CN116774081A - 一种采用复合寿命指标的充电电池寿命预测方法、装置、电子设备及可读存储介质 - Google Patents
一种采用复合寿命指标的充电电池寿命预测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN116774081A CN116774081A CN202111513327.5A CN202111513327A CN116774081A CN 116774081 A CN116774081 A CN 116774081A CN 202111513327 A CN202111513327 A CN 202111513327A CN 116774081 A CN116774081 A CN 116774081A
- Authority
- CN
- China
- Prior art keywords
- life
- index
- rechargeable battery
- battery
- specific
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 260
- 239000002131 composite material Substances 0.000 title claims abstract description 196
- 238000006731 degradation reaction Methods 0.000 claims abstract description 244
- 230000008569 process Effects 0.000 claims abstract description 142
- 238000007600 charging Methods 0.000 claims abstract description 139
- 238000007599 discharging Methods 0.000 claims abstract description 87
- 230000008859 change Effects 0.000 claims abstract description 37
- 238000009825 accumulation Methods 0.000 claims description 208
- 230000015556 catabolic process Effects 0.000 claims description 197
- 230000001186 cumulative effect Effects 0.000 claims description 162
- 230000036541 health Effects 0.000 claims description 91
- 230000004927 fusion Effects 0.000 claims description 43
- 238000005070 sampling Methods 0.000 claims description 33
- 230000003321 amplification Effects 0.000 claims description 32
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 32
- 238000003062 neural network model Methods 0.000 claims description 27
- 230000003862 health status Effects 0.000 claims description 26
- 238000010276 construction Methods 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 25
- 238000004519 manufacturing process Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000007499 fusion processing Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 13
- 230000007774 longterm Effects 0.000 claims description 10
- 238000013178 mathematical model Methods 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 6
- 230000000284 resting effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000004393 prognosis Methods 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 3
- FKNQFGJONOIPTF-UHFFFAOYSA-N Sodium cation Chemical compound [Na+] FKNQFGJONOIPTF-UHFFFAOYSA-N 0.000 claims description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 3
- JDZCKJOXGCMJGS-UHFFFAOYSA-N [Li].[S] Chemical compound [Li].[S] JDZCKJOXGCMJGS-UHFFFAOYSA-N 0.000 claims description 3
- 229910052782 aluminium Inorganic materials 0.000 claims description 3
- -1 aluminum ion Chemical class 0.000 claims description 3
- 229910021389 graphene Inorganic materials 0.000 claims description 3
- 150000004820 halides Chemical class 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 239000001257 hydrogen Substances 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 229910001416 lithium ion Inorganic materials 0.000 claims description 3
- 229910021645 metal ion Inorganic materials 0.000 claims description 3
- 229920000642 polymer Polymers 0.000 claims description 3
- 229910052710 silicon Inorganic materials 0.000 claims description 3
- 239000010703 silicon Substances 0.000 claims description 3
- 229910001415 sodium ion Inorganic materials 0.000 claims description 3
- 229910052717 sulfur Inorganic materials 0.000 claims description 3
- 239000011593 sulfur Substances 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 2
- 239000003990 capacitor Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 230000032683 aging Effects 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 4
- 230000001788 irregular Effects 0.000 abstract description 4
- 230000010485 coping Effects 0.000 abstract 1
- 230000009466 transformation Effects 0.000 description 10
- 230000005611 electricity Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007500 overflow downdraw method Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 208000032953 Device battery issue Diseases 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052759 nickel Inorganic materials 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010280 constant potential charging Methods 0.000 description 1
- 238000010281 constant-current constant-voltage charging Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明属于充电电池的寿命预测相关技术领域,其公开了一种采用复合寿命指标的充电电池寿命预测方法、装置、电子设备及可读存储介质,用以应对充电电池实际使用过程中广泛存在的随机充放电、不定期搁置、日历老化以及运行工况变动等现象。现有的充电电池寿命预测方法均采用单一的循环次数作为寿命指标,难以应对日常生活中常见的随机充放电、不定期搁置以及日历老化等现象,因而在实际应用中的预测效果不是很理想。本发明设计并采用了复合寿命指标来描述充电电池的退化过程,能够应对实际中存在的各种复杂现象,从而准确地预测充电电池的实际剩余寿命。本发明实施例所提供的技术方案便于部署,且十分贴近实际,具有极高的应用前景。
Description
技术领域
本发明属于充电电池的寿命预测相关技术领域,更具体地,涉及一种采用复合寿命指标的充电电池寿命预测方法、装置、电子设备及可读存储介质。
背景技术
现有的充电电池寿命预测方法均采用单一的循环次数作为寿命指标,但该指标难以应对日常生活中常见的随机充放电、不定期搁置以及日历老化等现象,因而在实际应用中的预测效果不是很理想。本发明设计并采用了复合寿命指标来描述充电电池的退化过程,可以很好地应对上述现象。此外,该方法还考虑了充电电池运行过程中的工况变动对其退化过程的影响,更贴近实际。本发明实施例所提供的技术方案能够准确预测实际应用中充电电池的剩余寿命,具有极高的应用前景。
充电电池在日常生活中有着极其广泛的应用,但其也存在着寿命退化的问题。因此必须充分考虑充电电池的寿命退化对其工作性能所产生的影响。通过对充电电池的退化过程进行监测和建模,继而预测和评估其未来健康状态的变化情况,能够极大的提高充电电池的可靠性。与此同时,也可以根据预测结果来安排充电电池的维护和替换工作,因而具有十分重要的实用价值和意义。
现有的充电电池寿命预测方法大都是基于标准的循环寿命测试。在标准的循环寿命测试中,充电过程和放电过程是在专业设备上循环交替执行的,故而可以保证充电过程和放电过程的完整性。所以传统的充电电池寿命预测方法大都采用充放电循环次数作为寿命指标。但是,除了充电次数累计量之外,充电电池还可以同时具有其他许多不同种类的累计寿命指标,例如充电量累计量、充电时长累计量、充电功累计量、日历服役时长累计量等。
在实际应用中,充电电池的使用方式和频次取决于用户的随机使用习惯,而且充电过程和放电过程大都是不连续且不完整的,因此所对应的退化数据具有很差的规律性,也非常难以进行分析。根据用户的使用习惯,在充电电池的使用过程中,可能其电量尚未完全用完时就会进行充电,或者其电量尚未完全充满时就需要进行放电使用。对于手机来说,除非在关机状态下进行充电或存在软件设定,否则在对电池进行充电的同时必然也伴随着耗电运行。对于便携式笔记本来说,可能会存在长期插电运行的使用场景。与此同时,放电过程中也可能会存在暂停和续接现象,例如需要暂时更换充电场所或充电场所内暂时的停电。此外,当用户的充电线发生接触不良现象时,可能会在短时间内产生数次极短的充电过程。此外,在充电电池的生产制作完成之后,可能会在仓库中进行一定时长的储存搁置,即不会立即投入使用。与此同时,在充电电池的使用过程中也会存在偶然的停机搁置现象。虽然在搁置过程中并没有对充电电池进行使用,但这也会使得充电电池发生老化,因此也可以将搁置现象纳入累计寿命指标的考虑范围之内。
综上所述,充电电池的退化过程是非常复杂的,显然单独采用循环次数来描述退化过程是不准确且不合理的。为了平衡各种累计寿命指标之间的关系,本发明构建了复合寿命指标来描述充电电池的寿命退化过程。由于并不是单单地对循环次数进行计数,这种方式在理论上显得更加的合理。除此之外,充电电池的实际使用过程中也广泛存在工况变动情况,例如,通过改变充电电池的放电电流或放电功率来控制电动汽车的行驶速度。此外,所处运行环境中的气温骤降也会影响充电电池的性能。显然,不同的工况设定对充电电池退化过程所产生的影响是不一致的,因此也需要在退化趋势模型中考虑工况变动所产生的影响。
发明内容
发明人在进行大量的测试、分析和研究后发现,由多种累计寿命指标所构成的复合寿命指标非常适用于描述充电电池在随机充放电设定下的退化过程。
鉴于此,本发明公开一种采用复合寿命指标的充电电池寿命预测方法,用于对实际使用过程中的充电电池复合寿命指标进行准确的预测,从而保证充电电池使用过程中的安全性。与单独采用循环次数为寿命指标的预测方法相比,本发明在准确性上的提升可高达80%。
根据本公开实施例的第一方面,提供一种采用复合寿命指标的充电电池寿命预测方法,包括以下步骤:
选用多种不同类型的充电电池累计寿命指标来构建复合寿命指标;
根据实际使用需求,适时地构建充电电池的退化趋势模型;所述退化趋势模型用于描述充电电池在退化过程中随其复合寿命指标取值的递增所发生的健康状态指标衰变现象;
选取合适的预测执行时刻并在该时刻对当前目标充电电池的退化数据已知样本进行取样,继而按需选择取样结果来作为退化趋势模型的输入,并最终使用退化趋势模型来预测当前目标充电电池在该时刻下的剩余寿命。
在一些实施例中,所述复合寿命指标的构建方式包括:选用任意两种不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标、选用任意三种不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标、选用任意四种不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标、选用任意四种以上不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标。
在一些实施例中,所述累计寿命指标为充电电池的某种特定类型使用度量的累计量。
在一些实施例中,所述充电电池的结构形式包括:由单个电芯所构成的单体电池、由多个电芯串并联所构成的电池组或者电池集群。
在一些实施例中,所述充电电池的种类包括锂电池、锂离子电池、锂硫电池、钠电池、钠离子电池、铝电池、铝离子电池、石墨烯电池、硫电池、镍氢电池、铅蓄电池、全固态电池、固液混合电池、金属电池、金属离子电池、空气电池、圆柱电池、聚合物电池、动力电池、卤化物电池、硅基电池、超级电容器或者其他可以循环使用的储电器件。
在一些实施例中,所述累计寿命指标的种类包括:充电量累计量、放电量累计量、绝对值充放电量的总累计量等三种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充电功累计量、放电功累计量、绝对值充放电功的总累计量等三种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充电时长累计量、放电时长累计量、充放电时长总累计量等三种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充电次数累计量、放电次数累计量、充放电次数总累计量等三种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:搁置次数累计量、搁置时长累计量等两种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:日历服役时长累计量。
在一些实施例中,所述复合寿命指标的构建方式还可额外包括,从充电功累计量、放电功累计量、绝对值充放电功总累计量、充电时长累计量、放电时长累计量、充放电时长总累计量、搁置次数累计量、搁置时长累计量等八者中选取任意一种来直接作为复合寿命指标。
在一些实施例中,所述健康状态指标的构建方式包括,选用任意一种关键性能指标来直接作为健康状态指标。
在一些实施例中,所述关键性能指标为充电电池的某种特定类型性能特征,并且该特定类型性能特征的取值会随着充电电池的长期使用而逐渐发生衰变。
在一些实施例中,所述剩余寿命为总寿命与即时寿命的差值,其代表复合寿命指标在充电电池发生失效之前的剩余可使用量;具体的,剩余寿命在特定时刻时的取值也为总寿命取值与该特定时刻下即时寿命取值之间的差值。
在一些实施例中,所述总寿命为充电电池失效时所对应的复合寿命指标,具体的,总寿命的取值也为健康状态指标衰变至失效标准时所对应复合寿命指标的取值。
在一些实施例中,所述即时寿命为复合寿命指标的即时取值;具体的,即时寿命在特定时刻时的取值也为复合寿命指标在该特定时刻下的取值。
在一些实施例中,所述失效标准为充电电池健康状态指标取值范围内的某一值,当健康状态指标衰变至该值时充电电池发生失效。
在一些实施例中,所述某种关键性能指标在特定时刻时的取值方式包括:首先根据实际需求选定充电电池的某种特定类型性能特征,继而获取其在该特定时刻下的取值。
在一些实施例中,所述关键性能指标的种类包括:实际储电容量、实际储电容量的衰减值、实际内阻、实际内阻的衰变值等四种。
在一些实施例中,所述关键性能指标的种类还可额外包括:实际储功容量、实际储功容量的衰减值等两种。
在一些实施例中,所述某种累计寿命指标在特定时刻时的取值方式包括:首先将自充电电池的生产日期起至该特定时刻为止期间内的全部历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量。
在一些实施例中,所述健康状态指标的构建方式还可额外包括:选用任意两种不同类型的关键性能指标并通过特征融合的方式来构建健康状态指标、选用任意三种不同类型的关键性能指标并通过特征融合的方式来构建健康状态指标、选用任意三种以上不同类型的关键性能指标并通过特征融合的方式来构建健康状态指标。
在一些实施例中,所述退化数据是与充电电池退化过程密切相关的数据,可用于构建健康状态指标、复合寿命指标以及退化趋势模型;具体的,退化数据的数据构成包括累计寿命指标、关键性能指标等两者。
在一些实施例中,所述退化数据已知样本包括,实时所能采集到的退化数据、全部历史时刻所能采集到的退化数据、部分历史时刻所能采集到的退化数据等三者中的至少一种。
在一些实施例中,所述退化数据的数据构成还可额外包括,运行工况。
在一些实施例中,所述运行工况的种类包括,充电电池的电压、电流、功率、温度等参数在充电或放电过程中的具体变化情况。
在一些实施例中,所述运行工况的种类还可额外包括,充电电池的电压、电流、功率、温度等参数在充电或放电过程中的均值。
在一些实施例中,所述运行工况的种类还可额外包括,充电电池在充电过程中的充电截止电流、充电电池在放电过程中的放电截止电压等两种;充电截止电流是指电池在充电时,电流上升到电池不宜再继续充电的最低电流值;放电截止电压是指电池在放电时,电压下降到电池不宜再继续放电的最低电压值。
在一些实施例中,所述实际储电容量包括充电电池在完全充满状态下所实际存储的电量,其代表了充电电池储电和放电能力的极限,而且其取值会随着充电电池的长期使用而发生衰变。
在一些实施例中,实际储电容量的取值方式包括:在充电过程中将充电电池从完全耗尽状态充电至完全充满状态所需从外界汲取的电量、在放电过程中将充电电池从完全充满状态放电至完全耗尽状态所能向外界释放的电量等两种。
在一些实施例中,所述实际储功容量包括充电电池在完全充满状态下所实际储存的电功,其代表了充电电池储功和放功能力的极限,而且其取值会随着充电电池的长期使用而发生衰变。
在一些实施例中,实际储功容量的取值方式包括:在充电过程中将充电电池从完全耗尽状态充电至完全充满状态所需从外界汲取的电功、在放电过程中将充电电池从完全充满状态放电至完全耗尽状态所能向外界释放的电功等两种。
在一些实施例中,所述关键性能指标的种类还可额外包括:任意种类累计寿命指标。
在一些实施例中,根据实际使用需求,当所述健康状态指标是通过特征融合的方式所构成的时,所述复合寿命指标的构建方式还可额外包括,从充电量累计量、放电量累计量、绝对值充放电量的总累计量等三者中按需选取任意一种来直接作为复合寿命指标。
在一些实施例中,所述复合寿命指标的构建方式还可额外包括,按需选用任意一种累计寿命指标来直接作为复合寿命指标;并且所述取健康状态指标是经下述任一方式所获取的:所述健康状态指标是通过特征融合的方式所构成的并且融合过程中选用了至少一种累计寿命指标、所述健康状态指标是由某种累计寿命指标所直接构成的、所述健康状态指标是通过特征融合的方式所构成的并且融合过程中选用了实际储功容量和实际储功容量的衰减值等两者中的至少一种、所述健康状态指标是由实际储功容量或者实际储功容量的衰减值所直接构成的。
在一些实施例中,当需要在特定时刻时对特定充电电池的退化数据已知样本进行取样时,所对应的具体取样范围包括:特定充电电池在特定时刻下所直接产生的实时退化数据、特定充电电池在自其生产日期起至该特定时刻为止期间内的全部历史时段或时刻所产生的历史退化数据、特定充电电池在自其生产日期起至该特定时刻为止期间内的部分历史时段或时刻所产生的历史退化数据等三者中的至少一种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充电比率的累计量、放电比率的累计量、充电比率和放电比率的绝对值的总累计量、充功比率的累计量、放功比率的累计量、充功比率和放功比率的绝对值的总累计量、充电电池供耗电设备运行所产生实际工作量的累计量、充电电池供耗电设备运行所产生实际做功量的累计量、充电电池供汽车行驶所产生实际里程量的累计量等九种;此外,根据实际使用需求,当所述健康状态指标是通过特征融合的方式所构成的时,所述复合寿命指标的构建方式还可额外包括,从前述九种累计寿命指标中按需选取任意一种来直接作为复合寿命指标。
在一些实施例中,所述充电比率的种类包括:充电量与额定储电容量的比值、充电量与初始储电容量的比值、充电量与实际储电容量的比值等三种;所述放电比率的种类包括:放电量与额定储电容量的比值、放电量与初始储电容量的比值、放电量与实际储电容量的比值等三种。
在一些实施例中,所述充功比率的种类包括:充功量与额定储功容量的比值、充功量与初始储功容量的比值、充功量与实际储功容量的比值等三种;所述放功比率的种类包括:放功量与额定储功容量的比值、放功量与初始储功容量的比值、放功量与实际储功容量的比值等三种。
在一些实施例中,所述复合寿命指标的构建方式还可额外包括,从充功比率的累计量、放功比率的累计量、充功比率和放功比率的绝对值的总累计量等三者中按需选取任意一种来直接作为复合寿命指标。
在一些实施例中,根据实际使用需求,当充电比率和放电比率是根据实际储电容量所求取的时,所述复合寿命指标的构建方式还可额外包括,从充电比率的累计量、放电比率的累计量、充电比率和放电比率的绝对值的总累计量等三者中按需选取任意一种来直接作为复合寿命指标。
在一些实施例中,所述关键性能指标的种类还可额外包括:处于搁置中的充电电池在特定SOC状态下所对应的开路电压、处于充电中的充电电池在特定充电电流以及特定SOC状态下所对应的端电压、处于放电中的充电电池在特定放电电流以及特定SOC状态下所对应的端电压、处于充电中的充电电池在特定充电电流以及特定SOC状态下所对应的充电功率、处于放电中的充电电池在特定放电电流以及特定SOC状态下所对应的放电功率、处于搁置中的充电电池在特定开路电压下所对应的SOC状态、处于充电中的充电电池在特定充电电流以及特定端电压下所对应的SOC状态、处于放电中的充电电池在特定放电电流以及特定端电压下所对应的SOC状态、充电电池实际储电容量全部供耗电设备运行所能产生的实际工作量、充电电池实际储电容量全部供耗电设备运行所能产生的实际做功量、充电电池实际储电容量全部供汽车行驶所能产生的实际里程量等十一种;此外,根据实际使用需求,当该十一种关键性能指标中的任一种被直接选用来作为健康状态指标时,或者当该十一种关键性能指标中的至少一种被选用来参与健康状态指标的特征融合过程时,复合寿命指标的构建方式还可额外包括,从充电量累计量、放电量累计量、绝对值充放电量的总累计量、充电电池供耗电设备运行所产生实际工作量的累计量、充电电池供耗电设备运行所产生实际做功量的累计量、充电电池供汽车行驶所产生实际里程量的累计量、充功比率的累计量、放功比率的累计量、充功比率和放功比率的绝对值的总累计量、充电比率的累计量、放电比率的累计量、充电比率和放电比率的绝对值的总累计量等十二者中按需选取任意一种来直接作为复合寿命指标。
在一些实施例中,所述SOC状态特指充电电池内所剩余的电量与其实际储电容量的比值;所述开路电压为充电电池无电流通过时正负极之间的电位差;所述端电压为充电电池有电流通过时正负两极之间的电位差。
在一些实施例中,所述某种累计寿命指标在特定时刻时的取值方式还可额外包括:首先将自充电电池投入使用起至该特定时刻为止期间内的全部历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量。
在一些实施例中,所述某种累计寿命指标在特定时刻时的取值方式还可额外包括:首先按需选择某一固定的时刻作为累积起始点,然后将自累积起始点起至该特定时刻为止期间内的全部历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量。
在一些实施例中,所述某种累计寿命指标在特定时刻时的取值方式还可额外包括:首先将自充电电池的生产日期起至该特定时刻为止期间内的部分历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量。
在一些实施例中,所述运行工况的种类还可额外包括,充电电池供耗电设备正常运行时的运行功率在运行过程内的具体变化情况或者均值。
在一些实施例中,所述运行工况的种类还可额外包括,充电电池供汽车正常运行时的行驶速度在运行过程内的具体变化情况或者均值。
在一些实施例中,在所述累计寿命指标的任一种取值方式中,在对所选累积范围内的使用度量进行累加的过程中还可额外包括,考虑所选累积范围内某一种或多种运行工况因素的变动所产生的影响;根据实际使用需求,该过程的具体操作还可额外包括:首先获取累积范围内各个时刻所对应的运行工况,同时以此为输入来利用特定模型或规则生成一系列对应的工况修正系数;继而根据工况修正系数对累积范围内各个时刻所对应的使用度量进行加权计算,并将经过加权计算处理后的使用度量进行累加得到所需的累计寿命指标;所述特定模型或规则可以是依据退化数据先验集合来进行训练所获得的也可以是事先预设的。
在一些实施例中,具体步骤还可额外包括,根据实际使用需求,适时地对当前目标充电电池的退化数据已知样本进行取样。
在一些实施例中,具体步骤还可额外包括,根据实际使用需求,适时地对其他同类型充电电池的退化数据已知样本进行取样。
在一些实施例中,所述失效标准的设定方式包括:事先预设、根据退化数据先验集合中的内在规律进行设定等两种。
在一些实施例中,所述退化趋势模型的构建方式包括:首先选择合适的经验数学模型结构,继而设置模型参数并构建完整的经验数学模型;所述模型参数的取值可以是事先预设的或者是依据退化数据先验集合来对所选的经验数学模型结构进行训练所获得的。
在一些实施例中,所述退化趋势模型的构建方式还可额外包括:首先选择合适的神经网络模型结构,继而依据退化数据先验集合来对所选的神经网络模型结构进行训练,最终生成并构建完整的神经网络模型。
在一些实施例中,所述退化数据先验集合的组成包括:当前目标充电电池的退化数据已知样本、其他同类型充电电池的退化数据已知样本等两者中的至少一种。
在一些实施例中,所述采用特征融合的方式来构建复合寿命指标的具体过程包括:首先按需选择某几种累计寿命指标来作为特征融合过程的输入特征,继而为所选的某几种输入特征依次设定其各自的权值系数,之后则依据权值系数对所选的某几种输入特征逐类进行加权计算,最终将经过加权计算处理后的所选某几种输入特征进行加和来构建复合寿命指标;所述权值系数的取值可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的,但不同种类累计寿命指标所对应权值系数的取值全部非零,且相互之间不完全相等。
在一些实施例中,所述采用特征融合的方式来构建复合寿命指标的具体过程还可额外包括:首先按需选择某几种累计寿命指标来作为特征融合过程的输入特征,继而采用合适的神经网络模型来对所选的输入特征进行处理,最终将神经网络模型的输出作为复合寿命指标;所述神经网络模型可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的。
在一些实施例中,所述采用特征融合的方式来构建健康状态指标的具体过程包括:首先按需选择某几种关键性能指标来作为特征融合过程的输入特征,继而为所选的某几种输入特征依次设定其各自的权值系数,之后则依据权值系数对所选的某几种输入特征逐类进行加权计算,最终将经过加权计算处理后的所选某几种输入特征进行加和来构建健康状态指标;所述权值系数的取值可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的,但不同种类关键性能指标所对应权值系数的取值全部非零,且相互之间不完全相等。
在一些实施例中,所述采用特征融合的方式来构建健康状态指标的具体过程还可额外包括:首先按需选择某几种关键性能指标来作为特征融合过程的输入特征,继而采用合适的神经网络模型来对所选的输入特征进行处理,最终将神经网络模型的输出作为健康状态指标;所述神经网络模型可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的。
在一些实施例中,所述退化趋势模型的特性还可额外包括,能够用于预测当前目标充电电池的某一种或多种预后特征。
在一些实施例中,具体步骤还可额外包括,选取合适的预测执行时刻并在该时刻对当前目标充电电池的退化数据已知样本进行取样,继而按需选择取样结果来作为退化趋势模型的输入,并最终使用退化趋势模型来预测当前目标充电电池的某一种或多种预后特征。
在一些实施例中,所述预后特征的种类包括,最优计划维修时间、最优计划替换时间、总寿命、即时寿命、相对剩余寿命、相对即时寿命、某一累计寿命指标在电池发生失效之前的剩余可使用量、某一累计寿命指标在电池发生失效之时的对应数值、健康状态指标未来随复合寿命指标的变化情况、某一关键性能指标未来随复合寿命指标的变化情况、某一累计寿命指标未来随健康状态指标的变化情况、某一累计寿命指标与某一关键性能指标的未来发展关系等十二种。
在一些实施例中,所述相对剩余寿命包括剩余寿命与总寿命的比值;所述相对即时寿命包括即时寿命与总寿命的比值。
在一些实施例中,所述健康状态指标未来随复合寿命指标的变化情况包括:在以预测执行时刻为起点的未来寿命范围内,复合寿命指标在任意取值时所对应健康状态指标的取值,或者健康状态指标在任意取值时所对应复合寿命指标的取值。
在一些实施例中,所述某一关键性能指标未来随复合寿命指标的变化情况包括:在以预测执行时刻为起点的未来寿命范围内,复合寿命指标在任意取值时所对应某一关键性能指标的取值,或者某一关键性能指标在任意取值时所对应复合寿命指标的取值。
在一些实施例中,所述某一累计寿命指标未来随健康状态指标的变化情况包括:在以预测执行时刻为起点的未来寿命范围内,健康状态指标在任意取值时所对应某一累计寿命指标的取值,或者某一累计寿命指标在任意取值时所对应健康状态指标的取值。
在一些实施例中,所述某一累计寿命指标与某一关键性能指标的未来发展关系包括:在以预测执行时刻为起点的未来寿命范围内,某一累计寿命指标在任意取值时所对应某一关键性能指标的取值,或者某一关键性能指标在任意取值时所对应某一累计寿命指标的取值。
在一些实施例中,所述退化趋势模型的特性还可额外包括,能够在预测时考虑运行工况等因素对退化过程的影响。
在一些实施例中,具体步骤还可额外包括,估计当前目标充电电池的未来运行工况。
在一些实施例中,在所述估计当前目标充电电池未来运行工况的步骤中,可采用的估计方法包括:根据预定的充电电池使用规划对未来运行工况进行估计、根据退化数据先验集合内数据的动态规律对未来运行工况进行估计等。
在一些实施例中,所述未来运行工况包括,在以预测执行时刻为起点的未来寿命范围内,复合寿命指标在任意取值时所对应运行工况的取值。
在一些实施例中,所述未来运行工况的估计结果包括:未来运行工况的详细变动情况估计、未来运行工况的等效平均近似估计。
在一些实施例中,在获取剩余寿命的具体过程中还可额外包括,考虑未来运行工况对未来退化过程所产生的影响,在预测时将当前目标充电电池未来运行工况的估计结果作为退化趋势模型的额外输入。
在一些实施例中,在获取充电电池某一种或多种预后特征的步骤中还可额外包括,考虑未来运行工况对未来退化过程所产生的影响,在预测时将当前目标充电电池未来运行工况的估计结果作为退化趋势模型的额外输入。
根据本公开实施例的第二方面,提供一种采用复合寿命指标的充电电池寿命预测装置,包括:
复合寿命指标构建模块,被配置为选用多种不同类型的充电电池累计寿命指标来构建复合寿命指标;
退化趋势模型构建模块,被配置为根据实际使用需求,适时地构建充电电池的退化趋势模型;所述退化趋势模型用于描述充电电池在退化过程中随其复合寿命指标取值的递增所发生的健康状态指标衰变现象;
剩余寿命预测模块,被配置为选取合适的预测执行时刻并在该时刻对当前目标充电电池的退化数据已知样本进行取样,继而按需选择取样结果来作为退化趋势模型的输入,并最终使用退化趋势模型来预测当前目标充电电池在该时刻下的剩余寿命。
根据本公开实施例的第三方面,提供一种电子设备,包括:存储器,被配置为存储计算机指令;处理器,耦合到存储器,处理器被配置为基于存储器存储的计算机指令执行实现如上述任一实施例涉及的一种采用复合寿命指标的充电电池寿命预测方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其中,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如上述任一实施例涉及的一种采用复合寿命指标的充电电池寿命预测方法。
本发明实施例在采用多种不同类型的累计寿命指标来构建复合寿命指标的同时,还可以同时考虑运行工况对退化过程所产生的影响,从而大大提高实际应用中充电电池剩余寿命预测的准确性,有利于用户更加直观、准确了解充电电池的剩余使用情况。
应当理解,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
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是本发明实施例的一种采用复合寿命指标的充电电池寿命预测方法的步骤流程图。
图2是本发明实施例的一种采用复合寿命指标的充电电池寿命预测装置的结构示图。
图3是本发明实施例的一种电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。对示例性实施例的描述仅是说明性的,决不作为对本公开及其应用或使用的任何限制。本公开可采用许多不同的形式实现,不限于这里所述的实施例。提供这些实施例是为了使本公开透彻且完整,并向本领域技术人员充分表达本公开的范围。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、材料的组分和数值应被解释为仅仅是示例性的,而不是作为限制。
本公开中使用的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”、“包含”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本公开使用的所有术语(包括技术术语或者科学术语)与本公开所属领域的普通技术人员理解的含义相同,除非另外特别定义。还应当理解,在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
现有的充电电池寿命预测方法均采用单一的循环次数作为寿命指标,但该指标难以应对日常生活中常见的随机充放电、不定期搁置以及日历老化等现象,因而在实际应用中的预测效果不是很理想。本发明设计并采用了复合寿命指标来描述充电电池的退化过程,可以很好地应对上述现象。此外,该方法还考虑了充电电池运行过程中的工况变动对其退化过程的影响,更贴近实际。本发明实施例所提供的技术方案能够准确预测实际应用中充电电池的剩余寿命,具有极高的应用前景。
本公开提供一种采用复合寿命指标的充电电池寿命预测方法、装置、电子设备及可读存储介质,能够解决充电电池实际应用中广泛存在的工况变动现象以及随机充放电现象,提高了在实际中对充电电池进行寿命预测的准确度,具有极高的应用前景。
图1是根据本公开一些实施例的一种采用复合寿命指标的充电电池寿命预测方法的流程图。在一些实施例中,寿命预测方法包括步骤101-105。
步骤101、选用多种不同类型的充电电池累计寿命指标来构建复合寿命指标。
现有的传统充电电池寿命预测方法大都采用充放电循环次数作为寿命指标。但是,除了充电次数累计量之外,充电电池还可以同时具有其他许多不同种类的累计寿命指标,例如充电量累计量、充电时长累计量、充电功累计量、日历服役时长累计量等。
在实际应用中,充电电池的使用方式和频次取决于用户的随机使用习惯,而且充电过程和放电过程大都是不连续且不完整的,因此所对应的退化数据具有很差的规律性,也非常难以进行分析。根据用户的使用习惯,在充电电池的使用过程中,可能其电量尚未完全用完时就会进行充电,或者其电量尚未完全充满时就需要进行放电使用。对于手机来说,除非在关机状态下进行充电或存在软件设定,否则在对电池进行充电的同时必然也伴随着耗电运行。对于便携式笔记本来说,可能会存在长期插电运行的使用场景。与此同时,放电过程中也可能会存在暂停和续接现象,例如需要暂时更换充电场所或充电场所内暂时的停电。此外,当用户的充电线发生接触不良现象时,可能会在短时间内产生数次极短的充电过程。此外,在充电电池的生产制作完成之后,可能会在仓库中进行一定时长的储存搁置,即不会立即投入使用。与此同时,在充电电池的使用过程中也会存在偶然的停机搁置现象。虽然在搁置过程中并没有对充电电池进行使用,但这也会使得充电电池发生老化,因此也可以将搁置现象纳入累计寿命指标的考虑范围之内。
综上所述,充电电池的退化过程是非常复杂的,显然单独采用循环次数来描述退化过程是不准确且不合理的。因此,有必要同时考虑多种累计寿命指标,并构建最为合理的复合寿命指标来描述充电电池的退化过程。为了平衡各种累计寿命指标之间的关系,本发明采用了复合寿命指标来描述充电电池的寿命退化过程。由于并不是单单地对循环次数进行计数,这种方式在理论上显得更加的合理。
在一些实施例中,所述累计寿命指标为充电电池的某种特定类型使用度量的累计量。
在一些实施例中,所述某种累计寿命指标在特定时刻时的取值方式包括:首先将自充电电池的生产日期起至该特定时刻为止期间内的全部历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量。
在一些实施例中,所述累计寿命指标的种类包括:充电量累计量、放电量累计量、绝对值充放电量的总累计量等三种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充电功累计量、放电功累计量、绝对值充放电功的总累计量等三种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充电时长累计量、放电时长累计量、充放电时长总累计量等三种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充电次数累计量、放电次数累计量、充放电次数总累计量等三种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:搁置次数累计量、搁置时长累计量等两种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:日历服役时长累计量。
根据累计寿命指标种类的不同,所述的特定类型使用度量可以包括:充电量、放电量、充电功、放电功、充电时长、放电时长、充电次数、搁置次数等等,不再一一赘述。
充电量和放电量表示电荷量的物理意义,单位为Ah,简称安培时,1Ah的电荷量是1安培的电流通电1小时的电荷量。常用的电荷量单位还有mAh,简称毫安时。
充电功和放电功表示能量的物理意义,单位为kWh,简称千瓦时,1kWh的能量相当于功率为1000瓦的电器在使用1小时之后所消耗的能量。常用的能量单位还有J,简称焦耳。
通常来说,充电量累计量为充电电池特定累积范围内的历次充电过程所产生实际充电量的累计量。放电量累计量为充电电池特定累积范围内的历次放电过程所产生实际放电量的累计量。绝对值充放电量的总累计量需首先对特定累积范围内的历次充电过程和放电过程所产生的实际充电量和实际放电量取绝对值,继而对两者一同进行累计加和。具体来说,充电量累计量表示充电电池特定累积范围内所累计充入的电量。对于充电电池来说,自其投入使用开始就会不断的进行充电使用或放电使用,对每次充电过程所充入的电量进行累加,就会得到所需的充电量累计量。此处的“累积”强调累积的过程,“累计”则强调累计的结果。充电功累计量则为充电电池特定累积范围内的历次充电过程所对应充电功的累计量,放电功累计量为充电电池特定累积范围内的历次放电过程所对应放电功的累计量,绝对值充放电功总累计量则为充电电池特定累积范围内的历次充电过程和放电过程所对应充电功以及放电功的绝对值的总累计量。充电时长累计量则为充电电池特定累积范围内的历次充电过程所对应充电时长的累计量,放电时长累计量为充电电池特定累积范围内的历次放电过程所对应放电时长的累计量,充放电时长总累计量则为充电电池特定累积范围内的历次充电过程和放电过程所对应充电时长以及放电时长的总累计量。充电次数累计量为充电电池特定累积范围内所产生充电次数的累计量。放电次数累计量则为充电电池特定累积范围内所产生放电次数的累计量。充放电次数总累计量则为充电电池特定累积范围内所产生充电次数以及放电次数的总累计量。此处的充放电次数并不限定完整的充放电过程或不完整的充放电过程,即可以包括两种情况中的任意一种。此处用来举例的特定累积范围为自充电电池的生产日期起至该特定时刻为止期间内的全部历史时段或时刻。
对于充电电池来说,在其充放电使用过程之间可能会存在搁置过程,即既不进行充电也不进行放电。对于特定累积范围内所存在的搁置过程进行计数可获得搁置次数累计量,对于特定累积范围内历次搁置过程的持续时长进行累计则可获得搁置时长累计量。
对于充电电池来说,日历服役时长则同时考虑了搁置过程、充电过程、放电过程所产生的累计时长。对于充电电池来说,其只存在充电、放电、搁置三种现象。如果所选的特定累积范围为自充电电池的生产日期起至该特定时刻为止期间内的全部历史时段或时刻,由于该累积范围为连续的,所以对应的日历服役时长则为该累积范围的总时长。
在一些实施例中,所述复合寿命指标的构建方式还可额外包括,从充电功累计量、放电功累计量、绝对值充放电功总累计量、充电时长累计量、放电时长累计量、充放电时长总累计量、搁置次数累计量、搁置时长累计量等八者中选取任意一种来直接作为复合寿命指标。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充电比率的累计量、放电比率的累计量、充电比率和放电比率的绝对值的总累计量等三种。
在一些实施例中,所述充电比率的种类包括:充电量与额定储电容量的比值、充电量与初始储电容量的比值、充电量与实际储电容量的比值等三种;所述放电比率的种类包括:放电量与额定储电容量的比值、放电量与初始储电容量的比值、放电量与实际储电容量的比值等三种。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充功比率的累计量、放功比率的累计量、充功比率和放功比率的绝对值的总累计量等三种。
在一些实施例中,所述充功比率的种类包括:充功量与额定储功容量的比值、充功量与初始储功容量的比值、充功量与实际储功容量的比值等三种;所述放功比率的种类包括:放功量与额定储功容量的比值、放功量与初始储功容量的比值、放功量与实际储功容量的比值等三种。
所述充电比率的累计量为充电电池特定累积范围内的历次充电过程所对应充电比率的累计量。放电比率的累计量则为充电电池特定累积范围内的历次放电过程所对应放电比率的累计量。在求取充电比率(或放电比率)之前,需要先获取历次充电过程(或放电过程)中所对应的充电量(或放电量),继而选取合适的比例基准来求取充电比率(或放电比率)。当采用实际储电容量为比例基准时,需要根据历次充电过程(或放电过程)所对应的实际储电容量来求取,而实际储电容量会在退化过程发生衰变。充电比率和放电比率的绝对值的总累计量则需首先对充电电池特定累积范围内的历次充电过程和放电过程的充电比率和放电比率取绝对值,继而对两者一同进行累计加和。此处用来举例的特定累积范围为自充电电池的生产日期起至该特定时刻为止期间内的全部历史时段或时刻。
所述充功比率的累计量为充电电池特定累积范围内的历次充电过程所对应充功比率的累计量。放功比率的累计量则为充电电池特定累积范围内的历次放电过程所对应放功比率的累计量。在求取充功比率(或放功比率)之前,需要先获取历次充电过程(或放电过程)中所对应的充功量(或放功量),继而选取合适的比例基准来求取充电比率(或放电比率)。当采用实际储功容量为比例基准时,需要根据历次充电过程(或放电过程)所对应的实际储功容量来求取,而实际储功容量会在退化过程发生衰变。充功比率和放功比率的绝对值的总累计量则需首先对充电电池特定累积范围内的历次充电过程和放电过程的充功比率和放功比率取绝对值,继而对两者一同进行累计加和。此处用来举例的特定累积范围为自充电电池的生产日期起至该特定时刻为止期间内的全部历史时段或时刻。
在一些实施例中,所述复合寿命指标的构建方式还可额外包括,从充功比率的累计量、放功比率的累计量、充功比率和放功比率的绝对值的总累计量等三者中按需选取任意一种来直接作为复合寿命指标。
在一些实施例中,根据实际使用需求,当充电比率和放电比率是根据实际储电容量所求取的时,所述复合寿命指标的构建方式还可额外包括,从充电比率的累计量、放电比率的累计量、充电比率和放电比率的绝对值的总累计量等三者中按需选取任意一种来直接作为复合寿命指标。
在一些实施例中,所述实际储电容量包括充电电池在完全充满状态下所实际存储的电量,其代表了充电电池储电和放电能力的极限,而且其取值会随着充电电池的长期使用而发生衰变;与此同时,运行工况的改变也会使得实际储电容量发生变化。
在一些实施例中,实际储电容量的取值方式包括:在充电过程中将充电电池从完全耗尽状态充电至完全充满状态所需从外界汲取的电量、在放电过程中将充电电池从完全充满状态放电至完全耗尽状态所能向外界释放的电量等两种。
在采集累计寿命指标的过程中,可以对完整和非完整充放电过程同时进行计算;对于充电量累计量来说,只要充电电池进行了充电使用,累计充电量就会随着累加过程不断的增长;对于日历寿命累计量来说,则不论充电电池是否进行了使用,日历寿命累计量均会随着时间的流逝而增长;而对于搁置时间累计量来说,其值则与搁置过程完全相关。
在一些实施例中,所述复合寿命指标的构建方式包括:选用任意两种不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标、选用任意三种不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标、选用任意四种不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标、选用任意四种以上不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标。
在一些实施例中,所述采用特征融合的方式来构建复合寿命指标的具体过程包括:首先按需选择某几种累计寿命指标来作为特征融合过程的输入特征,继而为所选的某几种输入特征依次设定其各自的权值系数,之后则依据权值系数对所选的某几种输入特征逐类进行加权计算,最终将经过加权计算处理后的所选某几种输入特征进行加和来构建复合寿命指标;所述权值系数的取值可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的,但不同种类累计寿命指标所对应权值系数的取值全部非零,且相互之间不完全相等。
此处采用具体的案例来说明权值系数的选取对复合寿命指标的影响。假定采用充电时长累计量和放电时长累计量两种累计寿命指标来构建复合寿命指标,并且在具体的特征融合中采用了指定权值系数的方式。如若两者的权值系数被设定为完全相等的,则据此构成的复合寿命指标代表了充电电池充放电时长总累计量。若充电时长累计量的权值系数为零,而放电时长累计量的权值系数不为零,则据此构成的复合寿命指标与放电时长累计量具有等同的物理意义。假定采用充电时长累计量、放电时长累计量、搁置时长累计量三者来构建复合寿命指标,并且在具体的特征融合中采用了指定权值系数的方式。如若三者的权值系数被设定为完全相等的,则据此构成的复合寿命指标代表了日历服役时长累计量。
在对所选取的累计寿命指标指定各自的权值系数时,累计寿命指标与权值系数之间的关系是一一对应的,即每一种累计寿命指标均具有对应的权值系数,且不同的权值系数之间不存在隶属或相关关系。为了与现有的方法进行区别,此处对权值系数的取值设置了进一步限定,即不同种类累计寿命指标所对应权值系数的取值全部非零,且相互之间不完全相等。
在一些实施例中,所述采用特征融合的方式来构建复合寿命指标的具体过程还可额外包括:首先按需选择某几种累计寿命指标来作为特征融合过程的输入特征,继而采用合适的神经网络模型来对所选的输入特征进行处理,最终将神经网络模型的输出作为复合寿命指标;所述神经网络模型可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的。
在一些实施例中,所述退化数据先验集合的组成包括:当前目标充电电池的退化数据已知样本、其他同类型充电电池的退化数据已知样本等两者中的至少一种。
在一些实施例中,所述关键性能指标为充电电池的某种特定类型性能特征,并且该特定类型性能特征的取值会随着充电电池的长期使用而逐渐发生衰变。
此处所述“长期使用而发生衰变”中的“衰变”的意义在于,对于某些关键性能指标来说,其值在退化过程中不一定是逐渐递减的过程,也可能是逐渐增加的过程,但其也同样意味着充电电池性能的退化。例如,在充电电池的使用过程中,内阻可能会逐渐增大。实际内阻的衰变值表示充电电池的内阻在与其刚投入使用时相比的变化情况。此处实际内阻的衰变值包括其电阻的绝对变化量,也包括绝对变化量与初始电阻(当前充电电池初始状态下的电阻)相除所得到的变化率(即恒定常值倍数学变换)。此外,也可以采用额定电阻值来进行恒定常值倍数学变换。
在一些实施例中,所述某种关键性能指标在特定时刻时的取值方式包括:首先根据实际需求选定充电电池的某种特定类型性能特征,继而获取其在该特定时刻下的取值。
在一些实施例中,所述退化数据是与充电电池退化过程密切相关的数据,可用于构建健康状态指标、复合寿命指标以及退化趋势模型;具体的,退化数据的数据构成包括累计寿命指标、关键性能指标等两者。
在一些实施例中,所述退化数据的数据构成还可额外包括,运行工况。
在一些实施例中,所述退化数据已知样本包括,实时所能采集到的退化数据、全部历史时刻所能采集到的退化数据、部分历史时刻所能采集到的退化数据等三者中的至少一种。
在一些实施例中,当需要在特定时刻时对特定充电电池的退化数据已知样本进行取样时,所对应的具体取样范围包括:特定充电电池在特定时刻下所直接产生的实时退化数据、特定充电电池在自其生产日期起至该特定时刻为止期间内的全部历史时段或时刻所产生的历史退化数据、特定充电电池在自其生产日期起至该特定时刻为止期间内的部分历史时段或时刻所产生的历史退化数据等三者中的至少一种。
充电电池的退化数据先验集合中包含了退化过程的关键信息。因此可以对其进行处理和分析来退化过程的发展趋势,并最终预测剩余寿命。退化数据先验集合的构成包括当前目标充电电池的退化数据已知样本,例如,在实际中可以通过采集当前目标充电电池的实时数据或历史数据来分析退化规律。与此同时,退化数据先验集合的构成也包括其他同类型充电电池的退化数据已知样本,例如,通过事先对同类型充电电池进行充放电试验来生成退化数据,亦或是采集其他用户所使用同类型充电电池的退化数据。此处的同类型包括相同型号的充电电池,也包括相同制造工艺和材料配比的充电电池,本申请对此不做任何限定。
退化数据已知样本的取样范围也可以是多样的,例如仅仅采用当前时刻(预测执行时刻)所对应的退化数据,或者采集迄今为止全部历史时刻所对应的退化数据,或者采集迄今为止部分选定时段或选定时刻所对应的退化数据。
在一些实施例中,所述运行工况的种类包括,充电电池的电压、电流、功率、温度等参数在充电或放电过程中的具体变化情况。
在一些实施例中,所述运行工况的种类还可额外包括,充电电池的电压、电流、功率、温度等参数在充电或放电过程中的均值。
在一些实施例中,所述运行工况的种类还可额外包括,充电电池在充电过程中的充电截止电流、充电电池在放电过程中的放电截止电压等两种;充电截止电流是指电池在充电时,电流上升到电池不宜再继续充电的最低电流值;放电截止电压是指电池在放电时,电压下降到电池不宜再继续放电的最低电压值。
对于充电电池来说,其充放电电流既可以采用实际的电流值(单位为A或mA)来表示,也可以采用充放电倍率(单位为C)来表示。其中充放电倍率C为实际电流值的恒定常值倍数学变换,两者都具有电流的物理意义,此处均可以视为电流。
对于充电电池来说,运行工况的设定显然会影响其性能表现(继而会对退化过程产生影响)。例如,在采用大电流放电时,由于电池内阻的影响,会使得充电电池的实际储电容量发生容量损失。对于恒流恒压充电过程来说,当恒压充电阶段的充电截止电流设定较大时,充电电池的储电能力就会下降,因此充电过程中充电截止电流的设定会影响实际储电容量;与此同时,当放电过程中放电截止电压的设定值较大时,充电电池所储存的部分电量就难以释放,所以放电过程中放电截止电压的设定也会影响实际储电容量。又或,不同季节温度下,充电电池的实际储电容量会产生显著变化。对于任意的充电或放电过程来说,过程中电压、电流、功率、温度等参数都可能会随着充电或放电过程的持续而不断发生变化,这些参数的变化对充电电池性能的影响是直接并且即时的,因此可以视为充电电池的工况条件。此外,为了简化分析和计算,还可对单次充电或放电过程中的相关参数进行求平均值的处理。
在一些实施例中,具体步骤还可额外包括,根据实际使用需求,适时地对当前目标充电电池的退化数据已知样本进行取样。
在一些实施例中,具体步骤还可额外包括,根据实际使用需求,适时地对其他同类型充电电池的退化数据已知样本进行取样。
此处采用了“适时”的表述,即可以按照实际需求选择合适的时刻来对退化数据已知样本进行取样。例如每经过一段特定的时间长度,就定时进行一次取样;或者事先设定好一系列时间戳,继而在抵达时间戳之时进行取样;又或者为了降低计算量,仅在初始化时进行一次取样;又或者设定一系列“事件”,并仅在“事件”被触发之时才取样;或者将主动权交给用户,由用户按需进行取样。此处的描述仅是说明性的,本申请对此不做任何限定。
步骤103、根据实际使用需求,适时地构建充电电池的退化趋势模型;所述退化趋势模型用于描述充电电池在退化过程中随其复合寿命指标取值的递增所发生的健康状态指标衰变现象。
此处采用了“适时”的表述,即可以按照实际需求选择合适的时刻来构建(或重新构建)退化趋势模型。例如每经过一段特定的时间长度,就定时地构建(或重新构建)退化趋势模型;或者事先设定好一系列时间戳,继而在实际抵达时间戳之时构建(或重新构建)退化趋势模型;又或者为了降低计算量,仅在初始化阶段构建一次退化趋势模型;又或者设定一系列“事件”,并仅在“事件”被触发之时构建(或重新构建)退化趋势模型;或者将主动权交于用户,由用户按需构建(或重新构建)退化趋势模型。此处的描述仅是说明性的,本申请对此不做任何限定。
在一些实施例中,所述健康状态指标的构建方式包括,选用任意一种关键性能指标来直接作为健康状态指标。
在一些实施例中,所述健康状态指标的构建方式还可额外包括:选用任意两种不同类型的关键性能指标并通过特征融合的方式来构建健康状态指标、选用任意三种不同类型的关键性能指标并通过特征融合的方式来构建健康状态指标、选用任意三种以上不同类型的关键性能指标并通过特征融合的方式来构建健康状态指标。
在一些实施例中,所述关键性能指标的种类包括:实际储电容量、实际储电容量的衰减值、实际内阻、实际内阻的衰变值等四种。
关键性能指标用来表示充电电池的健康状态,该类指标会随着充电电池的退化过程而逐渐衰变。例如,实际储电容量表征充电电池实际储存电量能力的极限。在充电电池的退化过程中,实际储电容量会不断地减少,直至充电电池无法正常工作。实际储电容量代表充电电池荷电能力的极限,会直接影响其实际使用过程中的工作性能。
对于充电电池来说,其一般都会具有额定储电容量或额定工作量等一类的额定指标。因而在很多应用场景中,可以依据额定指标对其充电量或工作量等关键性能指标进行归一化操作,来获得在相对意义上的充电量或工作量等指标。例如,此处的实际储电容量包括绝对意义上的实际储电容量,也包括由实际储电容量与额定储电容量相除所得到的相对意义上的储电容量(即对绝对意义上的实际储电容量进行恒定常值倍数学变换)。恒定常值倍数学变换中“恒定常值”的意义在于,所采用的变换倍数为某一恒定的常值。此处以额定指标为例是为了对“恒定常值”进行说明性的描述,对于采用其他“恒定常值”的情况,本申请不做进一步的限定。例如,也可以采用当前充电电池的初始储电容量来进行归一化操作。
实际储电容量的衰减值表示,与充电电池刚投入使用时相比,当前实际储电容量的衰减情况。实际储电容量衰减情况的求取方法,包括将当前实际储电容量与初始状态下的实际储电容量进行相减所得到的绝对衰减值,也包括将当前实际储电容量与额定储电容量进行相减所得到绝对衰减值,本申请对此不做任何限定。此外,此处实际储电容量的衰减情况,包括实际储电容量的绝对衰减值,也包括绝对衰减值与额定储电容量相除所得到的相对衰减率(即恒定常值倍数学变换)。
在一些实施例中,所述关键性能指标的种类还可额外包括:实际储功容量、实际储功容量的衰减值等两种。
在一些实施例中,所述实际储功容量包括充电电池在完全充满状态下所实际储存的电功,其代表了充电电池储功和放功能力的极限,而且其取值会随着充电电池的长期使用而发生衰变;与此同时,运行工况的改变也会使得实际储功容量发生变化。
在一些实施例中,实际储功容量的取值方式包括:在充电过程中将充电电池从完全耗尽状态充电至完全充满状态所需从外界汲取的电功、在放电过程中将充电电池从完全充满状态放电至完全耗尽状态所能向外界释放的电功等两种。
累计寿命指标也可以包括充电量累计量、充电功累计量、充电时长累计量等指标的恒定常值倍数学变换。例如,在某种情况下,可以通过将充电量累计量与充电电池额定储电容量相除来得到一个等效的标准循环次数,即充电量累计量的数值等效于多少个额定储电容量。该等效的本质仍然来源于充电量累计量,并且与充电量累计量具有确定性的倍数关系,因此也可视为累计寿命指标。对于充电功累计量和充电时长累计量等来说,相对的恒定常值倍数学变换定义也与此类似。
在采集关键性能指标时,考虑到实际采集能力的限制,可以只在特定情况下对其真实值进行采集。例如,对实际储电容量来说,可能只有在完整充放电过程下才能采集到实际储电容量。虽然在非完整充放电过程下是无法直接采集实际储电容量的,但是却可以根据退化数据对其进行估计。在采用充电电池实际内阻作为关键性能指标时,则不存在类似的采集限制,因为内阻的采集过程并不受完整充放电循环的限制,因而可以随时进行采集。此处的描述仅是说明性的,本申请对此不做任何限定。
当采用实际储电容量作为关键性能指标时,只有采用完整充放电循环才能准确采集出充电电池的实际储电容量,不完整循环过程是无法采集出实际储电容量的。但是由于采用复合寿命指标作为寿命指标可以保证完整或非完整循环模式下退化过程之间的一致性,因此可以从完整循环模式下的退化过程中获取数据进行退化建模,继而根据建立好的模型来估计不完整循环过程中任意寿命状态节点下的实际储电容量。同时,在采用完整充放电和不完整充放电的交替循环时,也是可以获得或者校验某些关键寿命节点(复合寿命指标)下的实际储电容量的取值,从而可以进行退化建模。此处关于退化建模的描述仅是说明性的,本申请对此不做任何限定。
在一些实施例中,所述关键性能指标的种类还可额外包括:任意种类累计寿命指标。
此处将累计寿命指标也纳入关键性能指标的范围之内,因此在构建健康性能指标的过程中,也可以按需选用某些特定类型的累计寿命指标来参与特征融合。
在一些实施例中,所述采用特征融合的方式来构建健康状态指标的具体过程包括:首先按需选择某几种关键性能指标来作为特征融合过程的输入特征,继而为所选的某几种输入特征依次设定其各自的权值系数,之后则依据权值系数对所选的某几种输入特征逐类进行加权计算,最终将经过加权计算处理后的所选某几种输入特征进行加和来构建健康状态指标;所述权值系数的取值可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的,但不同种类关键性能指标所对应权值系数的取值全部非零,且相互之间不完全相等。
此处采用具体的案例来说明权值系数的选取对健康状态指标的影响。假定采用实际储电容量和实际内阻两种关键性能指标,并通过指定权值系数的方式来构建健康状态指标。若实际储电容量的权值系数为零,而实际内阻的权值系数不为零,则据此构成的健康状态指标与实际内阻具有等同的物理意义。
在对所选取的关键性能指标指定各自的权值系数时,关键性能指标与权值系数之间的关系是一一对应的,即每一种关键性能指标均具有对应的权值系数,且不同的权值系数之间不存在隶属或相关关系。为了与现有的方法进行区别,此处对权值系数的取值设置了进一步限定,即不同种类关键性能指标所对应权值系数的取值全部非零,且相互之间不完全相等。
在一些实施例中,所述采用特征融合的方式来构建健康状态指标的具体过程还可额外包括:首先按需选择某几种关键性能指标来作为特征融合过程的输入特征,继而采用合适的神经网络模型来对所选的输入特征进行处理,最终将神经网络模型的输出作为健康状态指标;所述神经网络模型可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的。
在一些实施例中,根据实际使用需求,当所述健康状态指标是通过特征融合的方式所构成的时,所述复合寿命指标的构建方式还可额外包括,从充电量累计量、放电量累计量、绝对值充放电量的总累计量等三者中按需选取任意一种来直接作为复合寿命指标。
在一些实施例中,所述复合寿命指标的构建方式还可额外包括,按需选用任意一种累计寿命指标来直接作为复合寿命指标;并且所述取健康状态指标是经下述任一方式所获取的:所述健康状态指标是通过特征融合的方式所构成的并且融合过程中选用了至少一种累计寿命指标、所述健康状态指标是由某种累计寿命指标所直接构成的、所述健康状态指标是通过特征融合的方式所构成的并且融合过程中选用了实际储功容量和实际储功容量的衰减值等两者中的至少一种、所述健康状态指标是由实际储功容量或者实际储功容量的衰减值所直接构成的。
此处的额外限定是为了与现有的方法进行区别,以保证本发明的先进性。现存的某些方法在采用单一的累计寿命指标作为寿命指标的同时,采用了单一的关键性能指标来作为健康状态指标。在本发明的一些实施例中,为了与现有方法进行区别,特地对健康状态指标的构建进行了额外的限定。
简而言之,只有在特定情况下才包括采用单一的累计寿命指标作为复合寿命指标。上述的几种方案均与现有的方法存在显著差异,在实际的应用中可以包括其中的任意一种方案。此外,也可以采用某些特定类型的累计寿命指标来直接作为复合寿命指标,原因在于现有的方法中未曾考虑过这类方式。
在一些实施例中,所述关键性能指标的种类还可额外包括:处于搁置中的充电电池在特定SOC状态下所对应的开路电压、处于充电中的充电电池在特定充电电流以及特定SOC状态下所对应的端电压、处于放电中的充电电池在特定放电电流以及特定SOC状态下所对应的端电压、处于充电中的充电电池在特定充电电流以及特定SOC状态下所对应的充电功率、处于放电中的充电电池在特定放电电流以及特定SOC状态下所对应的放电功率、处于搁置中的充电电池在特定开路电压下所对应的SOC状态、处于充电中的充电电池在特定充电电流以及特定端电压下所对应的SOC状态、处于放电中的充电电池在特定放电电流以及特定端电压下所对应的SOC状态、充电电池实际储电容量全部供耗电设备运行所能产生的实际工作量、充电电池实际储电容量全部供耗电设备运行所能产生的实际做功量、充电电池实际储电容量全部供汽车行驶所能产生的实际里程量等十一种;此外,根据实际使用需求,当该十一种关键性能指标中的任一种被直接选用来作为健康状态指标时,或者当该十一种关键性能指标中的至少一种被选用来参与健康状态指标的特征融合过程时,复合寿命指标的构建方式还可额外包括,从充电量累计量、放电量累计量、绝对值充放电量的总累计量、充电电池供耗电设备运行所产生实际工作量的累计量、充电电池供耗电设备运行所产生实际做功量的累计量、充电电池供汽车行驶所产生实际里程量的累计量、充功比率的累计量、放功比率的累计量、充功比率和放功比率的绝对值的总累计量、充电比率的累计量、放电比率的累计量、充电比率和放电比率的绝对值的总累计量等十二者中按需选取任意一种来直接作为复合寿命指标。
在一些实施例中,所述SOC状态特指充电电池内所剩余的电量与其实际储电容量的比值;所述开路电压为充电电池无电流通过时正负极之间的电位差;所述端电压为充电电池有电流通过时正负两极之间的电位差。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充电电池供耗电设备运行所产生实际工作量的累计量、充电电池供耗电设备运行所产生实际做功量的累计量、充电电池供汽车行驶所产生实际里程量的累计量。
对于某些依靠充电电池的耗电设备(由充电电池所驱动)来说,其所能实际产生的使用度量与充电电池性能(例如实际储电容量)十分相关。此外,在某些情况下,充电电池是集成于耗电设备的,此时耗电设备所能产生的使用度量会更容易采集。故而可利用耗电设备的使用度量来生成关键性能指标或对相应工作量进行累加来获得累计寿命指标。
对于汽车来说,对应的使用度量可采用行驶距离的多少来定义。对于常见耗电设备来说,其使用度量可以为做功量的多少,具体包括机械功、电功以及其他不同的能量种类,例如,对于便携式暖手宝来说,做功量可以为其产生热量的多少。对于便携式电钻来说,做功量可以为其产生机械功的多少。此外,耗电设备实际的工作量也可以用来当作使用度量,例如,对于扫地机器人来说,对应的工作量可以为其所处理垃圾的重量或数量。对于数据中心来说,对应的工作量可以为其所存储数据字节量的多少。对于便携式电脑来说,对应的工作量可以为其所处理指令量的多少。对于电动刮胡刀来说,对应的工作量可以为其刀片旋转圈数的多少。此处的描述仅是说明性的,本申请对此不做任何限定。
以上述的汽车为例,对应的关键性能指标为充电电池实际储电容量全部供汽车行驶所能产生的实际里程量,累计寿命指标则为充电电池供汽车行驶所产生实际里程量在特定累积范围内的累计量;以上述的电钻为例,对应的关键性能指标为充电电池实际储电容量全部供电钻工作所能产生的实际机械功,累计寿命指标则为充电电池供电钻工作所产生实际机械功在特定累积范围内的累计量。此处的描述仅是说明性的,本申请对此不做任何限定。这类指标也同时适用于前述的额定指标以及恒定常值倍数学变换等相关定义。
在一些实施例中,所述累计寿命指标的种类还可额外包括:充电比率的累计量、放电比率的累计量、充电比率和放电比率的绝对值的总累计量、充功比率的累计量、放功比率的累计量、充功比率和放功比率的绝对值的总累计量、充电电池供耗电设备运行所产生实际工作量的累计量、充电电池供耗电设备运行所产生实际做功量的累计量、充电电池供汽车行驶所产生实际里程量的累计量等九种;此外,根据实际使用需求,当所述健康状态指标是通过特征融合的方式所构成的时,所述复合寿命指标的构建方式还可额外包括,从前述九种累计寿命指标中按需选取任意一种来直接作为复合寿命指标。
在一些实施例中,所述某种累计寿命指标在特定时刻时的取值方式还可额外包括:首先按需选择某一固定的时刻作为累积起始点,然后将自累积起始点起至该特定时刻为止期间内的全部历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量。
在一些实施例中,所述某种累计寿命指标在特定时刻时的取值方式还可额外包括:首先将自充电电池投入使用起至该特定时刻为止期间内的全部历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量。
在一些实施例中,所述某种累计寿命指标在特定时刻时的取值方式还可额外包括:首先将自充电电池的生产日期起至该特定时刻为止期间内的部分历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量。
通常来说,在采集累计寿命指标的过程中需要对全部历史使用过程中所产生的使用度量进行累加,此时所选择的累积范围也就是自充电电池的生产日期起至该特定时刻为止期间内的全部历史时段或时刻。但是出于减少计算量的考虑,也可以采用数据压缩的技术,例如,在对原始数据进行稀释采样(仅选定部分历史时段或时刻)之后再进行累加计算,也即首先将自充电电池的生产日期起至该特定时刻为止期间内的部分历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量。累计寿命指标的采集过程中也可以采用其他数据处理规则对累积范围内的数据进行重新采样或重新计算,或者按需选择累积范围,本申请对此不做任何限定。
在一些实施例中,在所述累计寿命指标的任一种取值方式中,在对所选累积范围内的使用度量进行累加的过程中还可额外包括,考虑所选累积范围内某一种或多种运行工况因素的变动所产生的影响;根据实际使用需求,该过程的具体操作还可额外包括:首先获取累积范围内各个时刻所对应的运行工况,同时以此为输入来利用特定模型或规则生成一系列对应的工况修正系数;继而根据工况修正系数对累积范围内各个时刻所对应的使用度量进行加权计算,并将经过加权计算处理后的使用度量进行累加得到所需的累计寿命指标;所述特定模型或规则可以是依据退化数据先验集合来进行训练所获得的也可以是事先预设的。
在一些实施例中,所述运行工况的种类还可额外包括,充电电池供耗电设备正常运行时的运行功率在运行过程内的具体变化情况或者均值。
在一些实施例中,所述运行工况的种类还可额外包括,充电电池供汽车正常运行时的行驶速度在运行过程内的具体变化情况或者均值。
对实际的耗电设备来说,其运行工况的种类会更加的灵活。例如对于电动汽车来说,工况可以是行驶速度,而在需要使用空调功能进行降温或取暖时,工况也可以是总的实际功率。对于实际耗电设备来说,其运行过程中的运行功率可视为运行工况;对于电动汽车来说,其运行过程中的行驶速度可视为运行工况。此外,为了简化分析和计算,还可对单次运行过程中的相关参数进行求平均值的处理。此处关于运行工况的描述仅是说明性的,本申请对此不做任何限定。工况类的指标也同时适用于前述的额定指标以及恒定常值倍数学变换等相关定义,此处不再进行赘述。
在一些实施例中,所述退化趋势模型的构建方式包括:首先选择合适的经验数学模型结构,继而设置模型参数并构建完整的经验数学模型;所述模型参数的取值可以是事先预设的或者是依据退化数据先验集合来对所选的经验数学模型结构进行训练所获得的。
在一些实施例中,所述退化趋势模型的构建方式还可额外包括:首先选择合适的神经网络模型结构,继而依据退化数据先验集合来对所选的神经网络模型结构进行训练,最终生成并构建完整的神经网络模型。
对于充电电池来说,其退化趋势模型可以是事先预设好的,这样就可以直接获取。与此同时,从充电电池的退化数据先验集合中也是可以推断出退化规律的。退化数据先验集合的组成包括当前目标充电电池的退化数据已知样本、其他同类型充电电池的退化数据已知样本;采集范围则包括预测执行时刻所对应的退化数据、迄今为止(预测执行时刻之前)的全部历史时刻所对应的退化数据、迄今为止的部分选定时段或选定时刻所对应的退化数据。因此可以在执行预测操作之前,根据当前目标充电电池的退化数据已知样本生成退化趋势模型。除此之外,还可以通过获取其他同类型充电电池的退化数据已知样本来构建退化趋势模型。例如,通过事先对同类型充电电池进行充放电试验来收集退化数据,亦或是采集其他用户所使用同类型充电电池的退化数据。此处的同类型包括相同型号的充电电池,也包括相同制造工艺和材料配比的充电电池,本申请对此不做任何限定。
通常情况下,在基于模型的方法中,获得在预测执行时刻时实时采集的退化数据即可进行预测。但是对于机器学习类的方法来说,为了获取更加准确的预测结果,可能需要对历史数据进行分析,例如,采用全部历史范围或时刻所对应的数据或者某些特定历史范围或时刻所对应的数据。此处关于退化建模的描述仅是说明性的,本申请对此不做任何限定。
在一些实施例中,所述退化趋势模型的特性还可额外包括,能够在预测时考虑运行工况等因素对退化过程的影响。
对于实际储电容量来说,充电截止电流的绝对值越大时,充电电池所能充入的电量就越少,而放电截止电压的绝对值越大时,充电电池所能放出的电量就越少。此外,电压、电流、功率、温度等因素也会对对退化过程产生影响,故而也可以在构建退化趋势模型的过程中充分考虑运行工况的影响。
在一些实施例中,具体步骤还可额外包括,估计当前目标充电电池的未来运行工况。
在一些实施例中,在所述估计当前目标充电电池未来运行工况的步骤中,可采用的估计方法包括:根据预定的充电电池使用规划对未来运行工况进行估计、根据退化数据先验集合内数据的动态规律对未来运行工况进行估计等。
在一些实施例中,所述未来运行工况包括,在以预测执行时刻为起点的未来寿命范围内,复合寿命指标在任意取值时所对应运行工况的取值。
在一些实施例中,所述未来运行工况的估计结果包括:未来运行工况的详细变动情况估计、未来运行工况的等效平均近似估计。
步骤105、选取合适的预测执行时刻并在该时刻对当前目标充电电池的退化数据已知样本进行取样,继而按需选择取样结果来作为退化趋势模型的输入,并最终使用退化趋势模型来预测当前目标充电电池在该时刻下的剩余寿命。
在一些实施例中,所述失效标准为充电电池健康状态指标取值范围内的某一值,当健康状态指标衰变至该值时充电电池发生失效。
在一些实施例中,所述失效标准的设定方式包括:事先预设、根据退化数据先验集合中的内在规律进行设定等两种。
失效标准为充电电池健康状态指标取值范围内的某一值。例如,当采用充电电池的实际储电容量(SOH)作为健康状态指标时,失效标准就是SOH取值范围中的某一值。失效标准的具体取值可以是事先预设的,对充电电池来说,在采用SOH作为健康状态指标时,失效标准通常设定为初始储电容量的80%。失效标准是用于界定充电电池退化程度的,在大多数情况下只是对失效状态的一个保守估计。虽然超过失效标准时的退化程度是不可接受的,但也不意味着此时的充电电池会完全无法使用。失效标准可以根据实际的应用场景进行灵活设定,例如根据退化数据等,本申请对此不做任何限定。
在一些实施例中,所述剩余寿命为总寿命与即时寿命的差值,其代表复合寿命指标在充电电池发生失效之前的剩余可使用量;具体的,剩余寿命在特定时刻时的取值也为总寿命取值与该特定时刻下即时寿命取值之间的差值。
在一些实施例中,所述总寿命为充电电池失效时所对应的复合寿命指标,具体的,总寿命的取值也为健康状态指标衰变至失效标准时所对应复合寿命指标的取值。
在一些实施例中,所述即时寿命为复合寿命指标的即时取值;具体的,即时寿命在特定时刻时的取值也为复合寿命指标在该特定时刻下的取值。
在实际应用中,预测过程一般是即时执行的,所以预测执行时刻通常为当前时刻。
在一些实施例中,所述充电电池的结构形式包括:由单个电芯所构成的单体电池、由多个电芯串并联所构成的电池组或者电池集群。
在一些实施例中,所述充电电池的种类包括锂电池、锂离子电池、锂硫电池、钠电池、钠离子电池、铝电池、铝离子电池、石墨烯电池、硫电池、镍氢电池、铅蓄电池、全固态电池、固液混合电池、金属电池、金属离子电池、空气电池、圆柱电池、聚合物电池、动力电池、卤化物电池、硅基电池、超级电容器或者其他可以循环使用的储电器件。
对于充电电池来说,在其投入使用之后,健康状态指标会发生不断的退化。当充电电池的健康状态指标抵达预设的失效标准时,所对应的复合寿命指标就可以视为总寿命,也即充电电池最终失效时所对应的复合寿命指标。
下面采用一个实际的案例来说明剩余寿命、总寿命和即时寿命的实际意义。首先设定充电量累计量与放电量累计量的加权和为复合寿命指标(两者加权和的单位仍然为Ah),并设定实际储电容量为关键性能指标。对于一个初始实际储电容量为1000mAh的充电电池来说,设定其失效标准为初始实际储电容量的50%(即500mAh)。此后假设充电电池在经过长时间的使用之后,目前复合寿命指标的数值为400Ah,并且当前的实际储电容量已经从1000mAh衰减至600mAh。在这种情况下,充电电池的即时寿命即为400Ah,实际储电容量的衰减值即为400mAh。在这种情况下,当该充电电池的实际储电容量再衰减100mAh,就会达到失效标准500mAh。假设该退化过程在复合寿命指标下是线性的。基于简单的数学模型和该电池退化数据的已知样本,经分析可知,若实际储电容量再衰减100mAh,则复合寿命指标的数值仍然需要额外增加100Ah。因此该充电电池剩余寿命的预测结果即为100Ah,总寿命的预测结果即为500Ah。此处的mAh代表毫安每小时,Ah代表安每小时,两者为电荷量单位(也为电池容量单位)。此处关于剩余寿命、总寿命以及即时寿命的描述仅是说明性的,本申请对此不做任何限定。除此之外,剩余寿命和即时寿命都具有相对意义上的概念。例如,此时的剩余寿命(100Ah)与总寿命(500Ah)相比只占其20%,所以相对剩余寿命即为20%,相对即时寿命即为80%。此处的复合寿命指标为400Ah也即充电量累计量与放电量累计量的加权和为400Ah,该值还可通过采用额定储电容量(此处为1000mAh)作为除数来等效变换为400个额定储电容量。
在一些实施例中,所述退化趋势模型的特性还可额外包括,能够用于预测当前目标充电电池的某一种或多种预后特征。
在一些实施例中,具体步骤还可额外包括,选取合适的预测执行时刻并在该时刻对当前目标充电电池的退化数据已知样本进行取样,继而按需选择取样结果来作为退化趋势模型的输入,并最终使用退化趋势模型来预测当前目标充电电池的某一种或多种预后特征。
在一些实施例中,所述预后特征的种类包括,最优计划维修时间、最优计划替换时间、总寿命、即时寿命、相对剩余寿命、相对即时寿命、某一累计寿命指标在电池发生失效之前的剩余可使用量、某一累计寿命指标在电池发生失效之时的对应数值、健康状态指标未来随复合寿命指标的变化情况、某一关键性能指标未来随复合寿命指标的变化情况、某一累计寿命指标未来随健康状态指标的变化情况、某一累计寿命指标与某一关键性能指标的未来发展关系等十二种。
在一些实施例中,所述相对剩余寿命包括剩余寿命与总寿命的比值;所述相对即时寿命包括即时寿命与总寿命的比值。
在一些实施例中,所述健康状态指标未来随复合寿命指标的变化情况包括:在以预测执行时刻为起点的未来寿命范围内,复合寿命指标在任意取值时所对应健康状态指标的取值,或者健康状态指标在任意取值时所对应复合寿命指标的取值。
在一些实施例中,所述某一关键性能指标未来随复合寿命指标的变化情况包括:在以预测执行时刻为起点的未来寿命范围内,复合寿命指标在任意取值时所对应某一关键性能指标的取值,或者某一关键性能指标在任意取值时所对应复合寿命指标的取值。
在一些实施例中,所述某一累计寿命指标未来随健康状态指标的变化情况包括:在以预测执行时刻为起点的未来寿命范围内,健康状态指标在任意取值时所对应某一累计寿命指标的取值,或者某一累计寿命指标在任意取值时所对应健康状态指标的取值。
在一些实施例中,所述某一累计寿命指标与某一关键性能指标的未来发展关系包括:在以预测执行时刻为起点的未来寿命范围内,某一累计寿命指标在任意取值时所对应某一关键性能指标的取值,或者某一关键性能指标在任意取值时所对应某一累计寿命指标的取值。
输出最优计划维修时间或最优计划替换时间是为了在电池发生失效之前及时地进行提醒。例如,当预测得到的剩余寿命不足时,需要提醒用户对充电电池进行更换。又或是,提前计算出理想的电池更换时间来告知用户。
随着充电电池的不断使用,累计寿命指标会不断的增加,而由累计寿命指标所构成的复合寿命指标也会不断地增加。由于累计寿命指标能够跟随充电电池的不断使用而进行增长,非常适合作为寿命指标。在未来阶段,只要充电电池尚未发生失效,就能够继续进行充放电使用,因此复合寿命指标的数值也会在累加过程中不断地发生变化。据此可以对其未来寿命范围内的健康状态指标进行预测。所述健康状态指标未来随复合寿命指标的变化情况包括:在以预测执行时刻为起点的未来寿命范围内,复合寿命指标在任意取值时所对应健康状态指标的取值,或者健康状态指标在任意取值时所对应复合寿命指标的取值。此处采用了“任意”的描述,因此包括未来寿命范围内所对应的任意一个或多个。
为了兼容传统的基于循环次数的寿命预测方法,本申请的步骤中也包括预测某一累计寿命指标在电池发生失效之前的剩余可使用量,例如剩余可使用充电次数(充电次数累计量在电池发生失效之前的剩余可使用量)、剩余可使用小时数(充电时长累计量在电池发生失效之前的剩余可使用量)等;此外,也可以预测某一累计寿命指标在电池发生失效之时的对应数值,例如最大可使用充电次数(充电次数累计量在电池发生失效之时的对应数值)、最大可使用小时数(充电时长累计量在电池发生失效之时的对应数值)等。例如首先通过前述步骤105中的方法预测获取复合寿命指标意义上的剩余寿命,继而根据未来的运行规划将复合寿命指标的剩余可使用量转换为任意某一累计寿命指标的剩余可使用量。
具体的说,如果需要获取放电次数累计量的剩余可使用量,则可以首先经步骤105预测得到剩余寿命(即复合寿命指标的剩余量),继而研究复合寿命指标与放电次数累计量之间的关系,最终根据预测得到的剩余寿命来估算放电次数累计量的剩余可使用量;如果需要获取充放电时长总累计量的剩余可使用量(即剩余的可使用小时数),则可以首先经步骤105预测得到剩余寿命(即复合寿命指标的剩余量),继而研究复合寿命指标与充放电时长总累计量之间的关系(类似于复合寿命指标在数值增长过程中的平均耗时),最终根据预测得到的剩余寿命来估算剩余的可使用小时数;此处的描述仅是说明性的,如需获取其他任意某一累计寿命指标的剩余可使用量也可以采用类似的操作,本申请对此不做任何限定。
在一些实施例中,在步骤105获取剩余寿命的具体过程中还可额外包括,考虑未来运行工况对未来退化过程所产生的影响,在预测时将当前目标充电电池未来运行工况的估计结果作为退化趋势模型的额外输入。
在一些实施例中,在获取充电电池某一种或多种预后特征的步骤中还可额外包括,考虑未来运行工况对未来退化过程所产生的影响,在预测时将当前目标充电电池未来运行工况的估计结果作为退化趋势模型的额外输入。
由于退化模型中考虑了运行工况的影响,所以在实际预测的过程中也可能会需要获取未来的运行工况来作为模型的额外输入,也因此需要对未来的运行工况进行估计。在某些应用场景中,充电电池的使用是有确定规划或者有特定规律的,因此可根据事先的使用规划或者特定的历史规律,对未来运行时准确的工况变化情况进行估计。在准确性要求不高的情况下,也可以对未来的运行工况进行简化处理,即假定未来的运行工况为恒定的,并以某个平均工况来作为近似等效。此处的描述仅是说明性的,本申请对此不做任何限定。
由上可知,本发明实施例在采用多种不同类型的累计寿命指标来构建复合寿命指标的同时,还可以同时考虑运行工况对退化过程所产生的影响,从而大大提高实际应用中充电电池剩余寿命预测的准确性,有利于用户更加直观、准确了解充电电池的剩余使用情况。
图2是根据本公开一些实施例的采用复合寿命指标的充电电池寿命预测装置的具体实施方式结构图。在一些实施例中,该寿命预测装置包括复合寿命指标构建模块、退化趋势模型构建模块、剩余寿命预测模块。
复合寿命指标构建模块201,被配置为选用多种不同类型的充电电池累计寿命指标来构建复合寿命指标,例如执行步骤101。
退化趋势模型构建模块203,被配置为根据实际使用需求,适时地构建充电电池的退化趋势模型,例如执行步骤103;所述退化趋势模型用于描述充电电池在退化过程中随其复合寿命指标取值的递增所发生的健康状态指标衰变现象。
剩余寿命预测模块205,被配置为选取合适的预测执行时刻并在该时刻对当前目标充电电池的退化数据已知样本进行取样,继而按需选择取样结果来作为退化趋势模型的输入,并最终使用退化趋势模型来预测当前目标充电电池在该时刻下的剩余寿命,例如执行步骤105。
在一些实施例中,还可额外包括退化数据取样模块A,被配置为,根据实际使用需求,适时地对当前目标充电电池的退化数据已知样本进行取样。
在一些实施例中,还可额外包括退化数据取样模块B,被配置为,根据实际使用需求,适时地对其他同类型充电电池的退化数据已知样本进行取样。
在一些实施例中,还可额外包括未来运行工况估计模块,被配置为估计当前目标充电电池的未来运行工况。
在一些实施例中,还可额外包括综合预后模块,被配置为选取合适的预测执行时刻并在该时刻对当前目标充电电池的退化数据已知样本进行取样,继而按需选择取样结果来作为退化趋势模型的输入,并最终使用退化趋势模型来预测当前目标充电电池的某一种或多种预后特征。
本发明实施例所述的采用复合寿命指标的充电电池寿命预测装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例在采用多种不同类型的累计寿命指标来构建复合寿命指标的同时,还可以同时考虑运行工况对退化过程所产生的影响,从而大大提高实际应用中充电电池剩余寿命预测的准确性,有利于用户更加直观、准确了解充电电池的剩余使用情况。
上文中提到的采用复合寿命指标的充电电池寿命预测装置是从功能模块的角度描述,进一步的,本申请还提供一种电子设备,是从硬件角度描述。图3为本申请实施例提供的一种电子设备的结构示意图。该装置包括存储器30,被配置为存储计算机指令;处理器31,耦合到存储器,处理器被配置为基于存储器存储的计算机指令执行实现如上述任一实施例涉及的采用复合寿命指标的充电电池寿命预测方法。
在一些实施例中,处理器31可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器31可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable LogicArray,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器31也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(CentralProcessing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器31可以再集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器31还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
在一些实施例中,存储器30可以包含高速RAM(Random Access Memory,随机存取存储器),也可还可额外包括NVM(Non-Volatile Memory,非易失性存储器)。例如至少一个磁盘存储器。存储器30也可以是存储器阵列。存储器30还可能被分块,并且块可按一定的规则组合成虚拟卷。本实施例中,存储器30至少用于存储以下计算机程序301,其中,该计算机程序被处理器31加载并执行之后,能够实现前述任一实施例公开的采用复合寿命指标的充电电池寿命预测方法的相关步骤。另外,存储器30所存储的资源还可以包括操作系统302和数据303等,存储方式可以是短暂存储或者永久存储。其中,操作系统302可以包括Windows、Unix、Linux等。数据303可以包括但不限于测试结果对应的数据等。
在一些实施例中,采用复合寿命指标的充电电池寿命预测装置还可包括有显示屏32、输入输出接口33、通信接口34、电源35以及通信总线36。
本领域技术人员可以理解,图3中示出的结构并不构成对采用复合寿命指标的充电电池寿命预测方法的限定,可以包括比图示更多或更少的组件,例如传感器37。
本发明实施例所述电子设备的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
可以理解的是,如果上述实施例中的采用复合寿命指标的充电电池寿命预测方法以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、磁碟或者光盘等各种可以存储程序代码的介质。
基于此,本发明实施例还提供一种计算机可读存储介质,其中,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如上述任一实施例涉及的采用复合寿命指标的充电电池寿命预测方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例在采用多种不同类型的累计寿命指标来构建复合寿命指标的同时,还可以同时考虑运行工况对退化过程所产生的影响,从而大大提高实际应用中充电电池剩余寿命预测的准确性,有利于用户更加直观、准确了解充电电池的剩余使用情况。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员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发明的范围。
以上对本申请所提供的一种采用复合寿命指标的充电电池寿命预测方法、装置、电子设备及可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
需要说明的是,本申请中各步骤之间没有严格的先后执行顺序,只要符合逻辑上的顺序,则这些步骤可以同时执行,也可按照某种预设顺序执行,图1-图3只是一种示意方式,并不代表只能是这样的执行顺序。
Claims (10)
1.一种采用复合寿命指标的充电电池寿命预测方法,其特征在于,该方法包括以下步骤:
步骤S1、选用多种不同类型的充电电池累计寿命指标来构建复合寿命指标;
步骤S2、根据实际使用需求,适时地构建充电电池的退化趋势模型;所述退化趋势模型用于描述充电电池在退化过程中随其复合寿命指标取值的递增所发生的健康状态指标衰变现象;
步骤S3、选取合适的预测执行时刻并在该时刻对当前目标充电电池的退化数据已知样本进行取样,继而按需选择取样结果来作为退化趋势模型的输入,并最终使用退化趋势模型来预测当前目标充电电池在该时刻下的剩余寿命。
2.如权利要求1所述的方法,其特征在于,
所述复合寿命指标的构建方式包括:选用任意两种不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标、选用任意三种不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标、选用任意四种不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标、选用任意四种以上不同类型的累计寿命指标并通过特征融合的方式来构建复合寿命指标;
所述累计寿命指标为充电电池的某种特定类型使用度量的累计量;
所述充电电池的结构形式包括:由单个电芯所构成的单体电池、由多个电芯串并联所构成的电池组或者电池集群;
所述充电电池的种类包括锂电池、锂离子电池、锂硫电池、钠电池、钠离子电池、铝电池、铝离子电池、石墨烯电池、硫电池、镍氢电池、铅蓄电池、全固态电池、固液混合电池、金属电池、金属离子电池、空气电池、圆柱电池、聚合物电池、动力电池、卤化物电池、硅基电池、超级电容器或者其他可以循环使用的储电器件;
所述累计寿命指标的种类包括:充电量累计量、放电量累计量、绝对值充放电量的总累计量等三种;
所述累计寿命指标的种类还可额外包括:充电功累计量、放电功累计量、绝对值充放电功的总累计量等三种;
所述累计寿命指标的种类还可额外包括:充电时长累计量、放电时长累计量、充放电时长总累计量等三种;
所述累计寿命指标的种类还可额外包括:充电次数累计量、放电次数累计量、充放电次数总累计量等三种;
所述累计寿命指标的种类还可额外包括:搁置次数累计量、搁置时长累计量等两种;
所述累计寿命指标的种类还可额外包括:日历服役时长累计量;
所述复合寿命指标的构建方式还可额外包括,从充电功累计量、放电功累计量、绝对值充放电功总累计量、充电时长累计量、放电时长累计量、充放电时长总累计量、搁置次数累计量、搁置时长累计量等八者中选取任意一种来直接作为复合寿命指标。
3.如权利要求2所述的方法,其特征在于,
所述健康状态指标的构建方式包括,选用任意一种关键性能指标来直接作为健康状态指标;
所述关键性能指标为充电电池的某种特定类型性能特征,并且该特定类型性能特征的取值会随着充电电池的长期使用而逐渐发生衰变;
所述剩余寿命为总寿命与即时寿命的差值,其代表复合寿命指标在充电电池发生失效之前的剩余可使用量;具体的,剩余寿命在特定时刻时的取值也为总寿命取值与该特定时刻下即时寿命取值之间的差值;
所述总寿命为充电电池失效时所对应的复合寿命指标,具体的,总寿命的取值也为健康状态指标衰变至失效标准时所对应复合寿命指标的取值;
所述即时寿命为复合寿命指标的即时取值;具体的,即时寿命在特定时刻时的取值也为复合寿命指标在该特定时刻下的取值;
所述失效标准为充电电池健康状态指标取值范围内的某一值,当健康状态指标衰变至该值时充电电池发生失效;
所述某种关键性能指标在特定时刻时的取值方式包括:首先根据实际需求选定充电电池的某种特定类型性能特征,继而获取其在该特定时刻下的取值;
所述关键性能指标的种类包括:实际储电容量、实际储电容量的衰减值、实际内阻、实际内阻的衰变值等四种;
所述关键性能指标的种类还可额外包括:实际储功容量、实际储功容量的衰减值等两种;
所述某种累计寿命指标在特定时刻时的取值方式包括:首先将自充电电池的生产日期起至该特定时刻为止期间内的全部历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量;
所述健康状态指标的构建方式还可额外包括:选用任意两种不同类型的关键性能指标并通过特征融合的方式来构建健康状态指标、选用任意三种不同类型的关键性能指标并通过特征融合的方式来构建健康状态指标、选用任意三种以上不同类型的关键性能指标并通过特征融合的方式来构建健康状态指标;
所述退化数据是与充电电池退化过程密切相关的数据,可用于构建健康状态指标、复合寿命指标以及退化趋势模型;具体的,退化数据的数据构成包括累计寿命指标、关键性能指标等两者;
所述退化数据已知样本包括,实时所能采集到的退化数据、全部历史时刻所能采集到的退化数据、部分历史时刻所能采集到的退化数据等三者中的至少一种。
4.如权利要求3所述的方法,其特征在于,
所述退化数据的数据构成还可额外包括,运行工况;
所述运行工况的种类包括,充电电池的电压、电流、功率、温度等参数在充电或放电过程中的具体变化情况;
所述运行工况的种类还可额外包括,充电电池的电压、电流、功率、温度等参数在充电或放电过程中的均值;
所述运行工况的种类还可额外包括,充电电池在充电过程中的充电截止电流、充电电池在放电过程中的放电截止电压等两种;充电截止电流是指电池在充电时,电流上升到电池不宜再继续充电的最低电流值;放电截止电压是指电池在放电时,电压下降到电池不宜再继续放电的最低电压值;
所述实际储电容量包括充电电池在完全充满状态下所实际存储的电量,其代表了充电电池储电和放电能力的极限,而且其取值会随着充电电池的长期使用而发生衰变;
实际储电容量的取值方式包括:在充电过程中将充电电池从完全耗尽状态充电至完全充满状态所需从外界汲取的电量、在放电过程中将充电电池从完全充满状态放电至完全耗尽状态所能向外界释放的电量等两种;
所述实际储功容量包括充电电池在完全充满状态下所实际储存的电功,其代表了充电电池储功和放功能力的极限,而且其取值会随着充电电池的长期使用而发生衰变;
实际储功容量的取值方式包括:在充电过程中将充电电池从完全耗尽状态充电至完全充满状态所需从外界汲取的电功、在放电过程中将充电电池从完全充满状态放电至完全耗尽状态所能向外界释放的电功等两种;
所述关键性能指标的种类还可额外包括:任意种类累计寿命指标;
根据实际使用需求,当所述健康状态指标是通过特征融合的方式所构成的时,所述复合寿命指标的构建方式还可额外包括,从充电量累计量、放电量累计量、绝对值充放电量的总累计量等三者中按需选取任意一种来直接作为复合寿命指标;
所述复合寿命指标的构建方式还可额外包括,按需选用任意一种累计寿命指标来直接作为复合寿命指标;并且所述取健康状态指标是经下述任一方式所获取的:所述健康状态指标是通过特征融合的方式所构成的并且融合过程中选用了至少一种累计寿命指标、所述健康状态指标是由某种累计寿命指标所直接构成的、所述健康状态指标是通过特征融合的方式所构成的并且融合过程中选用了实际储功容量和实际储功容量的衰减值等两者中的至少一种、所述健康状态指标是由实际储功容量或者实际储功容量的衰减值所直接构成的;
当需要在特定时刻时对特定充电电池的退化数据已知样本进行取样时,所对应的具体取样范围包括:特定充电电池在特定时刻下所直接产生的实时退化数据、特定充电电池在自其生产日期起至该特定时刻为止期间内的全部历史时段或时刻所产生的历史退化数据、特定充电电池在自其生产日期起至该特定时刻为止期间内的部分历史时段或时刻所产生的历史退化数据等三者中的至少一种。
5.如权利要求4所述的方法,其特征在于,
所述累计寿命指标的种类还可额外包括:充电比率的累计量、放电比率的累计量、充电比率和放电比率的绝对值的总累计量、充功比率的累计量、放功比率的累计量、充功比率和放功比率的绝对值的总累计量、充电电池供耗电设备运行所产生实际工作量的累计量、充电电池供耗电设备运行所产生实际做功量的累计量、充电电池供汽车行驶所产生实际里程量的累计量等九种;此外,根据实际使用需求,当所述健康状态指标是通过特征融合的方式所构成的时,所述复合寿命指标的构建方式还可额外包括,从前述九种累计寿命指标中按需选取任意一种来直接作为复合寿命指标;
所述充电比率的种类包括:充电量与额定储电容量的比值、充电量与初始储电容量的比值、充电量与实际储电容量的比值等三种;所述放电比率的种类包括:放电量与额定储电容量的比值、放电量与初始储电容量的比值、放电量与实际储电容量的比值等三种;
所述充功比率的种类包括:充功量与额定储功容量的比值、充功量与初始储功容量的比值、充功量与实际储功容量的比值等三种;所述放功比率的种类包括:放功量与额定储功容量的比值、放功量与初始储功容量的比值、放功量与实际储功容量的比值等三种;
所述复合寿命指标的构建方式还可额外包括,从充功比率的累计量、放功比率的累计量、充功比率和放功比率的绝对值的总累计量等三者中按需选取任意一种来直接作为复合寿命指标;
根据实际使用需求,当充电比率和放电比率是根据实际储电容量所求取的时,所述复合寿命指标的构建方式还可额外包括,从充电比率的累计量、放电比率的累计量、充电比率和放电比率的绝对值的总累计量等三者中按需选取任意一种来直接作为复合寿命指标;
所述关键性能指标的种类还可额外包括:处于搁置中的充电电池在特定SOC状态下所对应的开路电压、处于充电中的充电电池在特定充电电流以及特定SOC状态下所对应的端电压、处于放电中的充电电池在特定放电电流以及特定SOC状态下所对应的端电压、处于充电中的充电电池在特定充电电流以及特定SOC状态下所对应的充电功率、处于放电中的充电电池在特定放电电流以及特定SOC状态下所对应的放电功率、处于搁置中的充电电池在特定开路电压下所对应的SOC状态、处于充电中的充电电池在特定充电电流以及特定端电压下所对应的SOC状态、处于放电中的充电电池在特定放电电流以及特定端电压下所对应的SOC状态、充电电池实际储电容量全部供耗电设备运行所能产生的实际工作量、充电电池实际储电容量全部供耗电设备运行所能产生的实际做功量、充电电池实际储电容量全部供汽车行驶所能产生的实际里程量等十一种;此外,根据实际使用需求,当该十一种关键性能指标中的任一种被直接选用来作为健康状态指标时,或者当该十一种关键性能指标中的至少一种被选用来参与健康状态指标的特征融合过程时,复合寿命指标的构建方式还可额外包括,从充电量累计量、放电量累计量、绝对值充放电量的总累计量、充电电池供耗电设备运行所产生实际工作量的累计量、充电电池供耗电设备运行所产生实际做功量的累计量、充电电池供汽车行驶所产生实际里程量的累计量、充功比率的累计量、放功比率的累计量、充功比率和放功比率的绝对值的总累计量、充电比率的累计量、放电比率的累计量、充电比率和放电比率的绝对值的总累计量等十二者中按需选取任意一种来直接作为复合寿命指标;
所述SOC状态特指充电电池内所剩余的电量与其实际储电容量的比值;所述开路电压为充电电池无电流通过时正负极之间的电位差;所述端电压为充电电池有电流通过时正负两极之间的电位差;
所述某种累计寿命指标在特定时刻时的取值方式还可额外包括:首先将自充电电池投入使用起至该特定时刻为止期间内的全部历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量;
所述某种累计寿命指标在特定时刻时的取值方式还可额外包括:首先按需选择某一固定的时刻作为累积起始点,然后将自累积起始点起至该特定时刻为止期间内的全部历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量;
所述某种累计寿命指标在特定时刻时的取值方式还可额外包括:首先将自充电电池的生产日期起至该特定时刻为止期间内的部分历史时段或时刻选定为累积范围,继而根据实际需求选定充电电池的某种特定类型使用度量来作为被累积对象,最终将所选累积范围内所产生的该种特定类型使用度量全部进行累加就可获得所需的累计量;
所述运行工况的种类还可额外包括,充电电池供耗电设备正常运行时的运行功率在运行过程内的具体变化情况或者均值;
所述运行工况的种类还可额外包括,充电电池供汽车正常运行时的行驶速度在运行过程内的具体变化情况或者均值;
在所述累计寿命指标的任一种取值方式中,在对所选累积范围内的使用度量进行累加的过程中还可额外包括,考虑所选累积范围内某一种或多种运行工况因素的变动所产生的影响;根据实际使用需求,该过程的具体操作还可额外包括:首先获取累积范围内各个时刻所对应的运行工况,同时以此为输入来利用特定模型或规则生成一系列对应的工况修正系数;继而根据工况修正系数对累积范围内各个时刻所对应的使用度量进行加权计算,并将经过加权计算处理后的使用度量进行累加得到所需的累计寿命指标;所述特定模型或规则可以是依据退化数据先验集合来进行训练所获得的也可以是事先预设的。
6.如权利要求4-5任一项所述的方法,其特征在于,
具体步骤还可额外包括,根据实际使用需求,适时地对当前目标充电电池的退化数据已知样本进行取样;
具体步骤还可额外包括,根据实际使用需求,适时地对其他同类型充电电池的退化数据已知样本进行取样;
所述失效标准的设定方式包括:事先预设、根据退化数据先验集合中的内在规律进行设定等两种;
所述退化趋势模型的构建方式包括:首先选择合适的经验数学模型结构,继而设置模型参数并构建完整的经验数学模型;所述模型参数的取值可以是事先预设的或者是依据退化数据先验集合来对所选的经验数学模型结构进行训练所获得的;
所述退化趋势模型的构建方式还可额外包括:首先选择合适的神经网络模型结构,继而依据退化数据先验集合来对所选的神经网络模型结构进行训练,最终生成并构建完整的神经网络模型;
所述退化数据先验集合的组成包括:当前目标充电电池的退化数据已知样本、其他同类型充电电池的退化数据已知样本等两者中的至少一种;
所述采用特征融合的方式来构建复合寿命指标的具体过程包括:首先按需选择某几种累计寿命指标来作为特征融合过程的输入特征,继而为所选的某几种输入特征依次设定其各自的权值系数,之后则依据权值系数对所选的某几种输入特征逐类进行加权计算,最终将经过加权计算处理后的所选某几种输入特征进行加和来构建复合寿命指标;所述权值系数的取值可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的,但不同种类累计寿命指标所对应权值系数的取值全部非零,且相互之间不完全相等;
所述采用特征融合的方式来构建复合寿命指标的具体过程还可额外包括:首先按需选择某几种累计寿命指标来作为特征融合过程的输入特征,继而采用合适的神经网络模型来对所选的输入特征进行处理,最终将神经网络模型的输出作为复合寿命指标;所述神经网络模型可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的;
所述采用特征融合的方式来构建健康状态指标的具体过程包括:首先按需选择某几种关键性能指标来作为特征融合过程的输入特征,继而为所选的某几种输入特征依次设定其各自的权值系数,之后则依据权值系数对所选的某几种输入特征逐类进行加权计算,最终将经过加权计算处理后的所选某几种输入特征进行加和来构建健康状态指标;所述权值系数的取值可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的,但不同种类关键性能指标所对应权值系数的取值全部非零,且相互之间不完全相等;
所述采用特征融合的方式来构建健康状态指标的具体过程还可额外包括:首先按需选择某几种关键性能指标来作为特征融合过程的输入特征,继而采用合适的神经网络模型来对所选的输入特征进行处理,最终将神经网络模型的输出作为健康状态指标;所述神经网络模型可以是事先预设的或者是依据退化数据先验集合来进行训练所获得的。
7.如权利要求6所述的方法,其特征在于,
所述退化趋势模型的特性还可额外包括,能够用于预测当前目标充电电池的某一种或多种预后特征;
具体步骤还可额外包括,选取合适的预测执行时刻并在该时刻对当前目标充电电池的退化数据已知样本进行取样,继而按需选择取样结果来作为退化趋势模型的输入,并最终使用退化趋势模型来预测当前目标充电电池的某一种或多种预后特征;
所述预后特征的种类包括,最优计划维修时间、最优计划替换时间、总寿命、即时寿命、相对剩余寿命、相对即时寿命、某一累计寿命指标在电池发生失效之前的剩余可使用量、某一累计寿命指标在电池发生失效之时的对应数值、健康状态指标未来随复合寿命指标的变化情况、某一关键性能指标未来随复合寿命指标的变化情况、某一累计寿命指标未来随健康状态指标的变化情况、某一累计寿命指标与某一关键性能指标的未来发展关系等十二种;
所述相对剩余寿命包括剩余寿命与总寿命的比值;所述相对即时寿命包括即时寿命与总寿命的比值;
所述健康状态指标未来随复合寿命指标的变化情况包括:在以预测执行时刻为起点的未来寿命范围内,复合寿命指标在任意取值时所对应健康状态指标的取值,或者健康状态指标在任意取值时所对应复合寿命指标的取值;
所述某一关键性能指标未来随复合寿命指标的变化情况包括:在以预测执行时刻为起点的未来寿命范围内,复合寿命指标在任意取值时所对应某一关键性能指标的取值,或者某一关键性能指标在任意取值时所对应复合寿命指标的取值;
所述某一累计寿命指标未来随健康状态指标的变化情况包括:在以预测执行时刻为起点的未来寿命范围内,健康状态指标在任意取值时所对应某一累计寿命指标的取值,或者某一累计寿命指标在任意取值时所对应健康状态指标的取值;
所述某一累计寿命指标与某一关键性能指标的未来发展关系包括:在以预测执行时刻为起点的未来寿命范围内,某一累计寿命指标在任意取值时所对应某一关键性能指标的取值,或者某一关键性能指标在任意取值时所对应某一累计寿命指标的取值;
所述退化趋势模型的特性还可额外包括,能够在预测时考虑运行工况等因素对退化过程的影响;
具体步骤还可额外包括,估计当前目标充电电池的未来运行工况;
所述未来运行工况包括,在以预测执行时刻为起点的未来寿命范围内,复合寿命指标在任意取值时所对应运行工况的取值;
在所述估计当前目标充电电池未来运行工况的步骤中,可采用的估计方法包括:根据预定的充电电池使用规划对未来运行工况进行估计、根据退化数据先验集合内数据的动态规律对未来运行工况进行估计等;
所述未来运行工况的估计结果包括:未来运行工况的详细变动情况估计、未来运行工况的等效平均近似估计;
在步骤S3获取剩余寿命的具体过程中还可额外包括,考虑未来运行工况对未来退化过程所产生的影响,在预测时将当前目标充电电池未来运行工况的估计结果作为退化趋势模型的额外输入;
在获取充电电池某一种或多种预后特征的步骤中还可额外包括,考虑未来运行工况对未来退化过程所产生的影响,在预测时将当前目标充电电池未来运行工况的估计结果作为退化趋势模型的额外输入。
8.一种采用复合寿命指标的充电电池寿命预测装置,包括:
复合寿命指标构建模块,被配置为选用多种不同类型的充电电池累计寿命指标来构建复合寿命指标;
退化趋势模型构建模块,被配置为根据实际使用需求,适时地构建充电电池的退化趋势模型;所述退化趋势模型用于描述充电电池在退化过程中随其复合寿命指标取值的递增所发生的健康状态指标衰变现象;
剩余寿命预测模块,被配置为选取合适的预测执行时刻并在该时刻对当前目标充电电池的退化数据已知样本进行取样,继而按需选择取样结果来作为退化趋势模型的输入,并最终使用退化趋势模型来预测当前目标充电电池在该时刻下的剩余寿命。
9.一种电子设备,包括:
存储器,被配置为存储计算机指令;
处理器,耦合到存储器,处理器被配置为基于存储器存储的计算机指令执行实现如权利要求1-7中任一项所述的一种采用复合寿命指标的充电电池寿命预测方法。
10.一种计算机可读存储介质,其中,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如权利要求1-7中任一项所述的一种采用复合寿命指标的充电电池寿命预测方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111513327.5A CN116774081B (zh) | 2021-12-12 | 2021-12-12 | 一种采用复合寿命指标的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
PCT/CN2022/097748 WO2023284453A1 (zh) | 2021-07-15 | 2022-06-09 | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
US18/163,357 US20240054269A1 (en) | 2021-07-15 | 2023-02-02 | Method, device, electronic equipment and computer-readable storage medium for lifetime prognosis of rechargeable-battery based on cumulative-consumption-indicators |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111513327.5A CN116774081B (zh) | 2021-12-12 | 2021-12-12 | 一种采用复合寿命指标的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116774081A true CN116774081A (zh) | 2023-09-19 |
CN116774081B CN116774081B (zh) | 2024-02-09 |
Family
ID=87994956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111513327.5A Active CN116774081B (zh) | 2021-07-15 | 2021-12-12 | 一种采用复合寿命指标的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116774081B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308864A (zh) * | 2013-07-09 | 2013-09-18 | 中国人民解放军国防科学技术大学 | 二次电池soh值估算和剩余寿命测试方法 |
CN108535656A (zh) * | 2018-03-22 | 2018-09-14 | 中北大学 | 基于pca-narx神经网络的锂离子电池剩余使用寿命预测方法和系统 |
CN110161425A (zh) * | 2019-05-20 | 2019-08-23 | 华中科技大学 | 一种基于锂电池退化阶段划分的剩余使用寿命的预测方法 |
CN111239630A (zh) * | 2020-03-09 | 2020-06-05 | 江苏中兴派能电池有限公司 | 一种储能电池寿命预测方法及管理系统 |
WO2020191801A1 (zh) * | 2019-03-27 | 2020-10-01 | 东北大学 | 基于灰狼群优化lstm网络的锂离子电池剩余寿命预测方法 |
CN111965562A (zh) * | 2020-10-20 | 2020-11-20 | 江苏慧智能源工程技术创新研究院有限公司 | 一种基于随机森林模型预测锂电池剩余循环寿命的方法 |
CN112014736A (zh) * | 2020-08-21 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种电池寿命预测方法、装置、设备及存储介质 |
CN112255559A (zh) * | 2020-10-12 | 2021-01-22 | 江苏慧智能源工程技术创新研究院有限公司 | 基于多元线性回归的锂电池储能电站剩余寿命预测方法 |
CN112485689A (zh) * | 2020-10-26 | 2021-03-12 | 江苏慧智能源工程技术创新研究院有限公司 | 一种基于Xgboost模型预测储能系统中锂电池剩余循环寿命的方法 |
CN112595980A (zh) * | 2020-12-17 | 2021-04-02 | 北京海博思创科技股份有限公司 | 电池储能系统寿命的预测方法、装置及设备 |
US20210247447A1 (en) * | 2020-01-06 | 2021-08-12 | Tata Consultancy Services Limited | Method and system for online estimation of soh and rul of a battery |
-
2021
- 2021-12-12 CN CN202111513327.5A patent/CN116774081B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308864A (zh) * | 2013-07-09 | 2013-09-18 | 中国人民解放军国防科学技术大学 | 二次电池soh值估算和剩余寿命测试方法 |
CN108535656A (zh) * | 2018-03-22 | 2018-09-14 | 中北大学 | 基于pca-narx神经网络的锂离子电池剩余使用寿命预测方法和系统 |
WO2020191801A1 (zh) * | 2019-03-27 | 2020-10-01 | 东北大学 | 基于灰狼群优化lstm网络的锂离子电池剩余寿命预测方法 |
CN110161425A (zh) * | 2019-05-20 | 2019-08-23 | 华中科技大学 | 一种基于锂电池退化阶段划分的剩余使用寿命的预测方法 |
US20210247447A1 (en) * | 2020-01-06 | 2021-08-12 | Tata Consultancy Services Limited | Method and system for online estimation of soh and rul of a battery |
CN111239630A (zh) * | 2020-03-09 | 2020-06-05 | 江苏中兴派能电池有限公司 | 一种储能电池寿命预测方法及管理系统 |
CN112014736A (zh) * | 2020-08-21 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种电池寿命预测方法、装置、设备及存储介质 |
CN112255559A (zh) * | 2020-10-12 | 2021-01-22 | 江苏慧智能源工程技术创新研究院有限公司 | 基于多元线性回归的锂电池储能电站剩余寿命预测方法 |
CN111965562A (zh) * | 2020-10-20 | 2020-11-20 | 江苏慧智能源工程技术创新研究院有限公司 | 一种基于随机森林模型预测锂电池剩余循环寿命的方法 |
CN112485689A (zh) * | 2020-10-26 | 2021-03-12 | 江苏慧智能源工程技术创新研究院有限公司 | 一种基于Xgboost模型预测储能系统中锂电池剩余循环寿命的方法 |
CN112595980A (zh) * | 2020-12-17 | 2021-04-02 | 北京海博思创科技股份有限公司 | 电池储能系统寿命的预测方法、装置及设备 |
Non-Patent Citations (1)
Title |
---|
蒋洪湖: "基于伽马分布的锂离子电池容量退化建模", 新能源汽车, no. 5, pages 18 - 20 * |
Also Published As
Publication number | Publication date |
---|---|
CN116774081B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023284453A1 (zh) | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 | |
CN108919129A (zh) | 一种时变工况下动力电池的寿命预测方法 | |
JP6556649B2 (ja) | 蓄電池評価装置、蓄電池、蓄電池評価方法、およびプログラム | |
CN105158699B (zh) | 电池健康状态的检测方法和装置 | |
Einhorn et al. | A method for online capacity estimation of lithium ion battery cells using the state of charge and the transferred charge | |
CN114444370B (zh) | 一种考虑运行工况的充电电池累计损耗寿命预测方法、装置、电子设备及可读存储介质 | |
JP5936711B2 (ja) | 蓄電デバイスの寿命予測装置及び蓄電デバイスの寿命予測方法 | |
CN102124354B (zh) | 使用电池电压行为估计电池电阻特性的装置及方法 | |
CN103033762B (zh) | 基于差值微分的动力磷酸铁锂电池荷电量动态预测方法 | |
CN107329094A (zh) | 动力电池健康状态估算方法及装置 | |
WO2020198118A1 (en) | Methods, systems, and devices for estimating and predicting a remaining time to charge and a remaining time to discharge of a battery | |
CN108107372A (zh) | 基于soc分区估算的蓄电池健康状况量化方法及系统 | |
CN104793144A (zh) | 一种电池寿命快速检测方法 | |
CN105866700B (zh) | 一种锂离子电池快速筛选的方法 | |
CN103163480A (zh) | 锂电池健康状态的评估方法 | |
CN102662148A (zh) | 在线反馈式蓄电池soc预测方法 | |
CN102761141A (zh) | 一种锂离子动力蓄电池的电量校正和控制方法 | |
CN110061531A (zh) | 储能电池的均衡方法 | |
CN110133533A (zh) | 估算电池健康状态的方法和电池管理装置 | |
CN111239629A (zh) | 一种退役锂电池的梯次利用状态区间划分方法 | |
CN111762053B (zh) | 一种电池换电计费的控制方法及控制系统 | |
CN110133515B (zh) | 电池剩余能量确定方法及其装置 | |
CN105717455A (zh) | 电池组的电池单体soc和容量估计算法的选择方法 | |
CN115616425A (zh) | 电池性能分析方法、电子设备及储能系统 | |
CN111257770B (zh) | 一种电池包功率估算方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Lv Dongzhen Inventor after: Cui Yueqin Inventor before: Cui Yueqin Inventor before: Lv Dongzhen |