TWI597511B - Battery life cycle prediction model building method - Google Patents

Battery life cycle prediction model building method Download PDF

Info

Publication number
TWI597511B
TWI597511B TW105142989A TW105142989A TWI597511B TW I597511 B TWI597511 B TW I597511B TW 105142989 A TW105142989 A TW 105142989A TW 105142989 A TW105142989 A TW 105142989A TW I597511 B TWI597511 B TW I597511B
Authority
TW
Taiwan
Prior art keywords
battery
life cycle
parameter
model
establishing
Prior art date
Application number
TW105142989A
Other languages
English (en)
Other versions
TW201823758A (zh
Inventor
Zhi-Xun Zhou
Yan-Ming Huang
Original Assignee
Chen Tech Electric Mfg Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chen Tech Electric Mfg Co Ltd filed Critical Chen Tech Electric Mfg Co Ltd
Priority to TW105142989A priority Critical patent/TWI597511B/zh
Application granted granted Critical
Publication of TWI597511B publication Critical patent/TWI597511B/zh
Publication of TW201823758A publication Critical patent/TW201823758A/zh

Links

Description

電池生命週期預測之模型建立方法
本發明為提供一種電池生命週期預測之模型建立方法,尤指一種可利用多種電池參數之多維模型結合電池循環使用次數與電池使用情境,來快速而精準的進行電池生命週期預測之模型建立方法。
按,電池的老化現象(隨著長期的使用而產生變化之放電特性)包含了容量的衰退與效率的降低。傳統的電池檢測方式必須將電池完整充放電,以測得實際電容量,一般檢測所花費時間將長達一至十小時,而此漫長的返廠檢修時間,一般無法為使用者所接受。因此,為了增進對於電池使用健康狀態的辨別,將電池使用於正常安全的操作參數下,進而延長使用壽命及增加安全性,為當前持續努力研究之方向。
目前的電池老化研究通常是利用分析參數針對電池描述,並界定所遭遇的問題,再對電池的電特性進行預測,最後找出因應電池老化的解決方案。其中,常見的描述參數包括如:剩餘容量(Remaining Capacity)、內阻抗(Impedance)、等效電路模型(Equivalent Circuit Model,ECM)等,更有利用電池電量狀態(State of Charge,SOC)量測數據、溫度及其它參數,配合智慧型演算法,推估電池目前的老化狀態,或利用加壓阻抗、電壓、電流、溫度等評估方法,估計電池之充電狀態及健康狀態,又或者是將電池組充電至最大充電電位後,確認電池組的開路電壓,從而確定電池組的健康狀態。
然上述電池健康狀態或老化現象之檢測,為確實存在下列問題與缺失尚待改進:常用的預測工具如壽命模型(Lifetime model)、剩餘有用壽命(Remaining Usable Life,RUL),由於在預測電池老化時的電特性的工具往往需要大量的資料運算,因此缺乏效率,甚至吃力不討好的缺乏準確度,且一般未將使用者對電池的使 用習慣或該電池的使用情境考慮在內。
是以,要如何解決上述習用之問題與缺失,即為本發明之申請人與從事此行業之相關廠商所亟欲研究改善之方向所在者。
故,本發明之申請人有鑑於上述缺失,乃蒐集相關資料,經由多方評估及考量,並以從事於此行業累積之多年經驗,經由不斷試作及修改,始設計出此種可利用多種電池參數之多維模型結合電池循環使用次數與電池使用情境,來快速而精準的進行電池生命週期預測之模型建立方法的發明專利者。
本發明之主要目的在於:利用多種電池參數完整建立電池參數的多維模型,因應電池健康狀態的變化性,提升生命週期預測準確度。
本發明之另一主要目的在於:加入電池循環使用次數及電池使用情境等參數,綜合評估電池實際可能的生命週期。
本發明之再一主要目的在於:在電池生命週期模型建立完成後,只要簡單測量少數必要電池參數,即可快速、準確的預測電池之生命週期。
為達上述目的,本發明之發法:(a)利用一測試系統對至少一電池進行量測,而產生一電池基礎參數、至少一第一電池參數及至少一電池特性參數,並予以共同建立至少一第一多維模型;(b)再次利用該測試系統對該電池進行量測,而產生一循環使用數參數、至少一情境參數及至少一第二電池參數,並予以共同建立一第二多維模型;及(c)統合該第一多維模型及該第二多維模型,產生一電池生命週期模型。藉此,產生一可符合各種電池狀態及使用情境之電池生命週期模型,以提供使用者精準之生命週期預測。
藉由上述技術,可針對習用電池健康狀態或老化現象之檢測所存在之效率不佳、準確度不足、及未考慮電池使用情境等問題點加以突破,達到上述優點之實用進步性。
1‧‧‧第一多維模型
2‧‧‧第二多維模型
3‧‧‧電池生命週期模型
第一圖 係為本發明較佳實施例之模型建立方塊流程圖。
第二圖 係為本發明較佳實施例之電池參數樹狀圖。
第三圖 係為本發明較佳實施例之預測流程示意圖。
為達成上述目的及功效,本發明所採用之技術手段及構造,茲繪圖就本發明較佳實施例詳加說明其特徵與功能如下,俾利完全了解。
請參閱第一圖所示,係為本發明較佳實施例之模型建立方塊流程圖,由圖中可清楚看出本發明之模型建立方法主要包括:(a)利用一測試系統對至少一電池進行量測,而產生一電池基礎參數、至少一第一電池參數及至少一電池特性參數,並予以共同建立至少一第一多維模型;(b)再次利用該測試系統對該電池進行量測,而產生一循環使用數參數、至少一情境參數及至少一第二電池參數,並予以共同建立一第二多維模型;及(c)統合該第一多維模型及該第二多維模型,產生一電池生命週期模型。
藉由上述之說明,已可了解本技術之結構,而依據這個結構之對應配合,更可利用多種電池參數之多維模型結合電池循環使用次數與電池使用情境,來快速而精準的進行電池生命週期預測用之模型建立,而詳細之解說將於下述說明。
請參閱第一圖、第二圖及第三圖所示,係為本發明較佳實施例之模型建立方塊流程圖、電池參數樹狀圖及預測流程示意圖,藉由上述構件組構時,可由圖中清楚看出,本發明在執行時係利用一測試系統量測電池之各種參數,該測試系統可為一測試設備、測試軟體或雲端測試平台,測量時,因電池本身健康狀態不同,而根據不同狀況選擇性量測不同電池參數,分別建立多維模型。在電池量測過程中之必要參數一般包括有荷電狀態參數、溫度參數、電流參數等,然,此三種數據都各自與循環使用數、負載電壓、開路電壓值、電壓回彈率、內阻抗、轉換效率、剩餘電能、電量容量、電能容量、剩餘使用週期或效能權重和(State Of Health,SOH)息息相關,因此,在採樣時以分別包含有電池基礎參數、至少一第一電池參數及至少一電池特性參數的第一多維模型1,結合包含有循環使用數參數、第二電池參數及情境參數之第二多維模型2(上述多維模型在本實施例中皆以三維模型做代表,亦可根據需求變更為四維以上之模型),共 同統合而產生一電池生命週期模型3,以供使用者做為電池生命週期預測之模型,或做為電池健康狀態比對之用,而大幅提升預測效率及預測準確性。
若在電池生命週期模型3建立前,已知電池之部分電池參數,則第一多維模型1為根據資料不足部分進行量測建模,再結合具有情境參數之第二多維模型2,而統合產生該電池生命週期模型3,以有效利用已知資源,縮短建模時間;反之,若在電池生命週期模型3建立前,完全無任何電池相關參數,則第一多維模型1的電池基礎參數、第一電池參數及電池特性參數,可為下述參數內容多擇一之組合方案。
其中該電池基礎參數可為荷電狀態(State of charge,SOC)、溫度(Temperature)、電流(Current)其中之一者;該電池特性參數可為循環使用數、負載電壓(Load Voltage)、開路電壓值(Open Circuit Voltage)、電壓回彈率(Recovery Voltage)、內阻抗(Impedance)、轉換效率、剩餘電能、電量容量或電能容量其中之一者;該第一電池參數可為荷電狀態(State of charge,SOC)、溫度(Temperature)、電流(Current)、循環使用數、負載電壓(Load Voltage)、開路電壓值(Open Circuit Voltage)、電壓回彈率(Recovery Voltage)或內阻抗(Impedance)其中之一者;該第二電池參數可為電量容量、電能容量、轉換效率(充放電之電能轉換效率)、內阻抗(Impedance)、電壓回彈率(Recovery Voltage)、剩餘使用週期或效能權重和其中之一者。
惟,以上所述僅為本發明之較佳實施例而已,非因此即侷限本發明之專利範圍,故舉凡運用本發明說明書及圖式內容所為之簡易修飾及等效結構變化,均應同理包含於本發明之專利範圍內,合予陳明。
故,請參閱全部附圖所示,本發明使用時,與習用技術相較,著實存在下列優點:
一、利用多種電池參數完整建立電池參數的多維模型,因應電池健康狀態的變化性,提升生命週期預測準確度。
二、加入電池循環使用次數及電池使用情境等參數,綜合評估電池實際可能的生命週期。
三、只要簡單測量少數必要電池參數,即可利用電池生命週期模型3快速、準確的預測電池的生命週期。
綜上所述,本發明之電池生命週期預測之模型建立方法於使用時,為確實能達到其功效及目的,故本發明誠為一實用性優異之發明,為符合發明專利之 申請要件,爰依法提出申請,盼 審委早日賜准本發明,以保障申請人之辛苦發明,倘若 鈞局審委有任何稽疑,請不吝來函指示,創作人定當竭力配合,實感德便。
1‧‧‧第一多維模型
2‧‧‧第二多維模型
3‧‧‧電池生命週期模型

Claims (7)

  1. 一種電池生命週期預測之模型建立方法,其包含:(a)利用一測試系統對至少一電池進行量測,而產生一電池基礎參數、至少一第一電池參數及至少一電池特性參數,並予以共同建立至少一第一多維模型;(b)再次利用該測試系統對該電池進行量測,而產生一循環使用數參數、至少一情境參數及至少一第二電池參數,並予以共同建立一第二多維模型;及(c)統合該第一多維模型及該第二多維模型,產生一電池生命週期模型。
  2. 如申請專利範圍第1項所述之電池生命週期預測之模型建立方法,其中該電池基礎參數係為荷電狀態、溫度或電流其中之一者。
  3. 如申請專利範圍第1項所述之電池生命週期預測之模型建立方法,其中該電池特性參數係為循環使用數、負載電壓、開路電壓值、電壓回彈率、內阻抗、轉換效率、剩餘電能、電量容量或電能容量其中之一者。
  4. 如申請專利範圍第1項所述之電池生命週期預測之模型建立方法,其中該第一電池參數係為荷電狀態、溫度、電流、循環使用次數、負載電壓、開路電壓值、電壓回彈率或內阻抗其中之一者。
  5. 如申請專利範圍第1項所述之電池生命週期預測之模型建立方法,其中該第二電池參數係為電量容量、電能容量、轉換效率、內阻抗、電壓回彈率、剩餘使用週期或效能權重和其中之一者。
  6. 如申請專利範圍第1項所述之電池生命週期預測之模型建立方法,其中該測試系統係為測試設備、測試軟體或雲端測試平台其中之一者。
  7. 如申請專利範圍第1項所述之電池生命週期預測之模型建立方法,其中該第一多維模型及該第二多維模型係為至少三軸之關係曲面圖。
TW105142989A 2016-12-23 2016-12-23 Battery life cycle prediction model building method TWI597511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW105142989A TWI597511B (zh) 2016-12-23 2016-12-23 Battery life cycle prediction model building method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW105142989A TWI597511B (zh) 2016-12-23 2016-12-23 Battery life cycle prediction model building method

Publications (2)

Publication Number Publication Date
TWI597511B true TWI597511B (zh) 2017-09-01
TW201823758A TW201823758A (zh) 2018-07-01

Family

ID=60719510

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105142989A TWI597511B (zh) 2016-12-23 2016-12-23 Battery life cycle prediction model building method

Country Status (1)

Country Link
TW (1) TWI597511B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114047452A (zh) * 2022-01-13 2022-02-15 浙江玥视科技有限公司 一种确定电池循环寿命的方法及装置
WO2024073935A1 (zh) * 2022-10-08 2024-04-11 深圳先进技术研究院 基于电池制浆工艺的材料参数组合预测电池性能的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050110498A1 (en) * 2003-11-20 2005-05-26 Plett Gregory L. Method for calculating power capability of battery packs using advanced cell model predictive techniques
TWI255922B (en) * 2004-06-11 2006-06-01 Nat Huwei University Of Scienc Rapid prediction-charge system and method of battery
JP2012122817A (ja) * 2010-12-07 2012-06-28 Gs Yuasa Corp 非水電解質二次電池の可逆容量推定方法、寿命予測方法、可逆容量推定装置、寿命予測装置及び蓄電システム
CN104833917A (zh) * 2014-02-12 2015-08-12 西奥公司 用于锂蓄电池中荷电状态实时估算的标称电池电阻的确定
CN105277890A (zh) * 2014-06-16 2016-01-27 福特全球技术公司 电池容量退化指示

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050110498A1 (en) * 2003-11-20 2005-05-26 Plett Gregory L. Method for calculating power capability of battery packs using advanced cell model predictive techniques
TWI255922B (en) * 2004-06-11 2006-06-01 Nat Huwei University Of Scienc Rapid prediction-charge system and method of battery
JP2012122817A (ja) * 2010-12-07 2012-06-28 Gs Yuasa Corp 非水電解質二次電池の可逆容量推定方法、寿命予測方法、可逆容量推定装置、寿命予測装置及び蓄電システム
CN104833917A (zh) * 2014-02-12 2015-08-12 西奥公司 用于锂蓄电池中荷电状态实时估算的标称电池电阻的确定
CN105277890A (zh) * 2014-06-16 2016-01-27 福特全球技术公司 电池容量退化指示

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114047452A (zh) * 2022-01-13 2022-02-15 浙江玥视科技有限公司 一种确定电池循环寿命的方法及装置
CN114047452B (zh) * 2022-01-13 2022-05-13 浙江玥视科技有限公司 一种确定电池循环寿命的方法及装置
WO2024073935A1 (zh) * 2022-10-08 2024-04-11 深圳先进技术研究院 基于电池制浆工艺的材料参数组合预测电池性能的方法

Also Published As

Publication number Publication date
TW201823758A (zh) 2018-07-01

Similar Documents

Publication Publication Date Title
Gao et al. Micro-short-circuit diagnosis for series-connected lithium-ion battery packs using mean-difference model
Chen et al. A review of lithium-ion battery for electric vehicle applications and beyond
Dong et al. Dynamic Bayesian network-based lithium-ion battery health prognosis for electric vehicles
TWI523297B (zh) 基於老化調適電池運作區間的電池調控方法
CN105021994B (zh) 一种检测电池组内单体电池一致性的方法和装置
TWI597510B (zh) Battery Life Cycle Prediction System and Method
JP2016085062A (ja) 電池劣化判定装置及び方法
Feng et al. A practical and comprehensive evaluation method for series-connected battery pack models
CN106546927B (zh) 一种基于温度的动力电池soh在线估算方法
CN103901354A (zh) 一种电动汽车车载动力电池soc预测方法
CN107015155A (zh) 一种电动车电池soh的测算方法及装置
TWI597511B (zh) Battery life cycle prediction model building method
CN108490366A (zh) 电动汽车退役电池模块健康状态的快速评估方法
CN109507600A (zh) 一种退役磷酸铁锂电池梯次利用评估方法
CN106033114B (zh) 一种储能电池健康状态评估方法
CN104535935A (zh) 一种动力电池组的容量检测方法及装置
CN105093125A (zh) 镍氢电池单体一致性评测系统与方法
CN107505575B (zh) 一种退役动力电池的快速评估方法
CN102393509A (zh) 一种无损评估锂离子电池性能的方法
CN104898065B (zh) 一种电动汽车动力电池已使用循环次数的估算方法及装置
TWI528044B (zh) Elimination of battery screening methods
CN107356880A (zh) 电池电量检测方法
CN103163476A (zh) 电池放电能力的测定方法
CN110135002A (zh) 一种衡量新能源汽车电池充电累积容量损耗可靠性的方法
CN109669136A (zh) 一种电池箱充放电测试方法