CN117129878A - 确定电池机理模型参数值的方法、装置和电子设备 - Google Patents
确定电池机理模型参数值的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN117129878A CN117129878A CN202311393559.0A CN202311393559A CN117129878A CN 117129878 A CN117129878 A CN 117129878A CN 202311393559 A CN202311393559 A CN 202311393559A CN 117129878 A CN117129878 A CN 117129878A
- Authority
- CN
- China
- Prior art keywords
- battery
- initial
- parameter
- function
- reduced
- 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
- 230000007246 mechanism Effects 0.000 title claims abstract description 180
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000012937 correction Methods 0.000 claims abstract description 65
- 238000013507 mapping Methods 0.000 claims abstract description 46
- 230000006870 function Effects 0.000 claims description 238
- 238000004458 analytical method Methods 0.000 claims description 126
- 238000012545 processing Methods 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 abstract description 50
- 238000004364 calculation method Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000014759 maintenance of location Effects 0.000 description 12
- 239000003792 electrolyte Substances 0.000 description 10
- 238000007086 side reaction Methods 0.000 description 10
- 238000009792 diffusion process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 229910001416 lithium ion Inorganic materials 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 239000007784 solid electrolyte Substances 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 239000007773 negative electrode material Substances 0.000 description 3
- 239000007774 positive electrode material Substances 0.000 description 3
- 239000002904 solvent Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- JLVVSXFLKOJNIY-UHFFFAOYSA-N Magnesium ion Chemical compound [Mg+2] JLVVSXFLKOJNIY-UHFFFAOYSA-N 0.000 description 1
- FKNQFGJONOIPTF-UHFFFAOYSA-N Sodium cation Chemical compound [Na+] FKNQFGJONOIPTF-UHFFFAOYSA-N 0.000 description 1
- 208000013201 Stress fracture Diseases 0.000 description 1
- JDZCKJOXGCMJGS-UHFFFAOYSA-N [Li].[S] Chemical compound [Li].[S] JDZCKJOXGCMJGS-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- VVNXEADCOVSAER-UHFFFAOYSA-N lithium sodium Chemical compound [Li].[Na] VVNXEADCOVSAER-UHFFFAOYSA-N 0.000 description 1
- 229910001425 magnesium ion Inorganic materials 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000376 reactant Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 229910001415 sodium ion Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer 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]
- G01R31/367—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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本申请公开了一种确定电池机理模型参数值的方法、装置和电子设备，方法包括：获取电池的初始寿命衰减机理模型的函数集合，函数集合包括降阶拟合函数，降阶拟合函数包括拟合系数；根据降阶拟合函数对应的参数映射函数，对降阶拟合函数的拟合系数进行转换处理，得到初始寿命衰减机理模型的初始参数数据集，初始参数数据集包括参数的初始值。通过上述方式，可以解决目前的参数的初始值的设置存在随意性和不确定性，导致参数校正的过程时间消耗长且不易获得最终的校正结果。
Description
技术领域
本申请涉及电池技术领域，特别是涉及一种确定电池机理模型参数值的方法、装置和电子设备。
背景技术
随着电池行业的蓬勃发展，电池凭借其高能量和高功率密度的优势成为当代用电设备的主要动力来源。为了电池能够安全可靠的工作，准确的预测电池寿命越来越受到关注。
目前，通常使用电池的机理模型，对电池的寿命进行预测。但在构建机理模型的过程中，机理模型内部存在较多的参数需要校正，才能得到准确预设电池寿命的机理模型。在参数校正的过程中，参数的初始值通常为随机设置或者依靠经验进行设置，由于参数的初始值的设置存在随意性和不确定性，在接下来通过迭代计算进行参数校正的过程时间消耗长，且不易获得最终的校正结果。
发明内容
本申请提供一种确定电池机理模型参数值的方法、装置和电子设备，用以解决目前的参数的初始值的设置存在随意性和不确定性的问题，有利于减少模型的参数校正的时间消耗。
第一方面，本申请提供一种确定电池机理模型参数值的方法，包括：
获取电池的初始寿命衰减机理模型的函数集合，函数集合包括降阶拟合函数，降阶拟合函数包括拟合系数；
根据降阶拟合函数对应的参数映射函数，对降阶拟合函数的拟合系数进行转换处理，得到初始寿命衰减机理模型的初始参数数据集，初始参数数据集包括参数的初始值。
本申请实施例中，通过获取初始寿命衰减机理模型的函数集合，由于函数集合包括降阶拟合函数，而降阶拟合函数的拟合系数和初始寿命衰减机理模型的参数值之间存在参数映射关系，通过参数映射关系将降阶拟合函数的拟合系数进行转换，可以获得初始寿命衰减机理模型的初始参数数据集，其中，由于降阶拟合函数对应的参数值的转换计算过程简单，因此，无需占用过多计算资源，能够快速确定参数的初始值。基于本申请实施例，由于降阶拟合函数本身能够对电池寿命进行简单预测，因此，通过结合参数转换关系对降阶拟合函数的拟合系数进行转换得到的参数值作为初始寿命衰减机理模型的参数的初始值，更加合理，有利于降低参数校正过程的计算量，以及降低参数校正的过程所需要的时间。
在本申请一实施例中，初始寿命衰减机理模型包括N个电池分析模型，函数集合包括N个降阶拟合函数，降阶拟合函数与电池分析模型一一对应，N为正整数；
获取电池的初始寿命衰减机理模型的函数集合，包括：
获取每个电池分析模型的初始降阶函数，以及电池对应的第一电池运行数据；
根据第一电池运行数据，对每个电池分析模型的初始降阶函数进行拟合处理，得到每个电池分析模型的降阶拟合函数。
本申请实施例中，通过获取每个电池分析模型的初始降阶函数，以及电池对应的第一运行数据，从而可以结合电池第一电池运行数据对初始降阶函数进行拟合处理，得到每个电池分析模型的降阶拟合函数，由于第一电池运行数据来自于电池本身，因此，结合第一电池运行数据拟合得到降阶拟合函数，更能反映电池真实的运行情况，可以提高确定参数的初始值的可靠性。
在本申请一实施例中，获取每个电池分析模型的初始降阶函数，包括：
确定初始寿命衰减机理模型包括的N个电池分析模型；
分别获取每个电池分析模型的初始降阶函数。
本申请实施例中，由于确定初始寿命衰减机理模型包括的每个电池分析模型，以及并获取每个电池分析模型的初始降阶函数的计算过程简单，可以快速得到初始降阶函数，从而提高寿命衰减机理模型的速度。
在本申请一实施例中，初始参数数据集具体包括每个电池分析模型的参数的初始值；
根据降阶拟合函数对应的参数映射函数，对降阶拟合函数的拟合系数进行转换处理，得到初始寿命衰减机理模型的初始参数数据集，包括：
确定每个电池分析模型的降阶拟合函数的拟合系数；
获取每个电池分析模型对应降阶拟合函数的参数映射函数；
对应每个电池分析模型，根据参数映射函数和降阶拟合函数的拟合系数，确定电池分析模型的参数的初始值。
本申请实施例中，通过分别确定每个电池分析模型的降阶拟合函数，以及获取每个电池分析模型对应的参数映射函数，从而可以对降阶拟合函数的拟合系数进行转换计算，无需占用过多计算资源，可以快速每个电池分析模型对应的参数的初始值，且，由于参数的初始值设定合理，有利于降低参数校正过程的所消耗的时间。
在本申请一实施例中，方法还包括：
根据每个电池分析模型对应的参数的初始值，对初始寿命衰减机理模型进行初始化处理；
根据电池的第二电池运行数据，对初始化处理后的初始寿命衰减机理模型进行参数校正，得到目标寿命衰减机理模型。
本申请实施例中，由于参数的初始值是基于降阶拟合函数的拟合系数与参数映射函数进行转换计算确定，实现合理确定参数的初始值。接下来，结合电池对应的第二电池运行数据对初始化处理后的初始寿命衰减机理模型进行参数校正，可以能够有效降低参数校正过程的计算量，缩短降低参数校正的过程所需要的时间，提高校正效率。
在本申请一实施例中，在参数为过电位的情况下，过电位的参数值设置为电池的初期圈数电位或者负极电位。
本申请实施例中，通过将过电位参数值设定为初期圈数电位或者负极电位，可以减少复杂计算，同时提高确定参数的初始值的可靠性。
第二方面，本申请实施例提供一种确定电池机理模型参数值的装置，其特征在于，包括：
获取模块，用于获取电池的初始寿命衰减机理模型的函数集合，函数集合包括降阶拟合函数，降阶拟合函数包括拟合系数；
处理模块，用于根据降阶拟合函数对应的参数映射函数，对降阶拟合函数的拟合系数进行转换处理，得到初始寿命衰减机理模型的初始参数数据集，初始参数数据集包括参数的初始值。
本申请实施例中，通过获取初始寿命衰减机理模型的函数集合，由于函数集合包括降阶拟合函数，而降阶拟合函数的拟合系数和初始寿命衰减机理模型的参数值之间存在参数映射关系，通过参数映射关系将降阶拟合函数的拟合系数进行转换，可以获得初始寿命衰减机理模型的初始参数数据集，其中，由于降阶拟合函数对应的参数值的转换计算过程简单，因此，无需占用过多计算资源，能够快速确定参数的初始值。基于本申请实施例，由于降阶拟合函数本身能够对电池寿命进行简单预测，因此，通过结合参数转换关系对降阶拟合函数的拟合系数进行转换得到的参数值作为初始寿命衰减机理模型的参数的初始值，更加合理，有利于降低参数校正过程的计算量，以及降低参数校正的过程所需要的时间。
第三方面，本申请实施例提供一种电子设备，包括处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的确定电池机理模型参数值的方法的步骤。
第四方面，本申请实施例提供一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面的确定电池机理模型参数值的方法的步骤。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出实施方式的目的，而并不认为是对本申请的限制。在附图中：
图1为本申请实施例提供的一种确定电池机理模型参数值的方法的流程示意图；
图2为本申请实施例提供的另一种确定电池机理模型参数值的方法的流程示意图；
图3为本申请实施例提供的一种不同参数的初始值分别对应的调参幅度的对比示意图；
图4本申请实施例提供的一种寿命衰减机理模型对电池寿命预测结果的对比示意图；
图5本申请实施例提供的一种确定电池机理模型参数值的装置的结构示意图；
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
除非另有定义，本申请所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本申请中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。
本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序或主次关系。在本申请实施例的描述中，“多个”的含义是两个以上，除非另有明确具体地限定。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
随着电池行业的蓬勃发展，电池凭借其高能量和高功率密度的优势成为当代用电设备的主要动力来源。为了电池能够安全可靠的工作，准确的预测电池寿命越来越受到关注。
目前，通常使用电池的机理模型，对电池的寿命进行预测。但在构建机理模型的过程中，机理模型内部存在较多的参数需要进行参数校正。在参数校正的过程中，参数的初始值通常为随机设置或者依靠经验进行设置，由于参数的初始值的设置存在随意性和不确定性，在接下来通过迭代计算进行参数校正的过程时间消耗长，且不易获得最终的校正结果。
此外，随着对机理模型参数校正的需求越来越大，目前，在设定机理模型的参数的初始值的过程中，所采用的一种方式，例如，通过技术人员调整参数的初始值，往往需要技术人员对机理模型有较深的理解，不利于模型的大规模推广应用，并且调整过程往往需要大量人力介入，降低了机理模型实用性，此外，基于技术人员对机理模型的理解，设置参数的初始值，还存在随意性和不确定性，极易影响参数校正结果。设定机理模型的参数的初始值的另一种方式，例如，寻找与待参数校正的机理模型相同或相近的已完成校正的机理模型，将已完成校正的机理模型的参数值迁移至待参数校正的机理模型。在迁移的参数中可以包括历史数据库、文献值等数据。但由于，不同机理模型之间存在体系差异，直接使用迁移的参数，不仅容易导致校正结果偏差，还要求使用者具有已校正的大量历史参数。此外，设定机理模型的参数的初始值的再一种方式中，通过设定多个参数的初始值，并行执行参数校正过程，这种方式虽然能够有效增加获取参数最终解可能性，但机理模型涉及诸多含时微分方程耦合的数值求解，计算过程中计算量庞大，对算力的需求较高，尤其在模型校正过程中，多次迭代计算过程，大幅增加了计算压力，并不利于模型参数的快速获得，极大增加了计算压力。
基于以上考虑，为了解决目前的参数的初始值的设置存在随意性和不确定性，导致参数校正的过程时间消耗长且不易获得最终的校正结果。本申请发明人提供了一种确定电池机理模型参数值的方法、装置和电子设备，以及可读存储介质。对于需要参数校正的寿命衰减机理模型，也即初始寿命衰减机理模型，通过获取初始寿命衰减机理模型的函数集合，由于函数集合包括降阶拟合函数，而降阶拟合函数的拟合系数和初始寿命衰减机理模型的参数值之间存在参数映射关系，通过参数映射关系将降阶拟合函数的拟合系数进行转换，可以获得初始寿命衰减机理模型的初始参数数据集，其中，由于降阶拟合函数对应的参数值的转换计算过程简单，因此，无需占用过多计算资源，能够快速确定参数的初始值。基于本申请实施例，由于降阶拟合函数本身能够对电池寿命进行简单预测，因此，通过结合参数转换关系对降阶拟合函数的拟合系数进行转换得到的参数值作为初始寿命衰减机理模型的参数的初始值，更加合理，有利于降低参数校正过程的计算量，以及降低参数校正的过程所需要的时间。
本申请实施例描述的技术方案适用于电池以及使用电池的用电装置。用电装置包括但不限于车辆、手机、便携式设备、笔记本电脑、轮船、航天器、电动玩具和电动工具等等。
以下将结合附图对本申请实施例提供的确定电池机理模型参数值的方法、装置和电子设备，以及可读存储介质进行详细介绍。
图1为本申请实施例提供的确定电池机理模型参数值的方法的流程示意图，如图1所示，方法包括步骤110至步骤120。
步骤110，获取电池的初始寿命衰减机理模型的函数集合，函数集合包括降阶拟合函数，降阶拟合函数包括拟合系数；
步骤120，根据降阶拟合函数对应的参数映射函数，对降阶拟合函数的拟合系数进行转换处理，得到初始寿命衰减机理模型的初始参数数据集，初始参数数据集包括参数的初始值。
下面对上述步骤进行详细说明，具体如下所示。
涉及上述步骤110，初始寿命衰减机理模型包括电化学模型和与电化学模型耦合的电池分析模型，其中，电池分析模型用于对电池中的关键因子的衰减情况进行分析的模型，关键因子例如正负极材质、电解液损失量、析锂等能够影响电池寿命的影响因子。
在初始寿命衰减机理模型中与电化学模型相耦合的电池分析模型，可以根据对电池的分析需求进行配置，通过将电池分析模型与电化学模型耦合。其中，电池分析模型与电化学模型的耦合是指电池分析模型与电化学模型分别计算的分析数据存在相互使用关系。
可选地，初始寿命衰减机理模型包括电化学模型和与电化学模型耦合的至少一个电池分析模型，电池分析模型包括以下至少一种模型：正负极材质损失模型、电解液损失模型、膨胀力模型、穿梭效应模型、热模型、SEI溶解模型、析锂模型、产气模型、SEI成膜模型。
初始寿命衰减机理模型中与电化学模型相耦合的电池分析模型，可以根据对电池的分析需求进行配置，通过将电池分析模型与电化学模型耦合，从而灵活的满足不同类型电池的分析需求。
本申请实施例中，初始寿命衰减机理模型中每个与电化学模型耦合的电池分析模型，均可以使用降阶函数确定初参数始值，从而可以初始寿命衰减机理模型中参数的初始值的准确性，提高参数校正效率。
本申请实施例中所提到的电池可以包括电池模块或电池包等。电池一般包括用于封装一个或多个电池单体的箱体。其中，电池单体可以包括但不限于锂离子二次电池单体、锂硫电池单体、钠锂离子电池单体、钠离子电池单体或镁离子电池单体等。
初始寿命衰减机理模型的函数集合中可以包括一个或者多个降阶拟合函数。其中，通降阶拟合函数与电池分析模型一一对应，通过对电池分析模型进行近似推导可以得到降阶函数，再根据电池的运行数据对降阶函数进行拟合处理后，可以得到降阶拟合函数。由于降阶拟合函数是对电池分析模型进行近似推导 ，因此，降阶拟合函数的拟合系数和初始寿命衰减机理模型的参数值之间存在参数映射关系。
具体地，涉及上述步骤120，根据降阶拟合函数对应的参数映射函数，对降阶拟合函数的拟合系数进行转换处理，得到初始寿命衰减机理模型的初始参数数据集，初始参数数据集中参数的初始值可以作为初始寿命衰减机理模型的参数的初始值。
在本申请实施例中，初始寿命衰减机理模型的函数集合可以对电池的寿命衰减情况进行粗略预测，又由于降阶拟合函数的拟合系数与初始寿命衰减机理模型中的参数的初始值之间存在映射关系，因此，根据参数映射函数转换处理得到的参数值作为寿命衰减机理模型的参数的初始值，可以实现合理设定初始寿命衰减机理模型的参数的初始值。
本申请实施例中，由于降阶拟合函数的拟合系数进行转换计算的过程简单，因此，无需占用过多计算资源，能够快速确定参数的初始值。又由于降阶拟合函数本身能够对电池寿命进行简单预测，因此，通过结合参数转换关系对降阶拟合函数的拟合系数进行转换得到的参数值作为初始寿命衰减机理模型的参数的初始值，相较于随机设定和依据经验设定的参数的初始值更具合理性，有利于降低参数校正过程的计算量，以及降低参数校正的过程所需要的时间。
在本申请一实施例中，初始寿命衰减机理模型包括N个电池分析模型，函数集合包括N个降阶拟合函数，降阶拟合函数与电池分析模型一一对应，N为正整数。
具体地，上述获取电池的初始寿命衰减机理模型的函数集合，可以参考以下步骤：
步骤1101，获取每个电池分析模型的初始降阶函数，以及电池对应的第一电池运行数据；
步骤1102，根据第一电池运行数据，对每个电池分析模型的初始降阶函数进行拟合处理，得到每个电池分析模型的降阶拟合函数。
示例性的，获取每个电池分析模型的初始降阶函数，可以包括：确定初始寿命衰减机理模型包括的N个电池分析模型；分别获取每个电池分析模型的初始降阶函数。
在本申请实施例中，通过确定初始寿命衰减机理模型包括的每个电池分析模型，并获取每个电池分析模型的初始降阶函数，可以快速确定每个电池分析模型的参数的初始值。
在一个示例中，可以通过对初始寿命衰减机理模型进行解耦合，确定初始寿命衰减机理模型所包括的电池分析模型。在又一示例中，还可以根据还可以获取初始寿命衰减机理模型在构建过程中的构建信息，在构建信息中可以包括初始寿命衰减机理模型中使用的电池分析模型，其中，该构建信息可以存储在预设地址，通过获取构建信息，可以方便的确定初始寿命衰减机理模型包括的电池分析模型。
在确定电池分析模型后，可以通过近似推导的方式，确定每个电池分析模型的初始降阶函数。
第一电池运行数据可以是电池的仿真实验数据，也可以是对电池进行实际测量的数据。通过第一运行数据对初始降阶函数进行拟合处理，得到每个电池分析模型的降阶拟合函数，从而降阶拟合函数更能反映电池真实的运行情况。
本申请实施例中，通过使用第一电池运行数据对初始降阶函数进行拟合处理，且由于第一电池运行数据为电池实际运行数据，或者电池的仿真运行数据，基于此，拟合所得的每个电池分析模型对应的降阶拟合函数，更能反映电池真实的运行情况，有利于提高确定参数的初始值的可靠性。
在一些实施例中，初始寿命衰减机理模型的初始参数数据集包括每个所述电池分析模型的参数的初始值。
具体地，根据降阶拟合函数对应的参数映射函数，对降阶拟合函数的拟合系数进行转换处理，得到初始寿命衰减机理模型的初始参数数据集，具体可以参考以下步骤。
步骤1201，确定每个电池分析模型的降阶拟合函数的拟合系数；
步骤1202，获取每个电池分析模型对应降阶拟合函数的参数映射函数；
步骤1203，对应每个电池分析模型，根据参数映射函数和降阶拟合函数的拟合系数，确定电池分析模型的参数的初始值。
示例性的，每个电池分析模型的初始降阶函数，是通过对电池分析模型进行近似推导确定的，由此可以确定出初始降阶函数的拟合系数与电池分析模型的参数的初始值之间的函数转换关系，也即每个电池分析模型对应的参数映射函数。
在对初始降阶函数拟合处理后，可以得到降阶拟合函数，从而可以得到降阶拟合函数的拟合系数。接下来结合，每个电池分析模型对应降阶拟合函数的参数映射函数，可以快速计算得到每个电池分析模型对应的参数的初始值。
根据本申请实施例，通过分别确定每个电池分析模型的降阶拟合函数的拟合系数，再根据参数映射函数和降阶拟合函数的拟合系数进行计算，无需占用过多计算资源，能够快速每个电池分析模型对应的参数的初始值，且，由于每个电池分析模型的参数的初始值更具合理性，有利于减少对初始寿命衰减机理模型的参数校正过程所占用的时间。
在本申请一些实施例中，在参数为过电位的情况下，过电位的参数值设置为电池的初期圈数电位或者负极电位。
本申请实施例中，通过将过电位参数值设定为初期圈数电位或者负极电位，可以减少复杂计算，同时提高确定参数的初始值的可靠性。
在本申请一些实施例中，在确定每个电池分析模型对应的参数的初始值之后，还可以包括以下步骤：根据每个电池分析模型对应的参数的初始值，对初始寿命衰减机理模型进行初始化处理；根据电池的第二电池运行数据，对初始化处理后的初始寿命衰减机理模型进行参数校正，得到目标寿命衰减机理模型。
具体地，对初始寿命衰减机理模型进行初始化处理是指，根据每个电池分析模型对应的参数的初始值，对电池分析模型的参数的初始值进行设置。在每个电池分析模型的参数的初始值设置完成后，即完成初始化处理的过程。
示例性的，第二电池运行数据包括但不限于电池的仿真实验数据、对电池进行实际测量的数据。可选地，第一电池运行数据可以相同也可也不同。
可选地，可以采用预设校正算法，对初始化处理后的初始寿命衰减机理模型进行参数校正，其中，预设校正算法包括但不限于贝叶斯算法、牛顿算法、粒子群算法等校正算法。通过预设校正算法，可以对寿命衰减机理模型的参数值进一步寻优，从而获得寿命衰减机理模型中模型参数的参数值，也即可以得到目标寿命衰减机理模型。
可选地，可以将目标寿命衰减机理模型对应的参数值存储至目标数据库中，在需要对电池进行寿命衰减分析预测时，可以直接调取参数值，以获得准确分析预测结果。
本申请实施例中，由于参数的初始值是基于降阶拟合函数拟合系数与参数映射函数确定的，相较于随机设定和依据经验设定的参数的初始值更具合理性。接下来，结合电池的第二电池运行数据对初始化处理后的初始寿命衰减机理模型进行参数校正，可以能够有效降低参数校正过程的计算量，降低参数校正的过程所需要的时间，提高校正效率，更快找到目标寿命衰减机理模型的参数值。
为了更清楚的对本申请技术方案进行介绍，图2为本申请实施例提供的另一种确定电池机理模型参数值的方法的流程示意图，结合图2所示，确定电池机理模型参数值的方法可以包括步骤201至步骤205。
步骤201，获取电池的初始寿命衰减机理模型；
步骤202，确定初始寿命衰减机理模型中与电化学模型耦合的电池分析模型；
示例性的，初始寿命衰减机理模型包括电化学模型和与电化学模型耦合的至少一个电池分析模型，电池分析模型包括以下至少一种模型：正负极材质损失模型、电解液损失模型、膨胀力模型、穿梭效应模型、热模型、SEI溶解模型、析锂模型、产气模型、SEI成膜模型。
步骤203，获取每个电池分析模型对应的降阶拟合函数。
具体地，通过获取电池分析模型初始降阶函数，再对初始降阶函数进行拟合处理，可以得到电池分析模型的降阶拟合函数。
示例性的，电池分析模型为固体电解质界面（Solid Electrolyte Interface，SEI）成膜模型通过近似推导可以得到一个二阶的初始降阶函数初始降阶拟合函数拟合处理后，可以得到两个拟合系数a和b，再结合SEI成膜模型对应的参数映射函数数，可以计算得到SEI成膜模型的参数的初始值。
在又一示例中，电池分析模型还可以是电解液消耗模型，通过对电解液消耗模型近似推导可以得到一个一阶的初始降阶函数初始降阶拟合函数拟合处理后，可以得到一个拟合系数c，再结合电解液消耗模型对应的参数映射函数数F1（c），可以计算得到电解液消耗模型的参数的初始值A，其中，A=F1（c）。
在又一示例中，电池分析模型还可以是应力破碎模型，通过对应力破碎模型近似推导可以得到一个二阶的初始降阶函数初始降阶拟合函数拟合处理后，可以得到一个拟合系数d和e，再结合应力破碎模型对应的参数映射函数数F2（d）和F3（e），可以计算得到应力破碎模型的参数的初始值B和C，其中，B=F2（d），C=F3（e）。
具体地，以电池分析模型为固体电解质界面（Solid Electrolyte Interface，SEI）成膜模型为例，SEI成膜模型的初始降阶函数，可以为二阶函数，对初始降阶函数进行拟合处理后，得到SEI成膜模型对应的降阶拟合函数可以如公式（1）所示：
Q 0 -Q(t)=(at+b 2)-b （1）
在公式（1）中，a，b分别为拟合系数，Q0为衰减前电池容量，而Q(t)则为衰减后电池容量，其中，Q(t)可以通过对电池进行仿真实验确定，也可以是对电池进行实际测量的确定。
步骤204，获取每个拟合系数对应的参数映射函数；
继续以SEI成膜模型为例，SEI成膜模型对应的降阶拟合函数中包括拟合系数a和拟合系数b，SEI成膜模型对应的参数映射函数可以如公式（2）所示和公式（3）所示，其中，SEI成膜模型对应的参数包括SEI扩散拟合系数D和SEI副反应拟合系数k：
（2）
（3）
具体地，在公式（2）中，n为SEI反应中的化学计量比，D为寿命衰减机理模型中SEI扩散拟合系数，cB为溶剂体浓度，cSEI为SEI浓度，A为总颗粒表面积；在公式（3）中，k为SEI副反应拟合系数，l为SEI厚度，η则为副反应过电位，可以通过P2D电化学计算获得，M为锂离子摩尔量；其中，为了降低计算量η可以取值为电池的初期圈数电位或者负极电位。可选地，通过对SEI做均质化近似，认为溶剂在SEI中扩散速率各处均相同，可以将过电位η设置为负极电位Vneg，负极电位Vneg可以通过电池的历史采集数据确定。由于上述公式（2）和公式（3）中，只有SEI扩散拟合系数D和SEI副反应拟合系数k为未知量，经过计算可以快速得到。
步骤205，根据参数映射函数和拟合系数的参数值，确定每个电池分析模型对应的参数的初始值。
根据本申请实施例，在公式（1）确定拟合系数的参数值a和b的取值后，再结合参数映射函数，可以根据公式（2）和公式（3），分别求解出SEI扩散拟合系数D和SEI副反应拟合系数k。
在本申请的一些实施例中，在确定参数的初始值之后，还可以包括以下步骤206和步骤207。
步骤206，根据每个电池分析模型对应的参数的初始值，对初始寿命衰减机理模型进行初始化处理。
示例性的，以继续以SEI成膜模型为例，在SEI成膜模型中包括基于菲克定律公式（4），可以用于对SEI副反应进行分析，其中，公式（4）的边界条件可以基于塔菲尔(Tafel)方程和恒定体浓度确定，具体地，边界条件可以如公式（5）和公式（6）所示：
（4）
（5）
（6）
由于在SEI反应的反应过程中，各反应物间存在计量比关系，因而锂离子消耗与边界锂耗相关，相关联的公式可以如公式（7）所示：
（7）
在上述公式（4）至公式（7）中，n为SEI反应中的化学计量比，cB为溶剂体浓度，cSEI为SEI浓度，A为总颗粒表面积，l为SEI厚度，η则为副反应过电位，可以通过P2D电化学计算获得，M为锂离子摩尔量；其中，为了降低计算量η可以取值为电池的初期圈数电位或者负极电位。其中，SEI扩散拟合系数D和SEI副反应拟合系数k需要设定初始值，此时，可以基于公式（2）和公式（3），分别求解出扩散拟合系数D和SEI副反应拟合系数k，可以直接作为参数的初始值，对公式（4）至公式（7）进行初始化。
示例性的，寿命衰减机理模型还可以包括电解液消耗模型，电解液消耗模型降阶对应的降阶函数中可以包括一个拟合系数，寿命衰减机理模型还可以包括应力破碎模型降阶，应力破碎模型降阶对应的降阶函数中可以包括两个拟合系数。
可选地，可以将每个电池分析模型的初始降阶函数、初始降阶函数的拟合方式、降阶拟合函数中的拟合系数，以及每个电池分析模型对应的参数映射函数通过程序代码进行存储。在机理模型需要设定参数的初始值的情况下，可以随时根据机寿命衰减理模型中包括电池分析模型，确定参数的初始值。
步骤207，根据电池的第二电池运行数据，对初始化处理后的初始寿命衰减机理模型进行参数校正，得到目标寿命衰减机理模型。
具体地，可以采用预设校正算法，对初始化处理后的初始寿命衰减机理模型进行参数校正，其中，预设校正算法包括但不限于贝叶斯算法、牛顿算法、粒子群算法等校正算法。通过预设校正算法，可以对寿命衰减机理模型的参数值进一步寻优，从而获得寿命衰减机理模型中模型参数的参数值，也即可以得到目标寿命衰减机理模型。
为了体现本申请实施例确定电池机理模型参数值的技术效果，图3是本申请实施例提供的一种不同参数的初始值分别对应的调参幅度的对比示意图，结合图3所示，参数1和参数2分别根据SEI成膜模型的降阶拟合函数的拟合系数转换得到，参数3根据电解液消耗模型的降阶拟合函数的拟合系数转换得到，参数4和参数5分别根据应力破碎模型的降阶拟合函数的拟合系数转换得到。
具体地，初始寿命衰减机理模型在进行参数校正后，得到目标寿命衰减机理模型。在目标寿命衰减机理模型中电池分析模型的参数值可以作为基准参数，评价参数的初始值设定的合理性。
具体地在柱形图中A标识基于降阶拟合函数的拟合系数确定的参数的初始值的调参幅度，B表示由技术人员根据经验设定的手动设定的参数的初始值的调参幅度，C表示基于随机参数值对应的调参幅度，其中，默认初值可以表示随机设定的参数的初始值。结合图3可看出，基于本申请实施例提供的确定参数的初始值的方法，可以有效降低参数校正过程中对参数的初始值的调参幅度，也即，参数的初始值更具合理性，有利于参数校正过程快速找到目标参数，提高调参效率。
图4是本申请实施例提供的一种寿命衰减机理模型对电池寿命预测结果的对比示意图，结合图4所示，在T1至T5的不同温度的条件下，基于不同参数的初始值进行参数校正后得到的目标寿命衰减机理模型，对电池用于存储能量的时间变化，对电池的容量保持率（capacity retention）的预测结果，其中，由点组成的虚线是指基于降阶函数确定的参数的初始值进行参数校正后得到的寿命衰减机理模型的预测结果，由线段组成的虚线是指电池的实际容量保持率。
可以看出随着时间变化，基于降阶函数确定的参数的初始值进行参数校正后得到的寿命衰减机理模型的预测结果，与电池的实际容量保持率，分别对应的两条虚线几乎重合，预测容量保持率与实际容量保持率几乎重合。
继续结合图4所示，在T1至T4的不同温度的条件下，基于不同参数的初始值进行参数校正后得到的寿命衰减机理模型，对电池的循环使用的次数，对电池的容量保持率（capacity retention）的预测结果，其中，由点组成的虚线是指基于降阶函数确定的参数的初始值进行参数校正后得到的寿命衰减机理模型的预测结果，由线段组成的虚线是指电池的实际容量保持率。
结合T1温度对应的两条虚线，可以看出随着时间变化，基于降阶拟合函数的拟合系数确定的参数的初始值进行参数校正后得到的目标寿命衰减机理模型的预测结果，与电池的实际容量保持率，分别对应的两条虚线几乎重合，预测容量保持率与实际容量保持率几乎重合。因此，本申请实施例提供的确定电池机理模型参数值的方法，还有利于提高目标寿命衰减机理模型的预测结果的准确性。
根据本申请实施例，通过获取初始寿命衰减机理模型的函数集合，由于函数集合包括降阶拟合函数，而降阶拟合函数的拟合系数和初始寿命衰减机理模型的参数值之间存在参数映射关系，通过参数映射关系将降阶拟合函数的拟合系数进行转换，可以获得初始寿命衰减机理模型的初始参数数据集，其中，由于降阶拟合函数对应的参数值的转换计算过程简单，因此，无需占用过多计算资源，能够快速确定参数的初始值。基于本申请实施例，由于降阶拟合函数本身能够对电池寿命进行简单预测，因此，通过结合参数转换关系对降阶拟合函数的拟合系数进行转换得到的参数值作为初始寿命衰减机理模型的参数的初始值，更加合理，有利于降低参数校正过程的计算量，以及降低参数校正的过程所需要的时间。
基于相同的发明构思，本申请还提供了与上述确定电池机理模型参数值的方法对应的确定电池机理模型参数值的装置。具体结合图5进行详细说明。图5是本申请实施例提供的一种确定电池机理模型参数值的装置的结构示意图，如图5所示，该确定电池机理模型参数值的装置500可以包括：获取模块510和处理模块520。
获取模块510，用于获取电池的初始寿命衰减机理模型的函数集合，所述函数集合包括降阶拟合函数，所述降阶拟合函数包括拟合系数；
处理模块520，用于根据所述降阶拟合函数对应的参数映射函数，对所述降阶拟合函数的拟合系数进行转换处理，得到所述初始寿命衰减机理模型的初始参数数据集。
在一些实施例中，所述初始寿命衰减机理模型包括N个电池分析模型，所述函数集合包括N个降阶拟合函数，所述降阶拟合函数与所述电池分析模型一一对应，N为正整数；
所述获取模块510，还用于获取每个所述电池分析模型的初始降阶函数，以及所述电池对应的第一电池运行数据；
所述处理模块520，还用于根据所述第一电池运行数据，对每个所述电池分析模型的初始降阶函数进行拟合处理，得到每个所述电池分析模型的降阶拟合函数。
在一些实施例中，处理模块520，还用于确定所述初始寿命衰减机理模型包括的N个所述电池分析模型；
获取模块510，还用于分别获取每个所述电池分析模型的初始降阶函数。
在一些实施例中，所述初始寿命衰减机理模型的初始参数数据集包括每个所述电池分析模型的参数的初始值；
处理模块520，还用于确定每个所述电池分析模型的降阶拟合函数的拟合系数；
获取模块510，还用于获取所述每个电池分析模型对应降阶拟合函数的参数映射函数；
处理模块520，还用于对应每个所述电池分析模型，根据所述参数映射函数和所述降阶拟合函数的拟合系数，确定所述电池分析模型的参数的初始值。
在一些实施例中，处理模块520，还用于根据每个所述电池分析模型对应的参数的初始值，对所述初始寿命衰减机理模型进行初始化处理；
处理模块520，还用于根据所述电池的第二电池运行数据，对所述初始化处理后的初始寿命衰减机理模型进行参数校正，得到目标寿命衰减机理模型。
在一些实施例中，在所述参数为过电位的情况下，所述过电位的参数值设置为所述电池的初期圈数电位或者负极电位。
根据本申请实施例，通过获取初始寿命衰减机理模型的函数集合，由于函数集合包括降阶拟合函数，而降阶拟合函数的拟合系数和初始寿命衰减机理模型的参数值之间存在参数映射关系，通过参数映射关系将降阶拟合函数的拟合系数进行转换，可以获得初始寿命衰减机理模型的初始参数数据集，其中，由于降阶拟合函数对应的参数值的转换计算过程简单，因此，无需占用过多计算资源，能够快速确定参数的初始值。基于本申请实施例，由于降阶拟合函数本身能够对电池寿命进行简单预测，因此，通过结合参数转换关系对降阶拟合函数的拟合系数进行转换得到的参数值作为初始寿命衰减机理模型的参数的初始值，更加合理，有利于降低参数校正过程的计算量，以及降低参数校正的过程所需要的时间。
图6示出了本申请一个实施例提供的电子设备的结构示意图。如图6所示，该设备可以包括处理器601以及存储有计算机程序指令的存储器602。
具体地，上述处理器601可以包括中央处理器（Central Processing Unit，CPU），或者特定集成电路（Application Specific Integrated Circuit ，ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器602可以包括用于信息或指令的大容量存储器。举例来说而非限制，存储器602可包括硬盘驱动器（Hard Disk Drive，HDD）、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线（Universal Serial Bus，USB）驱动器或者两个或更多个以上这些的组合。在一个实例中，存储器602可以包括可移除或不可移除(或固定)的介质，或者存储器602是非易失性固态存储器。存储器602可在电子设备的内部或外部。
存储器可包括只读存储器（ROM），随机存取存储器（RAM），磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形（非暂态）计算机可读存储介质（例如，存储器设备），并且当该软件被执行（例如，由一个或多个处理器）时，其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器601通过读取并执行存储器602中存储的计算机程序指令，以实现本申请实施例所描述的方法，并达到本申请实施例执行其方法达到的相应技术效果，为简洁描述在此不再赘述。
在一个示例中，该电子设备还可包括通信接口603和总线604。其中，如图6所示，处理器601、存储器602、通信接口603通过总线604连接并完成相互间的通信。
通信接口603，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线604包括硬件、软件或两者，将在线信息流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口（Accelerated Graphics Port，AGP）或其他图形总线、增强工业标准架构（Extended Industry Standard Architecture，EISA）总线、前端总线（Front Side Bus，FSB）、超传输（Hyper Transport，HT）互连、工业标准架构（Industry Standard Architecture，ISA）总线、无限带宽互连、低引脚数（LPC）总线、存储器总线、微信道架构（MCA）总线、外围组件互连（PCI）总线、PCI-Express（PCI-X）总线、串行高级技术附件（SATA）总线、视频电子标准协会局部（VLB）总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线604可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的确定电池机理模型参数值的方法，从而实现本申请实施例描述的确定电池机理模型参数值的方法的相应技术效果。
另外，结合上述实施例中的确定电池机理模型参数值的方法，本申请实施例可提供一种可读存储介质来实现。该可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种确定电池机理模型参数值的方法。可读存储介质的示例可以是非暂态机器可读介质 ，如电子电路、半导体存储器设备、只读存储器（Read-Only Memory，ROM）、软盘、只读光盘（Compact Disc Read-Only Memory，CD-ROM）、光盘、硬盘等。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，做出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路（Application SpecificIntegrated Circuit，ASIC）、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、只读存储器（Read-Only Memory，ROM）、闪存、可擦除只读存储器（Erasable ReadOnly Memory，EROM）、软盘、只读光盘（Compact Disc Read-Only Memory，CD-ROM）、光盘、硬盘、光纤介质、射频（Radio Frequency，RF）链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现本申请实施例提供的确定电池机理模型参数值的方法。
另外，结合上述实施例中的确定电池机理模型参数值的方法、装置，以及可读存储介质，本申请实施例可提供一种计算机程序产品来实现。所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行上述实施例中的任意一种确定电池机理模型参数值的方法。
上面参考根据本公开的实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种确定电池机理模型参数值的方法，其特征在于，包括：
获取电池的初始寿命衰减机理模型的函数集合，所述函数集合包括降阶拟合函数，所述降阶拟合函数包括拟合系数；
根据所述降阶拟合函数对应的参数映射函数，对所述降阶拟合函数的拟合系数进行转换处理，得到所述初始寿命衰减机理模型的初始参数数据集，所述初始参数数据集包括参数的初始值。
2.根据权利要求1所述的方法，其特征在于，所述初始寿命衰减机理模型包括N个电池分析模型，所述函数集合包括N个降阶拟合函数，所述降阶拟合函数与所述电池分析模型一一对应，N为正整数；
所述获取电池的初始寿命衰减机理模型的函数集合，包括：
获取每个所述电池分析模型的初始降阶函数，以及所述电池对应的第一电池运行数据；
根据所述第一电池运行数据，对每个所述电池分析模型的初始降阶函数进行拟合处理，得到每个所述电池分析模型的降阶拟合函数。
3.根据权利要求2所述的方法，其特征在于，所述获取每个所述电池分析模型的初始降阶函数，包括：
确定所述初始寿命衰减机理模型包括的N个所述电池分析模型；
分别获取每个所述电池分析模型的初始降阶函数。
4.根据权利要求2所述的方法，其特征在于，所述初始参数数据集具体包括每个所述电池分析模型的参数的初始值；
所述根据所述降阶拟合函数对应的参数映射函数，对所述降阶拟合函数的拟合系数进行转换处理，得到所述初始寿命衰减机理模型的初始参数数据集，包括：
确定每个所述电池分析模型的降阶拟合函数的拟合系数；
获取每个所述电池分析模型对应降阶拟合函数的参数映射函数；
对应每个所述电池分析模型，根据所述参数映射函数和所述降阶拟合函数的拟合系数，确定所述电池分析模型的参数的初始值。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
根据每个所述电池分析模型对应的参数的初始值，对所述初始寿命衰减机理模型进行初始化处理；
根据所述电池的第二电池运行数据，对所述初始化处理后的初始寿命衰减机理模型进行参数校正，得到目标寿命衰减机理模型。
6.根据权利要求1至5任意一项所述的方法，其特征在于，
在所述参数为过电位的情况下，所述过电位的参数值设置为所述电池的初期圈数电位或者负极电位。
7.一种确定电池机理模型参数值的装置，其特征在于，包括：
获取模块，用于获取电池的初始寿命衰减机理模型的函数集合，所述函数集合包括降阶拟合函数，所述降阶拟合函数包括拟合系数；
处理模块，用于根据所述降阶拟合函数对应的参数映射函数，对所述降阶拟合函数的拟合系数进行转换处理，得到所述初始寿命衰减机理模型的初始参数数据集，所述初始参数数据集包括参数的初始值。
8.根据权利要求7所述的装置，其特征在于，所述初始寿命衰减机理模型包括N个电池分析模型，所述函数集合包括N个降阶拟合函数，所述降阶拟合函数与所述电池分析模型一一对应，N为正整数；
所述获取模块，还用于获取每个所述电池分析模型的初始降阶函数，以及所述电池对应的第一电池运行数据；
所述处理模块，还用于根据所述第一电池运行数据，对每个所述电池分析模型的初始降阶函数进行拟合处理，得到每个所述电池分析模型的降阶拟合函数。
9.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-6任意一项所述的确定电池机理模型参数值的方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的确定电池机理模型参数值的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311393559.0A CN117129878B (zh) | 2023-10-25 | 2023-10-25 | 确定电池机理模型参数值的方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311393559.0A CN117129878B (zh) | 2023-10-25 | 2023-10-25 | 确定电池机理模型参数值的方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117129878A true CN117129878A (zh) | 2023-11-28 |
| CN117129878B CN117129878B (zh) | 2024-03-29 |
Family
ID=88858463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311393559.0A Active CN117129878B (zh) | 2023-10-25 | 2023-10-25 | 确定电池机理模型参数值的方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117129878B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117782569A (zh) * | 2024-02-23 | 2024-03-29 | 国广顺能(上海)能源科技有限公司 | 电池紧固件性能测试方法、装置、电子设备和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100332475A1 (en) * | 2009-06-25 | 2010-12-30 | University Of Tennessee Research Foundation | Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling |
| DE102018210411A1 (de) * | 2018-06-26 | 2020-01-02 | Volkswagen Aktiengesellschaft | Verfahren zum Überprüfen eines in einem Batteriesystem erfassten Temperaturmesswertes und Batteriesystem |
| CN111596212A (zh) * | 2020-06-08 | 2020-08-28 | 上海理工大学 | 一种基于电化学变量监测的电池内部故障诊断方法及装置 |
| CN112305433A (zh) * | 2020-03-30 | 2021-02-02 | 宁德时代新能源科技股份有限公司 | 电池性能参数的估算方法、装置、设备和介质 |
| WO2021208079A1 (zh) * | 2020-04-17 | 2021-10-21 | 中国科学院深圳先进技术研究院 | 获取动力电池寿命数据的方法、装置、计算机设备及介质 |
| CN113933713A (zh) * | 2021-09-01 | 2022-01-14 | 上海屹锂新能源科技有限公司 | 基于电化学模型的固态锂电池状态估计方法及系统 |
| CN114089191A (zh) * | 2021-11-17 | 2022-02-25 | 浙大城市学院 | 一种复合锂离子电池健康状况估计方法 |
| CN116643196A (zh) * | 2023-07-10 | 2023-08-25 | 上海交通大学 | 一种融合机理与数据驱动模型的电池健康状态估计方法 |
-
2023
- 2023-10-25 CN CN202311393559.0A patent/CN117129878B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100332475A1 (en) * | 2009-06-25 | 2010-12-30 | University Of Tennessee Research Foundation | Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling |
| DE102018210411A1 (de) * | 2018-06-26 | 2020-01-02 | Volkswagen Aktiengesellschaft | Verfahren zum Überprüfen eines in einem Batteriesystem erfassten Temperaturmesswertes und Batteriesystem |
| CN112305433A (zh) * | 2020-03-30 | 2021-02-02 | 宁德时代新能源科技股份有限公司 | 电池性能参数的估算方法、装置、设备和介质 |
| WO2021208079A1 (zh) * | 2020-04-17 | 2021-10-21 | 中国科学院深圳先进技术研究院 | 获取动力电池寿命数据的方法、装置、计算机设备及介质 |
| CN111596212A (zh) * | 2020-06-08 | 2020-08-28 | 上海理工大学 | 一种基于电化学变量监测的电池内部故障诊断方法及装置 |
| CN113933713A (zh) * | 2021-09-01 | 2022-01-14 | 上海屹锂新能源科技有限公司 | 基于电化学模型的固态锂电池状态估计方法及系统 |
| CN114089191A (zh) * | 2021-11-17 | 2022-02-25 | 浙大城市学院 | 一种复合锂离子电池健康状况估计方法 |
| CN116643196A (zh) * | 2023-07-10 | 2023-08-25 | 上海交通大学 | 一种融合机理与数据驱动模型的电池健康状态估计方法 |
Non-Patent Citations (3)
| Title |
|---|
| 吕洲 等: "基于LE -ELM的锂电池热过程时空建模方法", 《储能科学与技术》, vol. 11, no. 10, pages 3200 - 3208 * |
| 宋剑萍;: "铅酸电池剩余放电时间预测的数学模型", 电子设计工程, no. 16, pages 60 - 63 * |
| 胥翼鹏;宋卫平;宁爱平;: "电动汽车的动力电池模型及其参数辨识", 汽车实用技术, no. 01, pages 135 - 137 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117782569A (zh) * | 2024-02-23 | 2024-03-29 | 国广顺能(上海)能源科技有限公司 | 电池紧固件性能测试方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117129878B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11408942B2 (en) | Method for predicting service life of retired power battery | |
| CN117129878B (zh) | 确定电池机理模型参数值的方法、装置和电子设备 | |
| CN106329021A (zh) | 估算动力电池的剩余可用能量的方法和装置 | |
| CN109342955A (zh) | 一种锂离子电池容量的推算方法及系统 | |
| CN111025155B (zh) | 基于电池动态老化模型快速模拟动力电池老化过程的方法 | |
| CN113075557B (zh) | 一种车主自适应的动力电池剩余寿命预测方法 | |
| CN111426960A (zh) | 储能锂电池荷电状态监控方法与装置 | |
| JP7480541B2 (ja) | 開発支援装置、及び開発支援方法 | |
| Song et al. | FPGA-based implementation of lithium-ion battery soh estimator using particle filter | |
| CN103999282A (zh) | 用于确定电池组的充电和放电功率电平的系统和方法 | |
| CN113158589A (zh) | 一种电池管理系统的仿真模型校准方法以及装置 | |
| CN116452195A (zh) | 电池的全生命周期碳足迹确定方法、装置、设备及介质 | |
| CN114995545B (zh) | 一种车辆热管理系统的控制方法、装置、设备及介质 | |
| CN114881316B (zh) | 锂电池剩余寿命预测方法、系统、终端设备及存储介质 | |
| CN115285104A (zh) | 车辆动力电池的配置方法、装置、电子设备和存储介质 | |
| CN112886675B (zh) | 电池模组充电方法、装置、充电设备及可读存储介质 | |
| CN110873846B (zh) | 电流限值的获取方法、装置和存储介质 | |
| CN115980590B (zh) | 电化学参数的辨识方法、装置、设备和存储介质 | |
| CN115020832B (zh) | 电芯排布方法、装置、设备及计算机存储介质 | |
| CN116930774B (zh) | 一种电池健康状态估计校正方法及装置 | |
| WO2020196596A1 (ja) | 開発支援装置、開発支援方法、及びコンピュータプログラム | |
| CN115360793B (zh) | 电池组均衡方法、装置、电池系统及存储介质 | |
| CN113782845B (zh) | 一种获取锂电池的充放电功率的方法和装置 | |
| CN110426638B (zh) | 一种电池开路电压的快速计算方法及系统 | |
| CN116504321A (zh) | 考虑应力的电化学模型获取方法、装置、终端和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |