一种基于全寿命周期的电芯老化寿命预测方法及装置制造方法及图纸

本申请公开了一种基于全寿命周期的电芯老化寿命预测方法及装置，该方法包括：在获取到待检测的目标电芯后，可以利用预先构建的电芯老化寿命预测模型，预测出获取到的待预测的目标电芯的老化寿命，其中，电芯老化寿命预测模型是根据电池所处的环境温度、放电倍率以及放电深度构建的，可见，本申请实施例在对目标电芯进行老化寿命预测时，采用了预先构建的电芯老化寿命预测模型，该模型是通过电池所处的环境温度、放电倍率以及放电深度这些应力参数构建的，是从电池老化机理入手构建的预测模型，适用于锂离子电池全寿命周期的老化寿命预测，从而利能够更准确的预测出全寿命周期的电池电芯老化寿命，进而有助于锂离子电池汽车的全面推广。

【技术实现步骤摘要】
一种基于全寿命周期的电芯老化寿命预测方法及装置
本申请涉及电池
，尤其涉及一种基于全寿命周期的电芯老化寿命预测方法及装置。
技术介绍
随着经济的高速发展，电动汽车的使用率越来越高，而锂离子电池因重量轻、体积小、寿命长、高电压、无污染等优点，已成为电动汽车动力电池的首选，但其在使用过程中的老化会影响整车的性能和安全性，因此，须对电池的性能状态和使用寿命进行研究，才能以此为基础对电池的健康使用做出相应的决策。目前普遍认为，锂离子电池的内阻上升到额定内阻的150％或者可用容量下降到额定容量的80％，则表明该电池的寿命终止，将不适合继续在电动汽车上使用。现有的针对锂离子电池寿命进行预测的方法，通常是通过建立机理模型、纯数据驱动模型或者机理-数据结合的半经验模型，来进行电芯的老化寿命预测，可是，虽然机理模型能够较好地描述电池内部的物理和电化学过程，但大量的参数测算存在较高的难度，且对于求解偏微分方程的要求也很高；而纯数据驱动模型在建立时，需求的数据量较大，且模型中的参数物理意义不明确；对于机理-数据结合的半经验模型，虽然可以通过数据拟合得到模型参数，在一定程度上能够从机理上解释不同参数对电池寿命的影响，比如，可以建立容量衰减率Q与电池循环充放电次数N之间的关系满足公式Qloss＝AN1/2+B的预测模型，但存在的问题是，该模型中的参数物理意义仍不明确，且不具有普遍适应性，对电池全寿命周期的老化寿命预测准确性不高。因此，如何利用更先进的方法，实现基于全寿命周期的电池电芯老化寿命的精确预测，从而有助于锂离子电池汽车的全面推广，已成为亟待解决的问题。
技术实现思路
本申请实施例的主要目的在于提供一种基于全寿命周期的电芯老化寿命预测方法及装置，能够实现基于全寿命周期的电池电芯老化寿命的精确预测。本申请实施例提供了一种基于全寿命周期的电芯老化寿命预测方法，包括：获取待预测的目标电芯；利用预先构建的电芯老化寿命预测模型，预测待预测的目标电芯的老化寿命；其中，所述电芯老化寿命预测模型是根据电池所处的环境温度、放电倍率以及放电深度构建的半经验模型，并采用累计安时数作为输入条件。可选的，所述预先构建的电芯老化寿命预测模型为电芯内阻增长率预测模型；相应的，所述利用预先构建的电芯老化寿命预测模型，预测待预测的目标电芯的老化寿命，包括，利用预先构建的电芯内阻增长率预测模型，预测待预测的目标电芯的内阻增长率。可选的，按照下述方式构建所述电芯内阻增长率预测模型：结合实车使用工况，确定训练电芯的老化训练矩阵，所述矩阵包括训练电芯的放电温度、放电倍率以及所处环境温度；对所述训练电芯进行直流内阻标定；根据所述训练电芯的老化训练矩阵，利用所述训练电芯进行试验，获得试验结果数据；对所述试验结果数据进行预处理，得到模型训练数据；利用所述模型训练数据，训练得到所述电芯内阻增长率预测模型。可选的，所述预先构建的电芯老化寿命预测模型为电芯容量损失率预测模型；相应的，所述利用预先构建的电芯老化寿命预测模型，预测待预测的目标电芯的老化寿命，包括，利用预先构建的电芯容量损失率预测模型，预测待预测的目标电芯的容量损失率。可选的，按照下述方式构建所述电芯容量损失率预测模型：结合实车使用工况，确定训练电芯的老化训练矩阵，所述矩阵包括训练电芯的放电温度、放电倍率以及所处环境温度；对所述训练电芯进行容量标定；根据所述训练电芯的老化训练矩阵，利用所述训练电芯进行试验，获得试验结果数据；对所述试验结果数据进行预处理，得到模型训练数据；利用所述模型训练数据，训练得到所述电芯容量损失率预测模型。本申请实施例还提供了一种基于全寿命周期的电芯老化寿命预测装置，包括：目标电芯获取单元，用于获取待预测的目标电芯；电芯寿命预测单元，用于利用预先构建的电芯老化寿命预测模型，预测待预测的目标电芯的老化寿命；其中，所述电芯老化寿命预测模型是根据电池所处的环境温度、放电倍率以及放电深度构建的半经验模型，并采用累计安时数作为输入条件。可选的，所述预先构建的电芯老化寿命预测模型为电芯内阻增长率预测模型；相应的，所述电芯寿命预测单元具体用于：利用预先构建的电芯内阻增长率预测模型，预测待预测的目标电芯的内阻增长率。可选的，所述装置还包括：训练矩阵确定单元，用于结合实车使用工况，确定训练电芯的老化训练矩阵，所述矩阵包括训练电芯的放电温度、放电倍率以及所处环境温度；直流内阻标定单元，用于对所述训练电芯进行直流内阻标定；试验数据获得单元，用于根据所述训练电芯的老化训练矩阵，利用所述训练电芯进行试验，获得试验结果数据；训练数据获得单元，用于对所述试验结果数据进行预处理，得到模型训练数据；第一模型获得单元，用于利用所述模型训练数据，训练得到所述电芯内阻增长率预测模型。可选的，所述预先构建的电芯老化寿命预测模型为电芯容量损失率预测模型；相应的，所述电芯寿命预测单元具体用于：利用预先构建的电芯容量损失率预测模型，预测待预测的目标电芯的容量损失率。可选的，所述装置还包括：训练矩阵确定单元，用于结合实车使用工况，确定训练电芯的老化训练矩阵，所述矩阵包括训练电芯的放电温度、放电倍率以及所处环境温度；电芯容量标定单元，用于对所述训练电芯进行容量标定；试验数据获得单元，用于根据所述训练电芯的老化训练矩阵，利用所述训练电芯进行试验，获得试验结果数据；训练数据获得单元，用于对所述试验结果数据进行预处理，得到模型训练数据；第二模型获得单元，用于利用所述模型训练数据，训练得到所述电芯容量损失率预测模型。本申请实施例提供的一种基于全寿命周期的电芯老化寿命预测方法及装置，在获取到待检测的目标电芯后，可以利用预先构建的电芯老化寿命预测模型，预测出获取到的待预测的目标电芯的老化寿命，其中，电芯老化寿命预测模型是根据电池所处的环境温度、放电倍率以及放电深度构建的，可见，本申请实施例在对目标电芯进行老化寿命预测时，不再采用现有的结构复杂、训练数据量大并且参数物理意义不明的预测模型进行预测，而是采用预先构建的电芯老化寿命预测模型进行预测，该模型是通过电池所处的环境温度、放电倍率以及放电深度这些应力参数构建的，是从电池老化机理入手构建的预测模型，适用于锂离子电池全寿命周期的老化寿命预测，从而利能够更准确的预测出全寿命周期的电池电芯老化寿命，进而有助于锂离子电池汽车的全面推广。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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为本申请实施例提供的一种基于全寿命周期的电芯老化本文档来自技高网...

【技术保护点】
1.一种基于全寿命周期的电芯老化寿命预测方法，其特征在于，包括：/n获取待预测的目标电芯；/n利用预先构建的电芯老化寿命预测模型，预测待预测的目标电芯的老化寿命；/n其中，所述电芯老化寿命预测模型是根据电池所处的环境温度、放电倍率以及放电深度构建的半经验模型，并采用累计安时数作为输入条件。/n

【技术特征摘要】
1.一种基于全寿命周期的电芯老化寿命预测方法，其特征在于，包括：
获取待预测的目标电芯；
利用预先构建的电芯老化寿命预测模型，预测待预测的目标电芯的老化寿命；
其中，所述电芯老化寿命预测模型是根据电池所处的环境温度、放电倍率以及放电深度构建的半经验模型，并采用累计安时数作为输入条件。


2.根据权利要求1所述的方法，其特征在于，所述预先构建的电芯老化寿命预测模型为电芯内阻增长率预测模型；
相应的，所述利用预先构建的电芯老化寿命预测模型，预测待预测的目标电芯的老化寿命，包括，
利用预先构建的电芯内阻增长率预测模型，预测待预测的目标电芯的内阻增长率。


3.根据权利要求2所述的方法，其特征在于，按照下述方式构建所述电芯内阻增长率预测模型：
结合实车使用工况，确定训练电芯的老化训练矩阵，所述矩阵包括训练电芯的放电温度、放电倍率以及所处环境温度；
对所述训练电芯进行直流内阻标定；
根据所述训练电芯的老化训练矩阵，利用所述训练电芯进行试验，获得试验结果数据；
对所述试验结果数据进行预处理，得到模型训练数据；
利用所述模型训练数据，训练得到所述电芯内阻增长率预测模型。


4.根据权利要求1所述的方法，其特征在于，所述预先构建的电芯老化寿命预测模型为电芯容量损失率预测模型；
相应的，所述利用预先构建的电芯老化寿命预测模型，预测待预测的目标电芯的老化寿命，包括，
利用预先构建的电芯容量损失率预测模型，预测待预测的目标电芯的容量损失率。


5.根据权利要求4所述的方法，其特征在于，按照下述方式构建所述电芯容量损失率预测模型：
结合实车使用工况，确定训练电芯的老化训练矩阵，所述矩阵包括训练电芯的放电温度、放电倍率以及所处环境温度；
对所述训练电芯进行容量标定；
根据所述训练电芯的老化训练矩阵，利用所述训练电芯进行试验，获得试验结果数据；
对所述试验结果数据进行预处理，得到模型训练数据；
利用所述模型训练数据，训练得到所述电芯容量损失率预测模型。


6.一种基于全寿命周期的电芯老化寿命预测...

【专利技术属性】
技术研发人员：戴义辉，潘巍，吴孟俊，董其，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：上海;31