CN117269814A - 一种基于负极锂损失过程的锂电池存储衰减寿命预测方法 - Google Patents
一种基于负极锂损失过程的锂电池存储衰减寿命预测方法 Download PDFInfo
- Publication number
- CN117269814A CN117269814A CN202311238345.6A CN202311238345A CN117269814A CN 117269814 A CN117269814 A CN 117269814A CN 202311238345 A CN202311238345 A CN 202311238345A CN 117269814 A CN117269814 A CN 117269814A
- Authority
- CN
- China
- Prior art keywords
- battery
- storage
- model
- different
- capacity
- 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 79
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 57
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 57
- 230000008569 process Effects 0.000 title claims abstract description 41
- 230000008859 change Effects 0.000 claims abstract description 33
- 238000012360 testing method Methods 0.000 claims abstract description 33
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims abstract description 21
- 229910001416 lithium ion Inorganic materials 0.000 claims abstract description 21
- 230000007246 mechanism Effects 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 230000002427 irreversible effect Effects 0.000 claims description 3
- 230000035484 reaction time Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 description 27
- 230000032683 aging Effects 0.000 description 5
- 238000005562 fading Methods 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 238000009830 intercalation Methods 0.000 description 1
- 230000002687 intercalation Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000027756 respiratory electron transport chain Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007086 side reaction Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本公开揭示了一种基于负极锂损失过程的锂电池存储衰减寿命预测方法,步骤包括:基于负极锂损失过程建立电池自放电的机理模型,并建立容量衰减随时间变化的理论模型;进行不同SOC和不同存储温度下电池自放电试验,以获得不同影响因素下的电池容量衰减变化规律;通过试验数据与所述变化规律对所述理论模型中的待定参量进行拟合,以得到不同初始SOC、不同存储温度下电池存储时的容量衰减模型;在容量衰减模型的基础上建立锂电池存储衰减寿命预测模型;获取待预测锂离子电池的初始SOC以及存储温度数据,并代入所述锂电池存储衰减寿命预测模型,得到预测的存储寿命。本发可以准确地预测长时间处于存储状态的锂电池剩余寿命。
Description
技术领域
本公开属于锂电池存储寿命检预测领域,具体涉及一种基于负极锂损失过程的锂电池存储衰减寿命预测方法。
背景技术
清洁能源领域得到迅速发展,锂电池在动力和储能等领域得到广泛应用,同时锂电池的高能量密度也带来了安全性问题,需要关注电池的健康状态及寿命。
为满足用户对电池性能和安全性的需求,需要有合适的模型或方案对电池的健康状态进行监控,以对电池的寿命进行评估和预测,从而提前预知电池的当前状态和性能。相比受到大家普遍关注的电池循环寿命,电池寿命中的另一重要组成部分存储寿命则获得的关注度较低。但在众多的实际应用场景中,锂离子电池处于接近开路的存储搁置状态的时长远大于处于充放电过程的时长,而在存储搁置过程中其性能同样会因发生自放电现象而发生衰退并影响寿命,电池的存储寿命对于电池的全寿命具有显著影响。
电池的自放电现象指的是电池在不连接任何外电路的非工作状态下,其容量随时间流逝而自发损失的现象。运用合适的方式研究电池在存储过程中的自放电现象,得到相关特性并建立容量变化模型,不仅能够为电池管理系统提供全面的电池信息,提升电池组使用的安全性,避免因电池个体不一致性而导致的性能加速衰减以及更严重的安全事故,而且对常规的电池充放电循环寿命模型是一个重要补充,使电池的寿命模型更加健全,提高电池寿命管理水平,防止电池滥用,增加其寿命。因此,建立模型估计电池存储寿命,对于电池寿命模型完善及电池安全应用有十分重要的意义。
发明内容
针对现有技术中的不足,本公开的目的在于提供一种基于负极锂损失过程的锂电池存储衰减寿命预测方法,该方法利用电池的负极锂损失及SEI膜的生长作为电池在存储自放电过程的主要老化原因,可以准确地预测长时间处于存储状态的锂电池剩余寿命。
为实现上述目的,本公开提供以下技术方案:
一种基于负极锂损失过程的锂电池存储衰减寿命预测方法,包括如下步骤:
S100:基于负极锂损失过程建立电池自放电的机理模型,并建立容量衰减随时间变化的理论模型;
S200:进行不同SOC和不同存储温度下电池自放电试验,以获得试验数据和不同影响因素下的电池容量衰减变化规律;
S300:通过所述试验数据与所述变化规律对所述理论模型中的待定参量进行拟合,以得到不同初始SOC、不同存储温度下电池存储时的容量衰减模型;
S400:在所述容量衰减模型的基础上建立锂电池存储衰减寿命预测模型;
S500:获取待预测锂离子电池的初始SOC以及存储温度数据,将所述初始SOC以及存储温度数据代入所述锂电池存储衰减寿命预测模型,得到预测的存储寿命。
优选的,所述SOC定义为:
式中:Cremain为当前时刻电池的存储电量/Ah;Qnow为电池当前的可用容量/Ah。
优选的,步骤S100中,基于负极锂损失过程建立电池自放电的机理模型,并建立容量衰减随时间变化的理论模型如下:
式中:Q为电池存储过程中不可逆容量损失量,e为单个电子所带电荷量即1.6×10-19A·s,N为阿伏伽德罗常数即6.02×1023,S为电池SEI膜的总面积,Zx是存储过程生成产物x的摩尔量,k3为反应速率常数,a和b分别为电子和生成物的反应级数,c0为初始SEI膜表面的平均电子浓度,t为对应的反应时刻。
优选的,步骤S200中,进行不同SOC和不同存储温度下电池自放电试验包括如下流程:容量标定流程、不同SOC下的自放电测试流程、不同存储温度下的自放电测试流程。
优选的,步骤S300中,所述理论模型中待定参量拟合过程如下:
S301:简化电池容量衰减随时间变化的理论模型,减少不同SOC和不同存储温度影响下的容量衰减模型待定参数;
S302:整理电池在不同存储条件下进行自放电实验数据,结合理论模型与实验数据,并采用莱文贝格-马夸特法(Levenberg–Marquardt algorithm)的优化算法进行拟合;
S303:应用拟合统计学相关参数和相关性参数以及标准误差验证对与待定参量的拟合效果。
优选的,步骤S400中,锂电池存储衰减寿命预测模型的建立采用的是基于蒙特卡洛方法的存储寿命分布模拟。
优选的,所述的参数拟合结果的验证过程通过不同影响因素下的待定参数变化随SOC以及存储温度变化的线性程度来进行分析。
本公开还提出一种基于负极锂损失过程的锂电池存储衰减寿命预测装置,所述装置包括:
测量单元,用于进行长时间存储状态下锂离子电池SOC测试以及温度测试试验;
分类单元,用于对测量所得不同SOC以及不同温度下的容量数据进行分类拟合;
数据单元,在不同SOC以及不同存储温度的分类下,用于对不同容量数据进行理论模型中待定参数的拟合;
模型单元,通过数据单元拟合验证后的模型参数,完善不同初始SOC、不同存储温度下电池存储时的容量衰减模型,以获得锂电池存储衰减寿命预测模型;
检测单元,用于对待测存储状态下锂离子电池进行内部温度以及SOC测试,将获得的数据代入所述锂电池存储衰减寿命预测模型,得到预测的存储寿命。
与现有技术相比,本公开带来的有益效果为:
本公开所述方法能够对长时间处于存储状态的锂离子电池存储寿命进行快速且精准的预测,实现了对电池存储寿命的估计,为电池寿命模型提供了补充,使电池管理策略有了参考,有利于提升电池安全性。
本公开发明的特点与优势具体可以体现在以下三个方面:
(1)在进行锂离子电池存储寿命预测时不同于工业中常见的根据经验预估办法,本公开发明通过基于负极锂损失过程所建立的自放电机理模型进行预测,能从电池内部化学反应入手更精准地对电池存储过程中的状态进行预估。
(2)在通过试验数据拟合理论模型的待定参量上,不同于常规过于理想化的线性拟合方法,而本公开发明选用莱文贝格-马夸特法的优化算法进行拟合,该方法不仅综合了高斯-牛顿算法和梯度下降法的优点,还解决了二者的逆矩阵不存在或初始值距局部极小值太远的问题,可以提供非线性最小化的数值解,在拟合非线性曲线方面具有很大优势。
(3)在基于容量衰减模型的电池存储寿命估计精准度上,不同于通过代数方程直接得出偏差较大的电池存储寿命,本公开发明在自放电机理模型参数完善之后采用蒙特卡罗统计模拟方法,对于解决包含随机过程的问题很有优势,不仅能够用来模拟不同存储老化影响因素下电池容量随时间的变化过程,还可以用于估算已建立的容量模型中参量的不确定性以及提高电池的存储寿命预测精准度。
附图说明
图1是本公开一个实施例提供的一种基于负极锂损失过程的锂电池存储衰减寿命预测方法的流程图;
图2是本公开另一个实施例提供的锂离子电池容量标定实验流程图;
图3是本公开另一个实施例提供的锂离子电池不同荷电状态(SOC)下自放电实验流程图;
图4是本公开另一个实施例提供的锂离子电池不同存储温度下的自放电实验流程图;
图5(a)至图5(b)是本公开另一个实施例提供的锂离子电池不同影响因素下电池容量衰减量随存储时间变化图;
图6是本公开另一个实施例提供的锂离子电池自放电理论模型待定参量拟合流程图;
图7是本公开另一个实施例提供的理论模型中k值与电池SOC的关系图;
图8是本公开另一个实施例提供的理论模型中k值与电池存储温度的关系图;
图9(a)至图9(d)是本公开另一个实施例提供的不同初始SOC条件下电池存储寿命估计图;其中,图9(a)为20%SOC,图9(b)为50%SOC,图9(c)为60%SOC,图9(d)为80%SOC;
图10(a)至图10(d)是本公开另一个实施例提供的不同存储温度条件下电池存储寿命估计图;其中,图10(a)为20℃,图10(b)为25℃,图10(c)为30℃,图10(d)为35℃。
具体实施方式
下面将参照附图1至图10(d)详细地描述本公开的具体实施例。虽然附图中显示了本公开的具体实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是,在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解,技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异作为区分组件的方式,而是以组件在功能上的差异作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语,故应解释成“包含但不限定于”。说明书后续描述为实施本公开的较佳实施方式,然所述描述乃以说明书的一般原则为目的,并非用以限定本公开的范围。本公开的保护范围当视所附权利要求所界定者为准。
为便于对本公开实施例的理解,下面将结合附图以具体实施例为例做进一步的解释说明,且各个附图并不构成对本公开实施例的限定。
一个实施例中,如图1所示,一种基于负极锂损失过程的锂电池存储衰减寿命预测方法,包括如下步骤:
S100:基于负极锂损失过程建立电池自放电的机理模型,并建立容量衰减随时间变化的理论模型;
S200:进行不同SOC和不同存储温度下电池自放电试验,以获得试验数据和不同影响因素下的电池容量衰减变化规律;
S300:通过所述试验数据与所述变化规律对所述理论模型中的待定参量进行拟合,以得到不同初始SOC、不同存储温度下电池存储时的容量衰减模型;
S400:在所述容量衰减模型的基础上建立锂电池存储衰减寿命预测模型;
S500:获取待预测锂离子电池的初始SOC以及存储温度数据,将所述初始SOC以及存储温度数据代入所述锂电池存储衰减寿命预测模型,得到存储寿命。
上述实施例构成了本公开的完整技术方案。本实施例所述方法能够对长时间处于存储状态的锂离子电池存储寿命进行快速且精准的预测,实现了对电池存储寿命的估计,为电池寿命模型提供了补充,使电池管理策略有了参考,有利于提升电池安全性。
另一个实施例中,以负极锂损失过程建立电池自放电的机理模型,建立容量衰减随时间变化的理论模型。
本实施例中,理论模型建立过程如下:
为建立电池自放电过程容量衰减随时间的关系式,本实施例把电池容量衰减过程描述成SEI膜的增长,而初始SEI膜和反应新生成的SEI膜对Li+和e-的电导率保持一致。所以,e-扩散的过程用线性扩散模型来表征,即SEI膜表面e-的浓度和e-的扩散距离也就是膜厚度成正比,如式(1)所示。
cit=ci0-k1di(1)
式中:cit——t时刻时SEI膜i点区域内的Li+或e-的单位面积浓度;ci0——初始时SEI膜表面i点区域内的Li+或e-的浓度;di——i点区域内新生成的SEI膜表面到初始SEI膜的距离即厚度;k1——新生成SEI膜对Li+或e-的电导率系数。同时,由于初始时SEI膜的厚度并不均匀,因此电池的容量损失率是SEI膜表面不同区域电子损失率的组合,如式(2)所示。
式中:Q——电池存储过程中不可逆容量损失量;r——老化过程的总体反应速率;cit——t时刻时SEI膜i点区域内的Li+或e-的单位面积浓度;k2——反应速率常数。
其次,电池老化总包反应的反应速率方程为,
式中:k3——反应速率常数;a——电子的反应级数;b——生成物的反应级数;——新生成SEI膜的平均密度即单位面积摩尔量;/>——在时间t时SEI膜表面的平均电子浓度,又可以表示为:
式中:Si——单位电子浓度为cit的i点区域SEI膜/石墨负极的面积,因此∑Si表示电池SEI膜的总面积。
根据电子转移数量和电池容量变化的关系,电池存储过程中容量的损失可以用电子的消耗量来表示,如式(5)所示,
式中:Q——电池存储过程中不可逆容量损失量,n——在此过程中消耗的电子摩尔量,e——单个电子所带电荷量,1.6×10-19A·s,N——阿伏伽德罗常数,6.02×1023。
考虑到在电池刚开始自放电时,副反应刚刚开始,所以新生成的SEI膜厚度比已有的SEI膜薄很多即dt<<d0时,可以近似的认为式(1)中的di等于0,因此得到,
cit≈ci0(6)
联立方程(1)至(6)进行求解,并结合起始t=0时容量损失Q=0的初始边界条件,最终得到
式中:Q为电池存储过程中不可逆容量损失量,e为单个电子所带电荷量即1.6×10-19A·s,N为阿伏伽德罗常数即6.02×1023,S为电池SEI膜的总面积,Zx是存储过程生成产物x的摩尔量,k3为反应速率常数,a和b分别为电子和生成物的反应级数,c0为初始SEI膜表面的平均电子浓度,t为对应的反应时刻。
由此可见,电池在存储过程中容量的衰减主要受到存储时间、电池负极/SEI膜表面积、SEI膜界面电子的初始浓度、反应生成物的浓度以及反应级数a、b和反应速率常数的影响。
另一个实施例中,进行不同SOC和不同存储温度下电池自放电试验,以获得不同影响因素下的电池容量衰减变化规律,整体包含三个流程:电池容量标定实验流程,不同荷电状态(SOC)下自放电实验流程,不同存储温度下的自放电实验流程。
本实施例中,三个流程各步骤解释如下:
电池容量标定实验流程图如图2所示。首先将电池置于恒温箱(25℃)中1h至状态稳定,用0.5C的电流恒流充电至上限截止电压4.2V,之后改为4.2V恒压充电直至充电电流小于0.05C,这时电池视为已经达到满电状态。静置1h电池状态稳定后,以0.5C的电流对电池恒流放电至下限截止电压2.5V,计算放电电流对时间的积分即可得到电池当前容量。
不同荷电状态(SOC)下自放电实验流程图如图3所示。首先,选择不同SOC分别为100%、80%、60%、40%、20%。之后选择一致性较好的电池,分别进行容量标定实验并根据目标SOC计算需要放出的容量大小。对电池先0.5C电流恒流充电至上限截止电压4.2V,之后改为4.2V恒压充电直至充电电流小于0.05C,静置1h稳定后以0.5C电流放电至所需SOC。最后,对已设置好荷电状态的电池进行自放电实验,并保持不同电池的实验温度相同。
不同存储温度下自放电实验流程图如图4所示。首先选择经过一致性筛选预实验的电池进行容量标定实验,之后以0.5C恒流充电和4.2V恒压充电直至满电,静置1h至电池极化过程消失,状态稳定,接着以0.5C大小的电流放电至相同的荷电状态(SOC),防止因电池荷电状态不同影响实验。最后,调整恒温箱温度至实验所需温度,分别进行上文所述的电池自放电实验。考虑到电池能够正常工作的温度区间,本实施例选择25℃、35℃、45℃、55℃进行实验。在等间隔温度存储老化数据基础上,构建恰当的模型对数据进行分析,得到存储温度对电池自放电过程的影响程度。
对电池在不同存储条件下进行自放电实验,得到的电池容量衰减量随自放电时间的变化关系如图5(a)至图5(b)所示。电池在不同初始SOC和不同存储温度下容量随时间的变化趋势保持一致,当存储温度更高或荷电状态更高时,容量的损失速度更快,在相同存储时间下的性能衰减更大。
另一个实施例中,通过试验数据与变化规律对理论模型中的待定参量进行拟合,完善不同初始SOC、不同存储温度下电池存储时的容量衰减模型。
锂离子电池自放电理论模型待定参量拟合流程图如图6所示。首先,简化电池容量衰减随时间变化的理论模型过程如下所示:
式(7)中,k3由温度的高低决定而c0与电池的SOC和存储温度密切相关,其余的参数均可视为常数,所以容量损失量可以用式(8)来进行简化:
Q=k·tp(8)
式中,p为时间t的指数项,反映了时间趋势由反应级数决定,k是方程剩余项未知参数的组合,与温度和SOC等自放电影响因素相关。
在研究SOC对电池存储过程中容量衰减的影响时,实验保持温度和其他影响因素不变,因此式(7)中的c0是只与SOC相关而不受其他因素影响的参量。电池的SOC越大意味着负极极化电位高、嵌锂量越多,负极/SEI膜界面电子和锂离子含量充足,可供反应的电子也越多,c0也越大,故相同存储时间的容量损失也越大。因此,可以近似地假设c0和电池的荷电状态呈线性关系,再结合实验数据进行拟合并验证假设的合理性,相应的容量损失Q与电池SOC的简化关系如式(9)所示,其中A、B为常数。
Q=k·tp=exp(A+B·SOC)·tp(9)
在研究温度对电池存储过程中的容量变化的影响时,式(7)中的k3和c0是只与温度相关的参量而不受SOC或其他影响因素的影响,其余参量也均可视为常数。此时,容量损失Q可以表示为式(10),其中A、B为常数,T表示温度。
其次,在确定未知参数时,本实例选用莱文贝格-马夸特法(Levenberg–Marquardtalgorithm)的优化算法进行拟合,该方法不仅综合了高斯-牛顿算法和梯度下降法的优点,还解决了二者的逆矩阵不存在或初始值距局部极小值太远的问题,可以提供非线性最小化的数值解,在拟合非线性曲线方面具有很大优势。本实施例首先通过用k代表与温度和SOC等影响因素相关的未知参数的组合,拟合电池容量衰减量随自放电时间的变化关系后确定p值为0.5,并进行可靠性验证,在此基础上再拟合出A、B参数的值。
本实施例对实验后计算所得的不同SOC情况下对应的k值进行拟合,得到k值与电池SOC之间的关系如图7所示。拟合的统计学参数中R2为0.9998,RMSE为0.00081,拟合度较高,拟合得到模型中参数A、B的值分别为2.228和1.3,因此当温度为55℃不变时,电池在不同初始SOC情况下自放电容量损失量随存储时间的变化模型可以表示为:
Q=k·tp=exp(2.228+1.3SOC)·t0.5(11)
通过将建立模型所用的电池容量衰减实验实测数据与模型预测值进行对比,并记录预测的误差,表1列举了部分SOC下的数据,其中容量实测值和预测值的单位均为mAh。
表1部分初始SOC条件下电池容量衰减的模型预测值和实测值对比
模型的预测值与实验的实测值之间的误差较小均在3%以内,在实验误差的允许范围内,这表明模型较好的实现了对不同荷电状态的电池存储过程中容量衰减趋势的预测。
本实施例对实验后计算所得的不同存储温度情况下对应的k值进行拟合,得到k值与电池才能出温度之间的关系如图8所示。拟合的统计学参数中R2为0.9999,RMSE为0.00259,拟合度较高,拟合得到模型中参数A、B的值分别为3.501和-24.28,因此当SOC为80%不变时,电池在不同存储温度情况下自放电容量损失量随存储时间的变化模型可以表示为:
通过将建立模型所用的电池容量衰减实验实测数据与模型预测值进行对比,并记录预测的误差,表2列举了部分存储温度下的数据,其中容量实测值和预测值的单位均为mAh。
表2电池容量衰减的模型预测值和实验测试值对比
模型对于不同存储温度下电池自放电过程容量衰减的预测与实验的实测值之间误差最大为4.16%,偏差均在5%以内,符合实验允许误差范围的要求,说明模型较好的实现了对不同存储温度下电池容量衰减变化的预测。
另一个实施例中,在电池容量衰减模型的基础上建立锂电池存储衰减寿命预测模型。
为实现对各种常见状况下电池存储寿命的估计并对比SOC高低对寿命的影响,本实施例选取SOC分别为20%、50%、60%、80%时的电池进行存储寿命(以容量损失20%为寿命终点)估计。在对于特定的电池初始SOC而言,本实施例直接考虑模型参数波动的取值区间范围。其中,假设参数k和p均服从正态分布,它们的均值和方差由电池在特定SOC下对应的模型取值和置信度区间的范围分别确定;同样的,参数Q服从正态分布,其均值和方差由电池寿命终止时的容量损失值和容量模型预测的误差百分比确定。设置模拟次数为10000次,经过模拟计算后得到的四种不同初始SOC电池的存储寿命分布如图9(a)至图9(d)所示。
利用蒙特卡洛方法结合不同存储温度下的电池容量变化模型,本实施例对在不同温度下存储的荷电状态较高的电池的寿命(容量损失达20%时)进行估计,选择20℃、25℃、30℃、35℃时为例进行估计。在模拟中,锂电池的个体差别和测量误差的影响最终反映在Q、k和p等参数的波动中,取值区间均服从正态分布,根据在特定存储条件下它们在模型中的取值及置信度区间确定正态分布的均值和方差。经过10000次模拟计算得到的四种存储温度下电池寿命分布如图10(a)至图10(d)所示。
另一个实施例中,本公开还提出一种基于负极锂损失过程的锂电池存储衰减寿命预测装置,所述装置包括:
测量单元,用于进行长时间存储状态下锂离子电池SOC测试以及温度测试试验;
分类单元,用于对测量所得不同SOC以及不同温度下的容量数据进行分类拟合;
数据单元,在不同SOC以及不同存储温度的分类下,用于对不同容量数据进行理论模型中待定参数的拟合;
模型单元,通过数据单元拟合验证后的模型参数,完善不同初始SOC、不同存储温度下电池存储时的容量衰减模型,以获得锂电池存储衰减寿命预测模型;
检测单元,用于对待测存储状态下锂离子电池进行内部温度以及SOC测试,将获得的数据代入所述锂电池存储衰减寿命预测模型,得到预测的存储寿命。
上述对本申请中涉及的发明的一般性描述和对其具体实施方式的描述不应理解为是对该发明技术方案构成的限制。本领域所属技术人员根据本申请的公开,可以在不违背所涉及的发明构成要素的前提下,对上述一般性描述或/和具体实施方式(包括实施例)中的公开技术特征进行增加、减少或组合,形成属于本申请保护范围之内的其它的技术方案。
Claims (8)
1.一种基于负极锂损失过程的锂电池存储衰减寿命预测方法,其特征在于,所述方法包括如下步骤:
S100:基于负极锂损失过程建立电池自放电的机理模型,并建立容量衰减随时间变化的理论模型;
S200:进行不同SOC和不同存储温度下电池自放电试验,以获得试验数据和不同影响因素下的电池容量衰减变化规律;
S300:通过所述试验数据与所述变化规律对所述理论模型中的待定参量进行拟合,以得到不同初始SOC、不同存储温度下电池存储时的容量衰减模型;
S400:在所述容量衰减模型的基础上建立锂电池存储衰减寿命预测模型;
S500:获取待预测锂离子电池的初始SOC以及存储温度数据,将所述初始SOC以及存储温度数据代入所述锂电池存储衰减寿命预测模型,得到预测的存储寿命。
2.根据权利要求1所述的方法,其特征在于,优选的,所述SOC定义为:
式中:Cremain为当前时刻电池的存储电量/Ah;Qnow为电池当前的可用容量/Ah。
3.根据权利要求1所述的方法,其特征在于,步骤S100中,所述容量衰减随时间变化的理论模型如下:
式中:Q为电池存储过程中不可逆容量损失量,e为单个电子所带电荷量即1.6×10- 19A·s,N为阿伏伽德罗常数即6.02×1023,S为电池SEI膜的总面积,Zx是存储过程生成产物x的摩尔量,k3为反应速率常数,a和b分别为电子和生成物的反应级数,c0为初始SEI膜表面的平均电子浓度,t为对应的反应时刻。
4.根据权利要求1所述的方法,其特征在于,步骤S200中,进行不同SOC和不同存储温度下电池自放电试验包括如下流程:容量标定流程、不同SOC下的自放电测试流程、不同存储温度下的自放电测试流程。
5.根据权利要求1所述的方法,其特征在于,步骤S300中,理论模型中待定参量拟合过程如下:
S301:简化电池容量衰减随时间变化的理论模型,减少不同SOC和不同存储温度影响下的容量衰减模型待定参数;
S302:整理电池在不同存储条件下进行自放电试验数据,结合理论模型与试验数据,并采用莱文贝格-马夸特法的优化算法进行拟合;
S303:应用拟合统计学相关参数和相关性参数以及标准误差验证待定参量的拟合效果。
6.根据权利要求1所述的方法,其特征在于,步骤S400中,锂电池存储衰减寿命预测模型的建立采用的是基于蒙特卡洛方法的存储寿命分布模拟。
7.根据权利要求5所述的方法,其特征在于,所述验证待定参量的拟合效果,是通过分析不同影响因素下的待定参数变化随SOC以及存储温度变化的线性程度来验证最终的参数拟合结果。
8.一种基于负极锂损失过程的锂电池存储衰减寿命预测装置,其特征在于,所述装置包括:
测量单元,用于进行不同SOC和不同存储温度下电池自放电试验,以获得试验数据;
分类单元,用于对所述试验数据进行分类拟合;
数据单元,在不同SOC以及不同存储温度的分类下,用于对所述试验数据进行理论模型中待定参数的拟合;
模型单元,通过数据单元拟合验证后的模型参数,完善不同初始SOC、不同存储温度下电池存储时的容量衰减模型,以获得锂电池存储衰减寿命预测模型;
检测单元,用于对待测存储状态下锂离子电池进行内部温度以及SOC测试,将获得的数据代入所述锂电池存储衰减寿命预测模型,得到预测的存储寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311238345.6A CN117269814A (zh) | 2023-09-22 | 2023-09-22 | 一种基于负极锂损失过程的锂电池存储衰减寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311238345.6A CN117269814A (zh) | 2023-09-22 | 2023-09-22 | 一种基于负极锂损失过程的锂电池存储衰减寿命预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117269814A true CN117269814A (zh) | 2023-12-22 |
Family
ID=89215507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311238345.6A Pending CN117269814A (zh) | 2023-09-22 | 2023-09-22 | 一种基于负极锂损失过程的锂电池存储衰减寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117269814A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117709126A (zh) * | 2024-02-01 | 2024-03-15 | 苏州易来科得科技有限公司 | 预测电池性能的方法、装置、电子设备和存储介质 |
-
2023
- 2023-09-22 CN CN202311238345.6A patent/CN117269814A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117709126A (zh) * | 2024-02-01 | 2024-03-15 | 苏州易来科得科技有限公司 | 预测电池性能的方法、装置、电子设备和存储介质 |
CN117709126B (zh) * | 2024-02-01 | 2024-05-07 | 苏州易来科得科技有限公司 | 预测电池性能的方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A single particle model with chemical/mechanical degradation physics for lithium ion battery State of Health (SOH) estimation | |
Jafari et al. | Deterministic models of Li-ion battery aging: It is a matter of scale | |
Li et al. | Parameter sensitivity analysis of electrochemical model-based battery management systems for lithium-ion batteries | |
Lyu et al. | A lead-acid battery's remaining useful life prediction by using electrochemical model in the Particle Filtering framework | |
Zheng et al. | A novel capacity estimation method for lithium-ion batteries using fusion estimation of charging curve sections and discrete Arrhenius aging model | |
Gao et al. | Aging mechanisms under different state-of-charge ranges and the multi-indicators system of state-of-health for lithium-ion battery with Li (NiMnCo) O2 cathode | |
US10938075B2 (en) | Battery safety evaluation apparatus, battery control apparatus, battery safety evaluation method, non-transitory computer readable medium, control circuit, and power storage | |
EP3297121B1 (en) | Charge control apparatus, charge pattern creating device, method, computer program and power storage system | |
CN108574317B (zh) | 充放电控制装置以及蓄电系统 | |
CN109586373B (zh) | 一种电池充电方法和装置 | |
Mathieu et al. | D-optimal design of experiments applied to lithium battery for ageing model calibration | |
Baghdadi et al. | Lithium battery aging model based on Dakin’s degradation approach | |
Sun et al. | Remaining useful life prediction for lithium-ion batteries based on an integrated health indicator | |
US11187756B2 (en) | Apparatus and method for acquiring degradation information of lithium-ion battery cell | |
Zhang et al. | State of charge-dependent aging mechanisms in graphite/Li (NiCoAl) O2 cells: Capacity loss modeling and remaining useful life prediction | |
JP6656383B2 (ja) | バッテリーセルの性能テスト装置及び方法 | |
WO2017046870A1 (ja) | 蓄電池制御装置、制御方法、プログラム、蓄電システム、電力システム | |
EP3145021B1 (en) | Secondary-battery monitoring device and method for predicting capacity of secondary battery | |
Mekonnen et al. | Life cycle prediction of Sealed Lead Acid batteries based on a Weibull model | |
Molaeimanesh et al. | Experimental analysis of commercial LiFePO 4 battery life span used in electric vehicle under extremely cold and hot thermal conditions | |
JP2014509040A (ja) | リチウムバッテリの自己放電を推定するための方法 | |
CN112083345B (zh) | 电池状态检测方法、装置及存储介质 | |
CN117269814A (zh) | 一种基于负极锂损失过程的锂电池存储衰减寿命预测方法 | |
KR20220029109A (ko) | 배터리 상태 추정 방법 및 장치 | |
Zhao et al. | An integrated reduced order model considering degradation effects for LiFePO4/graphite cells |
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 |