第二循环充放电次数,确定待测电芯对应的第三循环充放电次数;
根据第三循环充放电次数确定待测电芯对应的电芯循环寿命。
根据本公开的另一方面,提供了一种电芯循环寿命预测装置,包括:
数据采集单元,用于对待测电芯进行循环充放电过程中,每隔采样时长阈值进行一次数据采集,得到采集数据集合;
容量确定单元,用于根据采集数据集合确定电芯容量周期降低值;
寿命预测单元,用于根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述一方面中任一项所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行前述一方面中任一项所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现前述一方面中任一项所述的方法。
在本公开一个或多个实施例中,通过对待测电芯进行循环充放电过程中,每隔采样时长阈值进行一次数据采集,得到采集数据集合;根据采集数据集合确定电芯容量周期降低值;根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命。因此,通过采集数据计算待测电芯的电芯容量周期降低值来确定待测电芯对应的电芯循环寿命,可以无需测试其他电化学参数,也不要采用经验模型拟合,预测成本低,并且准确性高。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示出本公开实施例提供的一种电芯循环寿命预测方法的流程示意图;
图2示出本公开实施例提供的一种电芯容量的曲线示意图;
图3示出本公开实施例提供的另一种电芯循环寿命预测方法的流程示意图;
图4示出本公开实施例提供的一种电芯容量周期降低值的获取示意图;
图5示出本公开实施例提供的一种恒流占比的波形示意图;
图6示出本公开实施例提供的一种实际测试的结果示意图;
图7示出本公开实施例提供的一种电芯循环寿命预测装置的结构示意图;
图8是用来实现本公开实施例的电芯循环寿命预测方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
相关技术中,锂离子电池循环寿命预测主要分为电化学模型、数据驱动以及电化学模型与数据驱动的结合。
电化学模型主要依赖于所选取模型的复杂性,它需要大量的电化学参数,测试时间长,成本高,准确性较低。
数据驱动模型主要依赖于大量的原始数据,其准确性由所选取的经验模型和数据准确性决定,往往预测结果与实际偏差较大。
将电化学模型与数据驱动相结合来实现锂离子电池的寿命预测,其理论解释更充分,但是时间比前两者更长,成本昂贵,结果也与实际有较大误差。
下面结合具体的实施例对本公开进行详细说明。
在第一个实施例中,如图1所示,图1示出本公开实施例提供的一种电芯循环寿命预测方法的流程示意图,该方法可依赖于计算机程序实现,可运行于进行电芯循环寿命预测方法的装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。例如该方法可以运行在电子设备上。
其中,该电子设备包括但不限于:可穿戴设备、手持设备、个人电脑、平板电脑、车载设备、智能手机、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中电子设备可以叫做不同的名称,例如:用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digital assistant,PDA)、第五代移动通信技术(5th generation mobile networks,5G)网络或未来演进网络中的电子设备等。该电子设备上可以安装操作系统,该操作系统是指可以运行在电子设备中的操作系统,是管理和控制电子设备硬件和电子设备应用的程序,是电子设备中不可或缺的系统应用。该操作系统包括但不限于安卓Android系统、IOS系统、Windows phone(WP)系统和Ubuntu移动版操作系统等。
具体的,该电芯循环寿命预测方法包括:
S101,对待测电芯进行循环充放电过程中,每隔采样时长阈值进行一次数据采集,得到采集数据集合;
根据一些实施例,待测电芯指的是需要预测循环寿命的电芯。循环寿命指的是电芯可以进行充放电循环的总次数。
在一些实施例中,采样时长阈值Δts并不特指某一固定阈值。例如,该采样时长阈值Δts可以为30s。
根据一些实施例,采集数据集合指的是对待测电芯进行循环充放电之后,得到的所以的采集数据汇聚而成的一个集合。
易于理解的是,当电子设备进行电芯循环寿命预测时,可以对待测电芯进行循环充放电过程中,每隔采样时长阈值Δts进行一次数据采集,得到采集数据集合。
S102,根据采集数据集合确定电芯容量周期降低值;
需要说明的是,在待测电芯进行充放电过程中,在由恒流(CC)充电阶段进入恒压(CV)充电阶段的采样时长阈值Δts内,待测电芯中既有CC充电容量又有CV充电容量,但是这段容量被默认是CC充电阶段的容量。其次,在一定的循环充放电次数内,CC充电容量逐渐变小,CV充电容量逐渐增大,但在单位时间内CC充电容量高于CV充电容量。因此,在CC充电阶段结束时,电芯容量会出现一段平滑下降的曲线,如图2所示。
其中,CC充电容量出现突降的原因,主要是由于随着老化程度的增加,CC充电阶段的时长逐渐减少。另外,在循环充放电过程中待测电芯的恒流占比是一个进行周期波动的波形,在该波形从上一个周期跳转到下一个周期时,相当于少了上一个周期对应的最后一个充放电过程的CV充电容量;同时,由上一个周期的起点到下一个周期的起点,相差约一个CC充电容量,即为采样时长阈值Δts对应的电芯容量周期降低值,并且该电芯容量周期降低值为一个定值N,也就是说,在该波形的一个周期内,电芯容量降低值为N。
易于理解的是,当电子设备获取到采集数据集合时,可以根据采集数据集合确定电芯容量周期降低值。
S103,根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命。
例如,当待测电芯的电芯容量为C0,该待测电芯失效时容量保持率为80%,则该待测电芯对应的恒流占比波形中有(C0-80%C0)/N个周期。此时,对恒流占比波形中每一个周期对应的充放电次数依次记录为X1,X2,X3……X(C0-80%C0)/N,则可以确定待测电芯对应的电芯循环寿命为X1+X2+X3+……+X(C0-80%C0)/N。
易于理解的是,当电子设备获取到电芯容量周期降低值时,可以根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命。
综上,本公开实施例提供的方法,通过对待测电芯进行循环充放电过程中,每隔采样时长阈值进行一次数据采集,得到采集数据集合;根据采集数据集合确定电芯容量周期降低值;根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命。因此,通过采集数据计算待测电芯的电芯容量周期降低值来确定待测电芯对应的电芯循环寿命,可以无需测试其他电化学参数,也不要采用经验模型拟合,预测成本低,并且准确性高。
请参见图3,图3示出本公开实施例提供的一种电芯循环寿命预测方法的流程示意图。
具体的,该电芯循环寿命预测方法包括:
S201,对待测电芯进行循环充放电时,在任一次充放电过程中,控制待测电芯进行恒流充电,并每隔采样时长阈值进行一次数据采集,直至待测电芯对应的电芯电压不小于第一阈值电压,得到恒流充电后的待测电芯以及恒流充电采集数据子集;
根据一些实施例,第一阈值电压并不特指某一固定阈值。例如,该第一阈值电压可以为3.65V。
在一些实施例中,恒流充电采集数据子集指的是在对待测电芯进行恒流充电时,每隔采样时长阈值进行一次数据采集后得到的恒流充电采集数据汇聚而成的一个集合。
根据一些实施例,控制待测电芯进行恒流充电时,可以获取预设放电倍率,并控制待测电芯基于预设放电倍率进行恒流充电。
S202,控制恒流充电后的待测电芯进行恒压充电,并每隔采样时长阈值进行一次数据采集,直至恒流充电后的待测电芯对应的放电倍率不大于倍率阈值,得到充电后的待测电芯以及恒压充电采集数据子集;
根据一些实施例,该倍率阈值并不特指某一固定阈值。例如,该倍率阈值可以为0.05C。
在一些实施例中,恒压充电采集数据子集指的是在对待测电芯进行恒压充电时,每隔采样时长阈值进行一次数据采集后得到的恒压充电采集数据汇聚而成的一个集合。
S203,将充电后的待测电芯静置预设时长,得到静置后的待测电芯;
根据一些实施例,该预设时长并不特指某一固定时长,该预设时长例如可以为1h。
S204,控制静置后的待测电芯进行恒流放电,并每隔采样时长阈值进行一次数据采集,直至静置后的待测电芯对应的电芯电压不大于第二阈值电压,得到充放电完成后的待测电芯以及放电采集数据子集;
根据一些实施例,第二阈值电压小于第一阈值电压,该第二阈值电压例如可以为2.5V。
在一些实施例中,放电采集数据子集指的是在对待测电芯进行恒流放电时,每隔采样时长阈值进行一次数据采集后得到的恒流放电采集数据汇聚而成的一个集合。
根据一些实施例,控制静置后的待测电芯进行恒流放电时,也可以按照预先设置好的放电倍率进行恒流放电。例如,可以按照1C的放电倍率进行恒流放电。
以一个场景举例,可以在45℃下控制新威系统对100Ah的待测电芯进行0.5C充电1C放电的循环充放电。在任一个充放电过程中,首先控制新威系统将待测电芯0.5C恒流充电至3.65V,并每隔30s进行一次数据采集;接着,再控制新威系统将待测电芯恒压充电至0.05C,并每隔30s进行一次数据采集;其次,将待测电芯静置1h。最后,控制新威系统将待测电芯1C恒流放电至2.5V,并每隔30s进行一次数据采集。
需要说明的是,进行一次数据采集时,采集的数据包括电芯电压数据和电芯容量数据。也就是说,采集数据集合中的每一个采集数据,即恒流充电采集数据子集中的每一个恒流充电采集数据、恒压充电采集数据子集中的每一个恒压充电采集数据以及放电采集数据子集中的每一个放电采集数据均包括一个电芯电压数据和一个电芯容量数据。
在一些实施例中,电芯电压数据集合指的是每隔采样时长阈值进行一次数据采集后得到的电芯电压数据汇聚而成的一个集合。电芯容量数据集合指的是每隔采样时长阈值进行一次数据采集后得到的电芯容量数据汇聚而成的一个集合。并且,电芯电压数据集合中的电芯电压数据与电芯容量数据集合中的电芯容量数据一一对应。
S205,根据采集数据集合确定电芯容量周期降低值;
根据一些实施例,根据采集数据集合确定电芯容量周期降低值时,可以对任一采样时长阈值内进行数据采集后得到的电芯容量数据进行微积分累加,得到电芯容量周期降低值。
在一些实施例中,图4示出本公开实施例提供的一种电芯容量周期降低值的获取示意图。如图4所示,100Ah的待测电池0.5C恒流充电30s的电芯容量通过微积分累加确定为0.416Ah,也就是说,电芯容量周期降低值N为0.416Ah。
根据一些实施例,由于在待测电芯对应的恒流占比波形中,在该波形的一个周期内的最大值和最小值之差即为电芯容量降低值,因此,根据采集数据集合确定电芯容量周期降低值时,首先,可以根据采集数据集合确定待测电芯对应的恒流占比波形信息。接着,可以确定恒流占比波形信息中任一周期内的最大恒流占比值和最小恒流占比值。最后,可以根据最大恒流占比值对应的第一电芯容量数据和最小恒流占比值对应的第二电芯容量数据,确定电芯容量周期降低值。
在一些实施例中,图5示出本公开实施例提供的一种恒流占比的波形示意图。如图5所示,在45℃下控制新威系统对两个100Ah的待测电芯S1、待测电芯S2进行0.5C充电1C放电的循环充放电,得到的待测电芯S1和待测电芯S2的恒流占比相近,并且均为波形折线图。
在一些实施例中,根据最大恒流占比值对应的第一电芯容量数据和最小恒流占比值对应的第二电芯容量数据之间的差值,确定电芯容量周期降低值。
S206,根据电芯容量周期降低值确定恒流占比波形信息对应的第一波形周期次数;
根据一些实施例,第一波形周期次数指的是恒流占比波形信息中的总波形周期次数。例如,当电芯容量周期降低值N为0.416Ah时,可计算出容量降至80%时恒流占比波形中应该有(100-80%*100)/0.416=48个周期。
S207,在待测电芯进行第一循环充放电过程中,确定第一循环充放电次数以及恒流占比波形信息对应的第二波形周期次数;
根据一些实施例,第一循环充放电过程指的是由于待测电芯的SEI膜的快速生长,而循环充放电过程不稳定的阶段。第一循环充放电次数指的是第一循环充放电过程中的总充放电次数。第二波形周期次数指的是第一循环充放电过程中出现的波形周期的次数。
例如,待测电芯S1在前95次循环中可以出现8个波形周期,待测电芯S2在前102次循环中可以出现7个波形周期。
S208,在待测电芯进行第二循环充放电过程中,确定恒流占比波形信息出现任一波形周期时对应的第二循环充放电次数;
根据一些实施例,第二循环充放电过程指的是循环充放电过程稳定时的阶段。第二循环充放电次数指的是在第二循环充放电过程中每出现一次波形周期所需要的循环充放电次数。例如,待测电芯S1和待测电芯S2可以在循环充放电26次时出现一次波形周期。
S209,根据第一循环充放电次数、第二循环充放电次数、第一波形周期次数和第二循环充放电次数,确定待测电芯对应的电芯循环寿命。
根据一些实施例,可以根据第一循环充放电次数、第二循环充放电次数、第一波形周期次数和第二循环充放电次数,确定待测电芯对应的第三循环充放电次数;根据第三循环充放电次数确定待测电芯对应的电芯循环寿命。
例如,可以确定待测电芯S1对应的电芯循环寿命为循环充放电95+26*40=1135次,待测电芯S2对应的电芯循环寿命为循环充放电102+41*26=1168次。
需要说明的是,图6示出本公开实施例提供的一种实际测试的结果示意图。如图6所示,实际测试中待测电芯S1下柜时,1132次循环充放电后的容量保持率为79.73%,待测电芯S2下柜时,1169次循环充放电后的容量保持率降至80.00%。说明本公开实施例提供的方法预测的电芯循环寿命与实际测试结果基本一致,准确性高。
综上,本公开实施例提供的方法,首先,对待测电芯进行循环充放电时,在任一次充放电过程中,控制待测电芯进行恒流充电,并每隔采样时长阈值进行一次数据采集,直至待测电芯对应的电芯电压不小于第一阈值电压,得到恒流充电后的待测电芯以及恒流充电采集数据子集;控制恒流充电后的待测电芯进行恒压充电,并每隔采样时长阈值进行一次数据采集,直至恒流充电后的待测电芯对应的放电倍率不大于倍率阈值,得到充电后的待测电芯以及恒压充电采集数据子集;将充电后的待测电芯静置预设时长,得到静置后的待测电芯;控制静置后的待测电芯进行恒流放电,并每隔采样时长阈值进行一次数据采集,直至静置后的待测电芯对应的电芯电压不大于第二阈值电压,得到充放电完成后的待测电芯以及放电采集数据子集;因此,可以提高采集数据集合获取的准确性。接着,根据采集数据集合确定电芯容量周期降低值;因此,通过采集数据计算待测电芯的电芯容量周期降低值,计算简单并且成本低。最后,根据电芯容量周期降低值确定恒流占比波形信息对应的第一波形周期次数;在待测电芯进行第一循环充放电过程中,确定第一循环充放电次数以及恒流占比波形信息对应的第二波形周期次数;在待测电芯进行第二循环充放电过程中,确定恒流占比波形信息出现任一波形周期时对应的第二循环充放电次数;根据第一循环充放电次数、第二循环充放电次数、第一波形周期次数和第二循环充放电次数,确定待测电芯对应的电芯循环寿命。因此,通过电芯容量周期降低值来确定待测电芯对应的电芯循环寿命,可以无需测试其他电化学参数,也不要采用经验模型拟合,预测成本低,并且准确性高。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
请参见图7,其示出本公开实施例提供的一种电芯循环寿命预测装置的结构示意图。该电芯循环寿命预测装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该电芯循环寿命预测装置700包括数据采集单元701、容量确定单元702和寿命预测单元703;其中,
数据采集单元701,用于对待测电芯进行循环充放电过程中,每隔采样时长阈值进行一次数据采集,得到采集数据集合;
容量确定单元702,用于根据采集数据集合确定电芯容量周期降低值;
寿命预测单元703,用于根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命。
根据一些实施例,采集数据集合包括充电采集数据子集、恒压充电采集数据子集和放电采集数据子集,数据采集单元701用于每隔采样时长阈值进行一次数据采集,得到采集数据集合时,具体用于:
在任一次充放电过程中,控制待测电芯进行恒流充电,并每隔采样时长阈值进行一次数据采集,直至待测电芯对应的电芯电压不小于第一阈值电压,得到恒流充电后的待测电芯以及恒流充电采集数据子集;
控制恒流充电后的待测电芯进行恒压充电,并每隔采样时长阈值进行一次数据采集,直至恒流充电后的待测电芯对应的放电倍率不大于倍率阈值,得到充电后的待测电芯以及恒压充电采集数据子集;
将充电后的待测电芯静置预设时长,得到静置后的待测电芯;
控制静置后的待测电芯进行恒流放电,并每隔采样时长阈值进行一次数据采集,直至静置后的待测电芯对应的电芯电压不大于第二阈值电压,得到充放电完成后的待测电芯以及放电采集数据子集,其中,第二阈值电压小于第一阈值电压。
根据一些实施例,数据采集单元701用于控制待测电芯进行恒流充电时,具体用于:
获取预设放电倍率;
控制待测电芯基于预设放电倍率进行恒流充电。
根据一些实施例,采集数据集合中的任一采集数据包括电芯容量数据,容量确定单元702用于根据采集数据集合确定电芯容量周期降低值时,具体用于:
对任一采样时长阈值内进行数据采集后得到的电芯容量数据进行微积分累加,得到电芯容量周期降低值。
根据一些实施例,容量确定单元702用于根据采集数据集合确定电芯容量周期降低值时,具体用于:
根据采集数据集合确定待测电芯对应的恒流占比波形信息;
确定恒流占比波形信息中任一周期内的最大恒流占比值和最小恒流占比值;
根据最大恒流占比值对应的第一电芯容量数据和最小恒流占比值对应的第二电芯容量数据,确定电芯容量周期降低值。
根据一些实施例,寿命预测单元703用于根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命时,具体用于:
根据电芯容量周期降低值确定恒流占比波形信息对应的第一波形周期次数;
在待测电芯进行第一循环充放电过程中,确定第一循环充放电次数以及恒流占比波形信息对应的第二波形周期次数;
在待测电芯进行第二循环充放电过程中,确定恒流占比波形信息出现任一波形周期时对应的第二循环充放电次数;
根据第一循环充放电次数、第二循环充放电次数、第一波形周期次数和第二循环充放电次数,确定待测电芯对应的电芯循环寿命。
根据一些实施例,寿命预测单元703用于根据第一循环充放电次数、第二循环充放电次数、第一波形周期次数和第二循环充放电次数,确定待测电芯对应的电芯循环寿命时,具体用于:
根据第一循环充放电次数、第二循环充放电次数、第一波形周期次数和第二循环充放电次数,确定待测电芯对应的第三循环充放电次数;
根据第三循环充放电次数确定待测电芯对应的电芯循环寿命。
综上,本公开实施例提供的装置,通过数据采集单元对待测电芯进行循环充放电过程中,每隔采样时长阈值进行一次数据采集,得到采集数据集合;容量确定单元根据采集数据集合确定电芯容量周期降低值;寿命预测单元根据电芯容量周期降低值确定待测电芯对应的电芯循环寿命。因此,通过采集数据计算待测电芯的电芯容量周期降低值来确定待测电芯对应的电芯循环寿命,可以无需测试其他电化学参数,也不要采用经验模型拟合,预测成本低,并且准确性高。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如电芯循环寿命预测方法。例如,在一些实施例中,电芯循环寿命预测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的电芯循环寿命预测方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电芯循环寿命预测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种电芯循环寿命预测方法,其特征在于,包括:
对待测电芯进行循环充放电过程中,每隔采样时长阈值进行一次数据采集,得到采集数据集合;
根据所述采集数据集合确定电芯容量周期降低值;
根据所述电芯容量周期降低值确定所述待测电芯对应的电芯循环寿命。
2.根据权利要求1所述的方法,其特征在于,所述采集数据集合包括充电采集数据子集、恒压充电采集数据子集和放电采集数据子集,所述每隔采样时长阈值进行一次数据采集,得到采集数据集合,包括:
在任一次充放电过程中,控制所述待测电芯进行恒流充电,并每隔采样时长阈值进行一次数据采集,直至所述待测电芯对应的电芯电压不小于第一阈值电压,得到恒流充电后的待测电芯以及所述恒流充电采集数据子集;
控制所述恒流充电后的待测电芯进行恒压充电,并每隔所述采样时长阈值进行一次数据采集,直至所述恒流充电后的待测电芯对应的放电倍率不大于倍率阈值,得到充电后的待测电芯以及所述恒压充电采集数据子集;
将所述充电后的待测电芯静置预设时长,得到静置后的待测电芯;
控制所述静置后的待测电芯进行恒流放电,并每隔所述采样时长阈值进行一次数据采集,直至所述静置后的待测电芯对应的电芯电压不大于第二阈值电压,得到充放电完成后的待测电芯以及放电采集数据子集,其中,所述第二阈值电压小于所述第一阈值电压。
3.根据权利要求2所述的方法,其特征在于,所述控制所述待测电芯进行恒流充电,包括:
获取预设放电倍率;
控制所述待测电芯基于所述预设放电倍率进行恒流充电。
4.根据权利要求1所述的方法,其特征在于,所述采集数据集合中的任一采集数据包括电芯容量数据,所述根据所述采集数据集合确定电芯容量周期降低值,包括:
对任一所述采样时长阈值内进行数据采集后得到的电芯容量数据进行微积分累加,得到电芯容量周期降低值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述采集数据集合确定电芯容量周期降低值,包括:
根据所述采集数据集合确定所述待测电芯对应的恒流占比波形信息;
确定所述恒流占比波形信息中任一周期内的最大恒流占比值和最小恒流占比值;
根据所述最大恒流占比值对应的第一电芯容量数据和所述最小恒流占比值对应的第二电芯容量数据,确定电芯容量周期降低值。
6.根据权利要求5所述的方法,其特征在于,所述根据所述电芯容量周期降低值确定所述待测电芯对应的电芯循环寿命,包括:
根据所述电芯容量周期降低值确定所述恒流占比波形信息对应的第一波形周期次数;
在所述待测电芯进行第一循环充放电过程中,确定第一循环充放电次数以及所述恒流占比波形信息对应的第二波形周期次数;
在所述待测电芯进行第二循环充放电过程中,确定所述恒流占比波形信息出现任一波形周期时对应的第二循环充放电次数;
根据所述第一循环充放电次数、所述第二循环充放电次数、所述第一波形周期次数和所述第二循环充放电次数,确定所述待测电芯对应的电芯循环寿命。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第一循环充放电次数、所述第二循环充放电次数、所述第一波形周期次数和所述第二循环充放电次数,确定所述待测电芯对应的电芯循环寿命,包括:
根据所述第一循环充放电次数、所述第二循环充放电次数、所述第一波形周期次数和所述第二循环充放电次数,确定所述待测电芯对应的第三循环充放电次数;
根据所述第三循环充放电次数确定所述待测电芯对应的电芯循环寿命。
8.一种电芯循环寿命预测装置,其特征在于,包括:
数据采集单元,用于对待测电芯进行循环充放电过程中,每隔采样时长阈值进行一次数据采集,得到采集数据集合;
容量确定单元,用于根据所述采集数据集合确定电芯容量周期降低值;
寿命预测单元,用于根据所述电芯容量周期降低值确定所述待测电芯对应的电芯循环寿命。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310679641.3A CN116559706A (zh) | 2023-06-08 | 2023-06-08 | 电芯循环寿命预测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310679641.3A CN116559706A (zh) | 2023-06-08 | 2023-06-08 | 电芯循环寿命预测方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116559706A true CN116559706A (zh) | 2023-08-08 |
Family
ID=87501952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310679641.3A Pending CN116559706A (zh) | 2023-06-08 | 2023-06-08 | 电芯循环寿命预测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116559706A (zh) |
-
2023
- 2023-06-08 CN CN202310679641.3A patent/CN116559706A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2015143992A1 (zh) | 一种充电剩余时间计算方法、装置及移动设备 | |
CN112014737B (zh) | 一种电芯的健康状态的检测方法、装置、设备及存储介质 | |
EP4311718A1 (en) | Method and a device for predicting state of health of battery, electronic equipment and readable storage medium | |
CN108051755A (zh) | 电池内阻获取方法与装置、电池管理系统以及计算机存储可读介质 | |
CN115221795A (zh) | 容量预测模型的训练方法、预测方法、装置、设备及介质 | |
CN114954105A (zh) | 电池换电方法、装置、电子设备及存储介质 | |
CN113285513A (zh) | 评价电池自放电一致性的方法、装置、设备及存储介质 | |
US20240055872A1 (en) | Charging method of energy storage power supply, charging apparatus therefor, device, and medium | |
CN112698229A (zh) | 短路电流检测方法、装置、可读存储介质及电子设备 | |
CN112615405A (zh) | 一种电池组的被动均衡方法、设备及装置 | |
CN115395613B (zh) | 电池充电管理方法、装置、电子设备及存储介质 | |
CN116559706A (zh) | 电芯循环寿命预测方法、装置、电子设备和存储介质 | |
CN116811658A (zh) | 电动车辆低温充电补偿时间确定方法、系统、设备及介质 | |
CN116190836A (zh) | Soc修正方法、电池模组及电子设备 | |
CN114200315B (zh) | 剩余充电时间的预测方法、装置、电子设备和存储介质 | |
CN111157907B (zh) | 检测方法及装置、充电方法及装置、电子设备、存储介质 | |
CN115902625A (zh) | 一种电池系统的性能预测方法、装置、设备及存储介质 | |
CN114781903A (zh) | 换电场所负荷确定方法、装置、电子设备及存储介质 | |
CN114779109A (zh) | 电池健康状态的确定方法、装置、电子设备及存储介质 | |
CN114454766A (zh) | 动力电池充电方法、系统和设备 | |
CN115291111B (zh) | 电池静置时间预测模型的训练方法以及静置时间预测方法 | |
CN117706390B (zh) | 一种电池荷电状态滚动优化估计方法及装置 | |
CN117741448B (zh) | 一种充电电池荷电状态估算方法、装置、设备和介质 | |
CN115356644A (zh) | 电池峰值电流测试方法、装置、测试设备和存储介质 | |
CN116338467A (zh) | 一种锂电池容量确定方法、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 |