一种锂电池剩余寿命分析预测方法技术

本发明专利技术涉及锂电池寿命预测，具体涉及一种锂电池剩余寿命分析预测方法，将电池充电至设定SOC值对应的开路电压值后，用恒压源将电池电压维持在该开路电压值，待电流稳定后记录设定SOC值对应的恒流值；在不同温度下重复测试，并基于电池的恒流值、额定容量计算寿命评价因子；将计算得到的寿命评价因子与已知寿命电池的寿命评价因子进行对比，得到电池寿命的第一预测结果；采集多组电池全寿命周期内的工作电压数据，并对工作电压数据进行预处理；基于时间序列将预处理后工作电压数据分为电压序列训练集和电压序列测试集，并对电池寿命预测模型进行模型训练；本发明专利技术提供的技术方案能够有效克服不能对锂电池剩余寿命进行准确分析预测的缺陷。测的缺陷。测的缺陷。

【技术实现步骤摘要】
一种锂电池剩余寿命分析预测方法


[0001]本专利技术涉及锂电池寿命预测，具体涉及一种锂电池剩余寿命分析预测方法。

技术介绍

[0002]锂电池凭借其高能量和功率密度性能，成为现代生活不可或缺的组成部分。限制锂离子电池技术进一步发展的一个关键问题是电池老化的不可预测性，准确预测电池健康状态(SoH)和剩余使用寿命(RUL)对通知用户是否需要更换电池，或者避免意料之外的容量衰减显得十分重要。
[0003]传统的电池寿命预测方法依赖于微观老化机理(例如SEI膜生长、锂电镀和活性质量损失等)的建模，但对于每一个老化机理的表征和模拟不具备扩展性。目前，较为常用的方法是使用数据驱动的方法进行建模分析，即在电池运行时进行无损测量，然后直接通过机器利用统计学方法将测量结果与电池寿命相关联，该方法由于数据特征选择的难度较大，一般无法取得较好的预测效果。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术所存在的上述缺点，本专利技术提供了一种锂电池剩余寿命分析预测方法，能够有效克服现有技术所存在的不能对锂电池剩余寿命进行准确分析预测的缺陷。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]一种锂电池剩余寿命分析预测方法，包括以下步骤：
[0009]S1、将电池充电至设定SOC值对应的开路电压值后，用恒压源将电池电压维持在该开路电压值，待电流稳定后记录设定SOC值对应的恒流值；
[0010]S2、在不同温度下重复测试，并基于电池的恒流值、额定容量计算寿命评价因子；
[0011]S3、将计算得到的寿命评价因子与已知寿命电池的寿命评价因子进行对比，得到电池寿命的第一预测结果；
[0012]S4、采集多组电池全寿命周期内的工作电压数据，并对工作电压数据进行预处理；
[0013]S5、基于时间序列将预处理后工作电压数据分为电压序列训练集和电压序列测试集，并对电池寿命预测模型进行模型训练；
[0014]S6、利用训练好电池寿命预测模型得到电池寿命的第二预测结果；
[0015]S7、基于电池寿命的第一预测结果、第二预测结果对电池剩余寿命进行分析。
[0016]优选地，S2中在不同温度下重复测试，并基于电池的恒流值、额定容量计算寿命评价因子，包括：
[0017]采用下式计算电池的寿命评价因子：
[0018][0019]其中，f为电池的寿命评价因子，α
i
为电池在某一温度下的使用系数，I
i
为电池在某一温度下设定SOC值对应的恒流值，V
i
为电池在某一温度下的额定容量，n为在不同温度下的测试次数。
[0020]优选地，S3中将计算得到的寿命评价因子与已知寿命电池的寿命评价因子进行对比，得到电池寿命的第一预测结果，包括：
[0021]基于已知寿命电池的寿命评价因子与计算得到的寿命评价因子之间的比值，以及已知寿命电池的寿命，得到电池寿命的第一预测结果。
[0022]优选地，所述电池在不同温度下重复测试时充电倍率的选择方法，包括：
[0023]保持电池温度不变，在不同充电倍率下将电池充电至设定SOC值对应的开路电压值后，用恒压源将电池电压维持在该开路电压值，待电流稳定后分别记录设定SOC值对应的恒流值；
[0024]获取不同充电倍率下对应恒流值的分布区间，选择充电倍率以使得恒流值稳定分布。
[0025]优选地，所述设定SOC值不低于90％，所述不同温度为
‑
15℃
‑
50℃范围内的多个任意温度值。
[0026]优选地，S5中基于时间序列将预处理后工作电压数据分为电压序列训练集和电压序列测试集，并对电池寿命预测模型进行模型训练，包括：
[0027]根据电压序列训练集和电压序列测试集中各组电压序列的长度，构建循环神经网络；
[0028]利用学习率衰减算法对循环神经网络的学习率进行优化，将电压序列训练集输入循环神经网络进行模型训练，并利用电压序列测试集对训练模型进行测试，以使得循环神经网络收敛。
[0029]优选地，所述根据电压序列训练集和电压序列测试集中各组电压序列的长度，构建循环神经网络，包括：
[0030]根据电压序列训练集和电压序列测试集中各组电压序列的长度，确定循环神经网络的结构，并确定循环神经网络的层数和每层内神经元的个数。
[0031]优选地，S6中利用训练好电池寿命预测模型得到电池寿命的第二预测结果，包括：
[0032]按照设定采样周期对待预测电池在全寿命周期内采集工作电压数据，按照采样时间对采集工作电压数据进行排序；
[0033]将排序后工作电压数据输入训练好电池寿命预测模型，得到下一采样周期对应的预测工作电压；
[0034]基于已知寿命电池的工作电压与寿命之间的关系，得到待预测电池寿命的第二预测结果。
[0035]优选地，S4中采集多组电池全寿命周期内的工作电压数据，并对工作电压数据进行预处理，包括：
[0036]按照设定采样周期对多个电池在全寿命周期内采集工作电压数据；
[0037]按照采样时间对各组工作电压数据进行排序，并对各组工作电压数据进行异常数据删除、缺失数据补全和归一化处理。
[0038](三)有益效果
[0039]与现有技术相比，本专利技术所提供的一种锂电池剩余寿命分析预测方法，具有以下有益效果：
[0040]1)在不同温度下对锂电池进行重复充电测试，并基于电池的恒流值、额定容量计算寿命评价因子，将计算得到的寿命评价因子与已知寿命电池的寿命评价因子进行对比，得到电池寿命的第一预测结果，从而能够准确建立不同温度下充电至设定SOC值对应的恒流值，以及额定容量与锂电池寿命之间的关系，并得到锂电池寿命预测结果；
[0041]2)采集多组电池全寿命周期内的工作电压数据，并对工作电压数据进行预处理，基于时间序列将预处理后工作电压数据分为电压序列训练集和电压序列测试集，并对电池寿命预测模型进行模型训练，利用训练好电池寿命预测模型得到电池寿命的第二预测结果，从而能够准确建立工作电压与锂电池寿命之间的关系，并得到锂电池寿命预测结果。
附图说明
[0042]为了更清楚地说明本专利技术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，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0043]图1为本专利技术的流程示意图；
[0044]图2为本专利技术中利用训练好电池寿命预测模型得到电池寿命第二预测结果的流程示意图。
具体实施方式
[0045]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂电池剩余寿命分析预测方法，其特征在于：包括以下步骤：S1、将电池充电至设定SOC值对应的开路电压值后，用恒压源将电池电压维持在该开路电压值，待电流稳定后记录设定SOC值对应的恒流值；S2、在不同温度下重复测试，并基于电池的恒流值、额定容量计算寿命评价因子；S3、将计算得到的寿命评价因子与已知寿命电池的寿命评价因子进行对比，得到电池寿命的第一预测结果；S4、采集多组电池全寿命周期内的工作电压数据，并对工作电压数据进行预处理；S5、基于时间序列将预处理后工作电压数据分为电压序列训练集和电压序列测试集，并对电池寿命预测模型进行模型训练；S6、利用训练好电池寿命预测模型得到电池寿命的第二预测结果；S7、基于电池寿命的第一预测结果、第二预测结果对电池剩余寿命进行分析。2.根据权利要求1所述的锂电池剩余寿命分析预测方法，其特征在于：S2中在不同温度下重复测试，并基于电池的恒流值、额定容量计算寿命评价因子，包括：采用下式计算电池的寿命评价因子：其中，f为电池的寿命评价因子，α
i
为电池在某一温度下的使用系数，I
i
为电池在某一温度下设定SOC值对应的恒流值，V
i
为电池在某一温度下的额定容量，n为在不同温度下的测试次数。3.根据权利要求2所述的锂电池剩余寿命分析预测方法，其特征在于：S3中将计算得到的寿命评价因子与已知寿命电池的寿命评价因子进行对比，得到电池寿命的第一预测结果，包括：基于已知寿命电池的寿命评价因子与计算得到的寿命评价因子之间的比值，以及已知寿命电池的寿命，得到电池寿命的第一预测结果。4.根据权利要求2所述的锂电池剩余寿命分析预测方法，其特征在于：所述电池在不同温度下重复测试时充电倍率的选择方法，包括：保持电池温度不变，在不同充电倍率下将电池充电至设定SOC值对应的开路电压值后，用恒压源将电池电压维持在该开路电压值，待电流稳定后分别记录设定SOC值对应的恒流值；获取不同...

【专利技术属性】
技术研发人员：吴鹏，
申请(专利权)人：安徽铎坤新能源科技有限公司，
类型：发明
国别省市：