CN116774084A - 电池退化的估计方法 - Google Patents
电池退化的估计方法 Download PDFInfo
- Publication number
- CN116774084A CN116774084A CN202310258741.9A CN202310258741A CN116774084A CN 116774084 A CN116774084 A CN 116774084A CN 202310258741 A CN202310258741 A CN 202310258741A CN 116774084 A CN116774084 A CN 116774084A
- Authority
- CN
- China
- Prior art keywords
- battery
- bwc
- soc
- aging
- calendar
- 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 88
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 52
- 230000015556 catabolic process Effects 0.000 title claims abstract description 51
- 230000032683 aging Effects 0.000 claims abstract description 97
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 37
- 229910001416 lithium ion Inorganic materials 0.000 claims description 17
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 16
- 238000004146 energy storage Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 abstract description 2
- 238000003860 storage Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000015654 memory Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 230000005653 Brownian motion process Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000001931 thermography Methods 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
一种估计电池退化的计算机实现的方法，包括：S1：获取电池的电池参数、日历老化磨损系数BWC1的特点和/或循环老化磨损系数BWC2的特点；S2：获取电池的充电状态SoC和充电/放电速率C‑rate的瞬时值；S3：使用在步骤S1中获取的老化磨损系数的特点来读取与所获取的电池的SoC和C‑rate的瞬时值相对应的、BWC1的瞬时值和/或BWC2的瞬时值；以及S4：通过将在S3中确定的BWC1的积分瞬时值与具有SoC的最大允许值的BWC1在标称操作时间时段内的积分瞬时值进行参比来确定日历老化磨损指数BWI1的值，和/或通过将在S3中确定的BWC2的积分瞬时值与用于以标称C‑rate进行完整电池充电或放电的BWC2的积分瞬时值进行参比来确定循环老化磨损指数BWI2的值，由此指示电池退化的程度。
Description
技术领域
本发明涉及一种电池退化(具体地，电池能量储存系统(BESS)中的电池退化)的估计方法。该方法适合于估计任何种类的电池(具体地，电池能量储存系统(BESS)中的锂离子电池)的退化，该电池能量储存系统被指定为支持功率系统(具体地，具有高动态负载的功率系统)的能量分配或能量流。
背景技术
如今，许多设备和应用需要将电能储存在不同形式的储存装置中。它需要在所限定的时段内平衡瞬时能量消耗(峰值削波)或使得设备(例如，便携式设备)或电动车辆能够移动。
由于每体积或每质量上的最高能量密度，所以最流行的是电化学电池(尤其是锂离子型电池)，并且几乎都缺乏记忆效应。然而，化学电池随时间而退化并且在其使用期间退化。退化的主要后果是其内部能量容量(Wh)的降低和等效串联电阻(ESR)的增加。
如图1所描绘的，存在两种主要电池老化机制。日历老化与电池耐用期限有关，通过随时间而保持在电池上的SoC水平来调节该电池耐用期限，而循环老化与C-rate和充电循环数目(放电会话和充电会话)有关。电池的温度是对日历老化以及对循环老化都具有影响的附加老化因子。然而，在电池能量储存系统(BESS)中的电池的特定应用中，由于电池能量储存系统(BESS)的电池在由空气调节系统提供的稳定温度22度至25度下操作，所以可以忽略温度参数。
从开发、定期维护或投资的观点来看，能够判断电池磨损进展和剩余寿命非常重要，该剩余寿命限定电池可能还能服务多久。因此，可以计算初始投资成本、运行成本、服务成本、维护进度表和具有电池的设备的确定性。然而，由于各种化学组成、不同的结构和开发条件，所以这非常困难。
电池制造商可以基于其在电池设计和制造中的经验来预测其产品的使用寿命。电池制造商了解电池结构退化的机制以及在实验室或现场应用中收集的电池继续有效程度数据(data of battery survivability)(例如，移动电话电池统计数据)。
然而，在假定标准条件(诸如充电状态(SoC)、放电深度(DoD)、充电/放电速率(C-rate)、所执行的循环的数目、环境条件(诸如温度和/或湿度)等)的情况下进行，这种使用寿命的预测。尽管如此，由于环境条件或使用需求不同，所以电池的用户仍然不能总是保持相同的操作条件。因此，在假定单个完整循环是以标称C-rate充电和放电到一个所限定的放电深度的情况下，制造商在若干个充电/放电循环中定义电池寿命。如果假定每天一个循环，则可以计算电池的总寿命。
因此，已经对有助于判断电池退化的若干种非破坏性方法进行阐述。这些方法中的大多数使用电参数(例如，ESR)的简单测量值。一些更为先进的方法使用热像技术或射线照相术。
更进一步地，在许多情况下，电池的制造商和/或销售商迫使电池用户出于保险目的而每年至少执行一次健康状态检查(SoH)程序。健康状态检查(SoH)程序的目标是调查电池的真实容量，重新校准SoC，并且更新电池寿命估计。该程序通常如下：
a.将电池放电到最低
b.休息15分钟
c.充电到最大
d.休息15分钟
e.放电到最小
需要SoC重新校准程序来标记电池退化程度，计算并设定所预测的剩余电池寿命的趋势线。这意味着该方法仅考虑电池在过去时段中的平均退化过程。由于电池退化的根本原因，所描述的途径不能区分将所谓的“循环老化”或“日历老化”。
该手段的缺点在于，对于典型开发条件，总是假定预期寿命，并且该预期寿命不能被视为对电池针对其寿命优化的利用模型的建议。
更进一步地，在一些特定应用中，受控的强制放电是不太可能的，例如，在不允许BESS向电网放电的BESS应用中，受控的强制放电是不太可能的。放电过程(速度、时间和放电深度)受外部负载需求的影响。而且，预计BESS在24小时/7天中处于服务状态(维护时段受限于绝对最小值)。
专利申请CN111753416A公开了一种基于两阶段Wiener过程的锂离子电池RUL(Remaining useful life，剩余有用寿命)的预测方法。一种基于两阶段Wiener过程的锂离子电池RUL的预测方法包括以下步骤：
S1：收集锂离子电池的历史退化数据；
S2：根据锂离子电池的历史退化数据，对每个锂离子电池进行变点(changepoint)估计；
S3：根据锂离子电池变点估计得到的数据，基于EM算法对超参数(hyperparameter)进行估计；
S4：收集锂离子电池运行监测数据，以确定变点是否出现；
S5：根据锂离子电池运行监测数据更新模型参数；
S6：基于变点估计和超参数估计得到的数据，估计锂离子电池RUL；
S7：收集最新退化数据，将其放入退化数据集中；
S8：重复S4至S7，以更新模型参数，直至锂离子电池失效为止。
专利申请EP3824305A1公开了一种用于确定电池的最大持续使用时间的方法，该方法包括：选择电池的使用时段；获得电池在使用时段期间的退化因子的值；基于退化因子的值来确定电池的一个或多个老化指示符；在所述使用时段期间，标识退化因子的值的变化间隔，该一个或多个老化指示符中的每个老化指示符与实际变化间隔相关联，这些实际变化间隔各自包括所述退化因子的最小值和最大值；以及基于变化间隔、一个或多个老化指示符以及电池的至少一个操作极限，来预测最大持续使用时间。
更进一步地，专利申请US20170115358A1公开了一种用于确定电池退化的计算机实现的方法，该电池退化包括电池的日历老化特点和循环老化特点。该方法包括以下步骤：通过计算机，收集包括每日充电/放电简档的各个电池循环和日历老化数据；通过计算机，估算针对各个循环老化和日历老化的初级电池容量；通过计算机，评估各个循环老化和日历老化的稳定性；通过从组合的原始电池容量cap(n)(即，电池原始容量减去原始循环老化值和原始日历老化值)开始的迭代过程，将各个循环老化和日历老化组合为给定电池在其整个寿命内的积分退化函数；以及输出积分退化函数。
而且，专利申请WO2021044134A1公开了一种用于预测电池退化的方法和系统。该方法包括：测量电池的变量集合；选择退化模型的参数，该退化模型预测电池的退化并且包括日历老化组分和循环老化组分；使用退化模型和所选择的参数来预测电池的预测退化值；使用所测量的变量集合来获得电池的估计退化值；基于所预测和所估计的退化值来更新用于退化模型的参数，并且基于所估计和所预测的退化值来输出最终退化值。
专利申请EP3531149A4公开了一种用于估计次级电池的容量保持率的装置和方法。一种用于根据次级电池的日历老化程度和循环老化程度来估计包括在电池组中的次级电池的容量保持率的方法，该方法包括：在具有预设时间长度的每个循环中，从安装在电池组中的感测单元，接收次级电池的电流信息和温度信息；激活第一主过程；以及激活第二主过程；其中第一主过程包括：第一子过程，用于基于电流信息来更新次级电池的充电状态；第二子过程，用于基于电流信息将次级电池的操作状态设定为循环状态和日历状态中的一个状态；第三子过程，用于当通过第二子过程将次级电池的操作状态设定为循环状态时，基于更新的充电状态、电流信息和温度信息来更新循环老化程度；以及第四子过程，用于当通过第二子过程将次级电池的操作状态设定为日历状态时，基于更新的充电状态和温度信息，来更新日历老化程度，以及其中第二主过程包括：基于预定加权因子、更新的循环老化程度和日历老化程度来估计次级电池的容量保持率。
更进一步地，专利申请EP3273523B1公开了一种用于估计次级电池的老化程度的装置和方法。一种估计次级电池的老化程度的方法，该方法包括：(a)通过使用电流测量单元和温度测量单元来确定次级电池的电流和温度；(b)从次级电池的电流确定次级电池的充电状态；(c)通过使用次级电池的电流来将次级电池的操作状态确定为日历状态和循环状态中的一个状态；(d)在次级电池处于日历状态下时，确定与所确定的充电状态和所确定的温度对应的预定的日历老化程度简档，并且通过将累积老化程度模型应用于所确定的日历老化程度简档来确定在日历状态下的日历老化程度；(e)在次级电池处于循环状态下时，确定与次级电池的所确定的充电状态、所确定的温度和所确定的次级电池的电流对应的预定的循环老化程度简档，并且通过将累积老化程度模型应用于所确定的循环老化程度简档来确定在循环状态下的循环老化程度；以及(f)将加权平均值确定为次级电池的老化程度，其中基于维持日历状态的日历时间和维持循环状态的循环时间对所确定的日历老化程度和所确定的循环老化程度来计算加权平均值。
发明内容
本发明的目的是提供一种考虑到电池的实际操作条件而允许估计任何种类的电池(尤其是电池能量储存系统(BESS)中的锂离子电池)的电池退化的方法。
本发明的目的通过估计电池退化的计算机实现的方法来实现，该方法包括以下步骤：
a)获取电池参数、日历老化磨损系数BWC1的特点和/或循环老化磨损系数BWC2的特点，其中BWC1是充电状态SoC的函数，而BWC2是充电/放电速率C-rate的函数，
b)获取和/或计算电池在限定时段内的SoC和C-rate的瞬时值，
c)使用在步骤(a)中获取的老化磨损系数的特点，来读取与在步骤(b)中获取的电池的SoC和C-rate的瞬时值相对应的日历老化磨损系数BWC1的瞬时值和/或循环老化磨损系数BWC2的瞬时值，以及
d)确定：
-通过将在步骤(c)中确定的BWC1的积分瞬时值与具有SoC的最大允许值的BWC1在标称操作时间时段内的积分瞬时值进行参比，来确定日历老化磨损指数BWI1的值，和/或
-通过将在步骤(c)中确定的BWC2的积分瞬时值与用于以标称C-rate进行完整电池充电(从SoCmin至SoCmax)或放电(从SoCmax至SoCmin)的BWC2的积分瞬时值进行参比，来确定循环老化磨损指数BWI2的值
由此指示电池退化的程度。
优选地，该方法还包括以下步骤：根据方程式(E8)确定电池磨损指数BW1的总电流值，
BWI＝[k·BWI1+(1-k)·BWI2] (8)
其中
k为日历老化磨损指数BWI1的权重(其中0<k<1)，
(1-k)为循环老化磨损指数BWI2的权重。
有利地，基于历史数据来从所预测的SoC和C-rate简档，获得电池的SoC和C-rate的瞬时值。
频繁地更新日历老化磨损系数BWC1的特点和/或循环老化磨损系数BWC2的特点也具有益处。
优选地，使用机器学习(ML)算法来调整日历老化磨损系数BWC1的特点和/或循环老化磨损系数BWC2的特点，其中电池操作的历史数据用作ML算法的输入数据。
在电池操作期间，数据被收集。这些数据是ML的输入，该ML可以调整BWC特点以更好地反映电池的磨损过程。什么提高了电池寿命预测(电池退化的估计)。
对于电池寿命预测，有益的是，在24小时的时段内，确定日历老化磨损系数BWC1的瞬时值和/或循环老化磨损系数BWC2的瞬时值。
优选地，基于电池制造商所声明的电池参数来确定电池的日历老化磨损系数BWC1的特点和循环老化磨损系数BWC2的特点。
有用的是，借助于采用人工智能和/或机器学习技术和/或至少一个经训练的算法的处理来执行方法的步骤。
优选地，所述方法用于估计锂离子电池的电池退化。
优选地，所述方法用于估计电池能量储存系统(BESS)中的电池退化。更进一步地，获取电池参数的步骤还获取电池能量储存系统(BESS)的操作参数具有益处。
本发明的目的还在于一种计算机程序，包括程序代码装置，该程序代码装置用于当所述程序正在计算机上运行时，执行计算机实现的估计方法的所有步骤。
本发明的目的还在于一种计算机可读介质，存储计算机实现的指令，该计算机实现的指令执行在计算机上实现的计算机实现的估计方法的所有步骤。
发明优点
日历老化磨损系数BWC1的特点和循环老化磨损系数BWC2的特点定义了针对当前操作条件的瞬时电池磨损强度。BWC1和BWC2的特点依据电池的实际开发条件来提供关于磨损速度的信息。
日历老化磨损指数BWI1和循环老化磨损指数BWI2的值指示具有锂离子电池的所有系统(具体地，电池能量储存系统(BESS))中的电池退化程度。
电池损耗指数BWI的总电流值涉及集成两种电池老化机制(包括它们中的每一种对于电池老化的重要性在内)的电池退化程度。
该方法的结果可以用于优化导致较慢磨损的电池能量储存系统(BESS)的操作，该操作用于设定充电/放电C-rate和充电状态。而且，所开发的方法可以指出最佳电池能量储存系统(BESS)操作条件，该操作条件将在最低水平上影响电池寿命。
附图说明
本发明的目的在附图中的各实施例中示出，其中
图1示出了锂离子电池老化机制，
图2示意性地示出了根据本发明的电池退化估计方法，
图3示出了作为电池SoC值的函数的电池磨损系数BWC1的示例特点。
图4示出了作为C-rate值的函数的电池磨损系数BWC2的示例特点。
符号与命名法
下文所给出的具体实施方式的一些部分作为过程、数据处理步骤或可以在计算机存储器中执行的对二进制数据的操作的其他符号表示的一部分来呈现。因此，逻辑步骤由计算机执行，这需要对物理量进行物理操纵。通常，这些值采用电信号或磁信号的形式，这些电信号或磁信号适合于计算机系统中数据的存储、传输、连接、比较或其他操纵方式。由于广泛使用，所以这些数据被称为信号、时程、位、分组、消息、值、元素、符号、标记、术语、数字等。另外，所有这些术语等应该使用它们相应的物理量来标识，并且仅是这些物理量的方便术语。诸如“处理”、或“创建”、或“发送”、或“执行”、或“确定”、或“检测”、或“接收”、或“选择”、或“计算”、或“生成”或类似的术语是指操纵并将被表示为寄存器和计算机存储器中的物理(电子)量的数据变换为被类似表示为存储器或寄存器或其他信息存储装置中的物理量的其他数据的计算机系统的活动和过程。本文中所定义的计算机可读介质(存储器)通常可以是非易失性设备和/或包括非易失性设备。在该上下文中，非易失性存储介质可以包括可以为材料的设备，这意味着设备具有特定物理形式，尽管设备可以改变其物理状态。因此，例如，术语非易失性是指设备保持材料，尽管它改变了它的状态。
另外，通过所描述的方法处理的关于SoC、C-rate或其他数量的数据每次都是指表示电池的实际操作环境的物理测量和/或所预测的数据。在模拟数据的情况下，实际上存在统计上对应于该数据的电池。
具体实施方式
电池退化估计方法
在估计电池能量储存系统(BESS)中的电池退化的计算机实现的方法的步骤S1中，从电池管理系统(BMS)的存储器中，获取电池参数、日历老化磨损系数BWC1的特点和/或循环老化磨损系数BWC2的特点。
BWC特点定义了电池的当前操作条件的瞬时电池磨损强度。如在图3和图4上示出的BWC特点给出了关于磨损速度的信息取决于电池的开发条件。该信息还可以用于对导致较慢磨损的充电/放电C-rate和充电状态的选择进行优化。日历老化磨损系数BWC1的初始特点和/或循环老化磨损系数BWC2的特点是基于如下项的：电池类型、由其制造商声明的电池的基本参数、以及制造商的建议。在步骤S1中获取的电池的电池参数的示例在表1中示出。
表1、用于生成BMC特点的基本数据。
日历老化磨损系数BWC1涉及“日历老化”并且基于SoC。在图3中已经示出了将BWC1绑定到SoC的实际值的函数(BWC1＝f(SoC))。日历老化磨损系数BWC1的特点可以由方程式(1)确定：
其中
x为SoC值，即，函数(1)的自变量，
p为储存SoC(SoCstorage))，即，函数(1)的最小值的自变量，
q为电池的预期运行时间(tlife)与电池供应商/制造商所声明的标称储存时间(tstore)的商，即，针对自变量x＝p而设定的函数(1)的最小值，
alfa_1为曲线的斜率系数(alfa_1≥1)，
alfa_2为曲线的斜率系数(alfa_2≥1)，
a1为当函数(1)通过参考点[x1，y1]和点[p，q]时满足条件的二次方程的正则形式的数学系数，
a2为当函数(1)通过参考点[x2，y2]和点[p，q]时满足条件的二次方程的正则形式的数学系数。
针对制造商所推荐的储存电池(SoCstorage)的SoC值(例如，40％)，设定图3所示的日历老化磨损系数BWC1的最低值。进而，点[x1，y1]和[x2，y2]分别涉及与放电到最小时电池的SoC相对应的BWC1的值、或与充电到最大时的电池的SoC相对应的BWC1的值。在电池制造商的数据的基础上确定这些点。系数a1、a2可以由方程式(2)和方程式(3)定义：
BWC1的初始特点的alfa_1和alfa_2的值被设定为2，由此通过二次函数方程来描述日历老化磨损系数BWC1。
进而，老化磨损系数BWC2涉及“循环老化”并且基于C-rate的实际值。在图4中已经示出了将BWC2绑定到C-rate的实际值(BWC2＝f(C-rate))的函数。循环老化磨损系数BWC2的特点可以由方程式(4)确定：
y＝a(x)alfa (4)
其中
x为SoC值，
alfa为曲线的斜率系数(>0)，
a为当函数(4)通过参考点[x，y]时满足条件的二次方程的数学系数。
BWC2的初始特点的alfa的值等于2，并且老化磨损系数由二次函数方程描述。当电流不流动且不执行操作循环时，BWC2系数的最小值针对C-rate等于“0”。进而，点[x，y]涉及标称磨损点。在电池制造商的数据的基础上，确定该点。
系数a可以由方程式(5)定义：
使用ML算法或AI，频繁地更新日历老化磨损系数BWC1的特点和/或循环老化磨损系数BWC2的特点。电池操作的历史数据用作ML算法的输入数据。具体地，可以使用ML算法来修改alfa的值，以便曲线更好地反映电池的磨损过程。
所提及的机器学习(ML)机制服从n维空间，其中影响电池寿命的每个连续因子是空间的n个维度中的一个维度。在该示例中，考虑2维空间。然而，在其他实施例中，可以考虑影响电池寿命的更多因子，如例如，温度、空气湿度、大气压力、机械变形、机械应力；反应性气体(例如，臭氧)；宇宙辐射。
在下一步骤S2中，获取和/或计算所限定的时段(例如，一天，即，24小时)内的电池的SoC和C-rate的瞬时值。在需要根据所测量的数据(例如，电池电流)来计算SoC和C-rate的值的情况下，则其可以使用本领域技术人员所熟知的方法进行。
在一些实施例中，基于历史数据根据所预测的SoC和C-rate简档来获取电池的SoC和C-rate的瞬时值。借助于采用人工智能和/或机器学习技术和/或至少一个经过训练的算法的处理，基于包括所述电池的功率系统的功率简档的历史数据，来执行对这种简档的预测。
然后，使用在步骤S1中获取的老化磨损系数的特点，执行对如下项的读取S3：与在步骤S2中获取的电池能量储存系统(BESS)中的、电池的SoC和C-rate的瞬时值相对应的日历老化磨损系数BWC1的瞬时值和/或循环老化磨损系数BWC2的瞬时值。
之后，通过将在步骤S3中确定的BWC1的积分瞬时值与具有SoC的最大允许值(SoCmax)的BWC1在期望操作时间时段内的积分瞬时值进行参比，确定S4日历老化磨损指数BWI1的值。老化磨损指数BWI1由方程式(6)定义：
在步骤S4中，还通过将在步骤S3中确定的BWC2的积分瞬时值与用于以标称C-rate进行完整电池充电(从SoCmin到SoCmax)或放电(从SoCmax到SoCmin)的BWC2的积分瞬时值进行参比，确定循环老化磨损指数BWI2的值。老化磨损指数BWI2由方程式(7)定义：
其中
Ncycles为制造商所声明的完整电池充电(从SoCmin到SoCmax)或放电(从SoCmax到SoCmin)循环的数目。
日历老化磨损指数BWI1和循环老化磨损指数BWI2的值指示电池退化的程度。
可选地，在下一步骤S5中，可以根据方程式(8)确定电池磨损指数BWI的总电流值：
BWI＝[k·BWI1+(1-k)·BWI2] (8)
其中
k为日历老化磨损指数BWI1的权重(其中0<k<1)，
(1-k)为循环老化磨损指数BWI2的权重。
电池损耗指数BWI的总电流值与集成两种电池老化机制(包括它们中的每一种对于电池老化的重要性)时的电池退化程度有关。
更进一步地，所述方法的所有步骤可以借助于采用人工智能和/或机器学习技术和/或至少一个经过训练的算法的处理来执行。
Claims (12)
1.一种估计电池退化的计算机实现的方法，所述电池具体地为电池能量储存系统(BESS)中的电池，所述方法包括以下步骤：
a)获取(S1)电池的电池参数、日历老化磨损系数BWC1的特点和/或循环老化磨损系数BWC2的特点，其中BWC1是充电状态SoC的函数，而BWC2是充电/放电速率C-rate的函数；
b)获取和/或计算(S2)电池在限定时段内的SoC和C-rate的瞬时值；
c)使用在步骤(S1)中获取的老化磨损系数的特点，来读取(S3)与在步骤(S2)中获取的电池的SoC和C-rate的瞬时值相对应的日历老化磨损系数BWC1的瞬时值和/或循环老化磨损系数BWC2的瞬时值；以及
d)确定(S4)：
-通过将在步骤(S3)中确定的BWC1的积分瞬时值与具有所述SoC的最大允许值的BWC1在标称操作时间时段内的积分瞬时值进行参比，来确定日历老化磨损指数BWI1的值，和/或
-通过将在步骤(S3)中确定的BWC2的积分瞬时值与用于以标称C-rate进行完整电池充电(从SoCmin至SoCmax)或放电(从SoCmax至SoCmin)的BWC2的积分瞬时值进行参比，来确定循环老化磨损指数BWI2的值，
由此指示电池退化的程度。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括以下步骤：根据方程式(8)确定(S5)电池磨损指数BWI的总电流值，
BWI＝[k·BWI1+(1-k)·BWI2] (8)
其中
k为日历老化磨损指数BWI1的权重(其中0<k<1)，
(1-k)为循环老化磨损指数BWI2的权重。
3.根据权利要求1或2所述的方法，其特征在于，基于历史数据来从预测的SoC和C-rate简档获取(S2)电池的SoC和C-rate的所述瞬时值。
4.根据权利要求1至3中任一项所述的方法，其特征在于，日历老化磨损系数BWC1的特点和/或循环老化磨损系数BWC2的特点被频繁地更新。
5.根据权利要求1至4中任一项所述的方法，其特征在于，使用机器学习ML算法来调整日历老化磨损系数BWC1的特点和/或循环老化磨损系数BWC2的特点，其中电池操作的历史数据用作ML算法的输入数据。
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述电池的日历老化磨损系数BWC1的特点和循环老化磨损系数BWC2的特点基于电池制造商所声明的电池参数而被确定。
7.根据权利要求1至6中任一项所述的方法，其中所述方法的步骤借助于采用人工智能和/或机器学习技术和/或至少一个经训练的算法的处理而被执行。
8.根据权利要求1至7中任一项所述的方法，其中所述方法用于估计锂离子电池的电池退化。
9.根据权利要求1至8中任一项所述的方法，其中所述方法用于估计电池能量储存系统(BESS)的电池退化。
10.根据权利要求9所述的方法，其中获取(S1)电池参数的步骤还获取电池能量储存系统(BESS)的操作参数。
11.一种计算机程序，包括程序代码装置，所述程序代码装置用于当所述程序正在计算机上运行时，执行根据权利要求1至10中任一项所述的计算机实现的方法的所有步骤。
12.一种计算机可读介质，存储计算机实现的指令，所述计算机实现的指令执行在所述计算机上实现的根据权利要求1至11中任一项所述的计算机实现的方法的所有步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP22163101.3A EP4246162B1 (en) | 2022-03-18 | 2022-03-18 | Method of estimation of battery degradation |
| EP22163101.3 | 2022-03-18 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116774084A true CN116774084A (zh) | 2023-09-19 |
Family
ID=80820154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310258741.9A Pending CN116774084A (zh) | 2022-03-18 | 2023-03-17 | 电池退化的估计方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230314528A1 (zh) |
| EP (1) | EP4246162B1 (zh) |
| CN (1) | CN116774084A (zh) |
| CA (1) | CA3192566A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210028476A (ko) * | 2019-09-04 | 2021-03-12 | 삼성전자주식회사 | 배터리 충전 장치 및 방법 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5310003B2 (ja) * | 2009-01-07 | 2013-10-09 | 新神戸電機株式会社 | 風力発電用鉛蓄電池制御システム |
| US10001528B1 (en) * | 2015-05-29 | 2018-06-19 | Nissan Motor Co., Ltd. | Battery deterioration degree estimating apparatus and estimating method |
| KR101903225B1 (ko) | 2015-08-21 | 2018-11-13 | 주식회사 엘지화학 | 이차 전지의 퇴화도 추정 장치 및 방법 |
| US10422835B2 (en) | 2015-10-27 | 2019-09-24 | Nec Corporation | Innovative framework combining cycling and calendar aging models |
| KR102155333B1 (ko) | 2017-07-06 | 2020-09-11 | 주식회사 엘지화학 | 이차 전지의 용량유지율을 추정하는 장치 및 방법 |
| FR3084171B1 (fr) | 2018-07-17 | 2020-07-17 | Zodiac Aero Electric | Procede et dispositif de determination d'une duree limite d'utilisation d'une batterie |
| US10942223B1 (en) * | 2019-07-31 | 2021-03-09 | Cox Automotive, Inc. | Systems and methods for determining vehicle battery health |
| GB2586655B (en) | 2019-09-02 | 2021-10-20 | Siemens Plc | Method and system for predicting battery degredation |
| CN111753416A (zh) | 2020-06-17 | 2020-10-09 | 重庆大学 | 一种基于两阶段Wiener过程的锂离子电池RUL预测方法 |
-
2022
- 2022-03-18 EP EP22163101.3A patent/EP4246162B1/en active Active
-
2023
- 2023-03-10 CA CA3192566A patent/CA3192566A1/en active Pending
- 2023-03-17 CN CN202310258741.9A patent/CN116774084A/zh active Pending
- 2023-03-17 US US18/185,473 patent/US20230314528A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20230314528A1 (en) | 2023-10-05 |
| EP4246162A1 (en) | 2023-09-20 |
| CA3192566A1 (en) | 2023-09-18 |
| EP4246162B1 (en) | 2024-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN114072684A (zh) | 在服务器侧表征能重复充电的电池 | |
| CN108919129A (zh) | 一种时变工况下动力电池的寿命预测方法 | |
| US20170294689A1 (en) | Battery-system-deterioration control device, and method thereof | |
| WO2020198118A1 (en) | Methods, systems, and devices for estimating and predicting a remaining time to charge and a remaining time to discharge of a battery | |
| JP6488538B2 (ja) | 劣化係数決定システム、劣化予測システム、劣化係数決定方法およびプログラム | |
| CN110346725B (zh) | 一种电池健康度评估模型的构建方法、评估方法和装置 | |
| JP2020148560A (ja) | 電池寿命学習装置、方法、プログラム、電池寿命予測装置、方法及びプログラム | |
| CN102124354A (zh) | 使用电池电压行为估计电池电阻特性的装置及方法 | |
| CN111815065B (zh) | 基于长短时记忆神经网络的短期电力负荷预测方法 | |
| 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 | |
| CN116774084A (zh) | 电池退化的估计方法 | |
| EP3832331A1 (en) | Cell state estimation device and cell control device | |
| JP2023139227A (ja) | 電池健康状態予測方法、装置、電子機器及び可読記憶媒体 | |
| US20230213587A1 (en) | Method and System for Efficiently Monitoring Battery Cells of a Device Battery in an External Central Processing Unit Using a Digital Twin | |
| CN117420463B (zh) | 电池的化学容量更新方法、装置、电子设备及存储介质 | |
| KR100911315B1 (ko) | 배터리 전압 거동을 이용한 배터리 저항 특성 추정 장치 및방법 | |
| CN117712529A (zh) | 电池安全预警方法和储能系统 | |
| US20230176137A1 (en) | Method and system for determining a remaining useful lifetime of a battery | |
| CN116449244A (zh) | 基于单次放电曲线的锂电池老化轨迹早期预测方法及系统 | |
| CN116298920A (zh) | 电源管理系统的量产文件生成方法、装置及电子设备 | |
| CN115469224A (zh) | 用于借助机器学习方法运行提供设备的电储能器的预测的老化状态的系统的方法和装置 | |
| CN114779081A (zh) | 车辆电池寿命的互学习预测方法、装置及存储介质 | |
| CN112689770B (zh) | 用于估计电池的健康状态的方法和系统 | |
| CN112782601A (zh) | 电池健康度的获取方法、系统、设备及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |