【技术实现步骤摘要】
本申请涉及钠离子电池领域，特别是涉及一种基于机器学习的钠离子电池建模方法、装置和电子设备。
技术介绍
1、化石能源枯竭促使风能、太阳能、地热能等可再生清洁能源不断发展，因此，关于储能方面的研究得到了广泛的关注。在已开发的众多储能系统中，电化学储能具有效率高、维护方便等优点，因此最具潜力。电化学储能电池可分为铅酸电池、镍氢电池、镍镉电池、锂离子电池和钠离子电池等。近年来，钠离子电池的研发得到了快速的发展，其主要的优点是钠资源储量丰富，且分布广泛，价格低廉，并且与锂离子电池具有类似工作原理，可以作为锂离子电池的有益补充应用于低速电动车和规模储能领域。但是从安全性考虑，钠离子电池的离子传输介质目前通常为液态有机电解质，存在易泄露、易燃烧等安全问题。对钠离子电池进行研究并提升性能，可以大大提高电池的安全性并且延长服役寿命，还可以降低电池的制造成本和技术门槛，有利于大规模生产和电动汽车技术的发展。
2、目前研究人员对于钠离子电池建模方法的研究并不是非常深入，已有的技术也都是针对于钠离子电池soc估计的，在soc估计问题中对钠离子电池进行相关的建模。
3、如在2023年4月13日申请的目前已经授权的钠离子电池管理系统和soc计算方法，专利申请号为cn202310390609.3。该专利技术属于电池管理
，尤其涉及一种钠离子电池管理系统和soc计算方法，该专利技术根据钠离子电池平台电压很短、工作电压即可反映soc的大小的特性，根据钠离子电池的电压与soc的曲线，通过实时采集的钠离子电池的工作电压对实时的soc进行
4、也有在2021年3月30日申请的目前已经授权的基于电流积分约束的钠离子电池荷电状态估计方法及设备，专利申请号为cn202110341866.9。该专利技术涉及一种基于电流积分约束的钠离子电池荷电状态估计方法，包括以下步骤：基于钠离子电池特征测试数据建立等效电路，所述等效电路包括电压源、欧姆内阻和rc网络，从而构建离线电池模型；基于所述离线电池模型，以soc与rc网络端电压组成的向量作为系统状态x，构建系统状态方程和观测方程；计算判别因子d，该判别因子d表示放电或充电开始后的容量累计变化量；基于所述判别因子d与判别因子标准值大小关系，采用自适应分段ekf算法进行soc估计。与现有技术相比，该专利技术具有soc估计精度和稳定性高等优点。
5、虽然目前已经有许多专家和学者对钠离子电池进行了大量研究，如相关的两篇专利提出的方法，但是专家和学者研究的大多数等效电路模型只能应用于开发它们的特定单元。相反，考虑具有相同化学性质但具有不同形式、体积或容量的钠离子电池，意味着需要附加测试以辨识其特定电参数。因此，非常需要能够应用于所有钠离子电池而不需要进一步进行参数辨识的电化学模型。
6、针对相关技术中缺乏能够应用于具有相同化学性质的所有钠离子电池的电化学模型的问题，目前还没有提出有效的解决方案。
技术实现思路
1、在本实施例中提供了一种基于机器学习的钠离子电池建模方法、装置和电子设备，以解决相关技术中缺乏能够应用于具有相同化学性质的所有钠离子电池的电化学模型的问题。
2、第一个方面，在本实施例中提供了一种基于机器学习的钠离子电池建模方法，所述钠离子电池建模方法包括：
3、获取钠离子电池包和各个钠离子电池单体的充放电数据，所述充放电数据包括在不同工作温度下的内阻数据；
4、采用机器学习的统计方法，基于所述充放电数据构建钠离子电池的泛化电化学模型，所述泛化电化学模型用于表示所述钠离子电池的内阻、工作温度和容量之间的关系。
5、在其中的一些实施例中，获取钠离子电池包和各个钠离子电池单体的充放电数据，包括：
6、在多种不同工作温度下，分别根据hppc方案对所述钠离子电池包和各个所述钠离子电池单体进行充放电试验，并确定各个所述钠离子电池包和各个所述钠离子电池单体在不同工作温度下的内阻数据。
7、在其中的一些实施例中，所述不同工作温度包括0℃、10℃、20℃和30℃。
8、在其中的一些实施例中，所述确定各个所述钠离子电池包和各个所述钠离子电池单体在不同工作温度下的内阻数据，包括：
9、针对各个所述钠离子电池单体，通过零阶模型确定各个所述钠离子电池单体的内阻映射；
10、针对所述钠离子电池包，通过一阶模型确定所述钠离子电池包的内阻映射；
11、根据各个所述钠离子电池包和各个所述钠离子电池单体的内阻映射，采用联合概率分布方法得到各个所述钠离子电池包和各个所述钠离子电池单体在不同工作温度下的内阻数据；
12、其中，所述内阻映射用于表示soc、充放电速率和工作温度三者对内阻的映射。
13、在其中的一些实施例中，所述泛化电化学模型包括：
14、
15、其中，rinit表示内阻，σ表示模型参数，x表示容量，y表示工作温度。
16、在其中的一些实施例中，基于所述充放电数据构建钠离子电池的泛化电化学模型，包括：
17、构建钠离子电池的特定电化学模型，所述特定电化学模型为：
18、
19、其中，c表示容量，k0表示指数前因子，ea表示活化能，rt表示工作温度。
20、对所述特定电化学模型进行泛化，得到所述泛化电化学模型。
21、在其中的一些实施例中，构建钠离子电池的特定电化学模型，包括：
22、根据钠离子电池的内阻表示公式和容量表示公式确定钠离子电池的内阻和容量之间的关系公式：
23、
24、其中，rinit表示内阻，c表示容量，ρel表示内阻率，ed表示能量密度，lcurrent表示两个电极之间的电流路径，kel表示特征化学系数；
25、对特征化学系数kel进行简化，简化后的特征化学系数kel为：
26、
27、其中，k0表示指数前因子，ea表示活化能，rt表示工作温度；
28、根据简化后的特征化学系数kel确定所述特定电化学模型。
29、第二个方面，在本实施例中提供了一种基于机器学习的钠离子电池建模装置，所述钠离子电池建模包括：
30、数据获取模块，用于获取钠离子电池包和各个钠离子电池单体的充放电数据，所述充放电数据包括在不同工作温度下的内阻数据；
31、模型构建模块，用于采用机器学习的统计方法，基于所述充放电数据构建钠离子电池的泛化电化学模型，所述泛化电化学模型用于表示所述钠离子电池的内阻、工作温度和容量之间的本文档来自技高网...
【技术保护点】
1.一种基于机器学习的钠离子电池建模方法，其特征在于，所述钠离子电池建模方法包括：
2.根据权利要求1所述的基于机器学习的钠离子电池建模方法，其特征在于，获取钠离子电池包和各个钠离子电池单体的充放电数据，包括：
3.根据权利要求2所述的基于机器学习的钠离子电池建模方法，其特征在于，所述不同工作温度包括0℃、10℃、20℃和30℃。
4.根据权利要求2所述的基于机器学习的钠离子电池建模方法，其特征在于，所述确定各个所述钠离子电池包和各个所述钠离子电池单体在不同工作温度下的内阻数据，包括：
5.根据权利要求1所述的基于机器学习的钠离子电池建模方法，其特征在于，所述泛化电化学模型包括：
6.根据权利要求5所述的基于机器学习的钠离子电池建模方法，其特征在于，基于所述充放电数据构建钠离子电池的泛化电化学模型，包括：
7.根据权利要求6所述的基于机器学习的钠离子电池建模方法，其特征在于，构建钠离子电池的特定电化学模型，包括：
8.一种基于机器学习的钠离子电池建模装置，其特征在于，所述钠离子电池建模包括：>
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的基于机器学习的钠离子电池建模方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于机器学习的钠离子电池建模方法的步骤。
...【技术特征摘要】
1.一种基于机器学习的钠离子电池建模方法，其特征在于，所述钠离子电池建模方法包括：
2.根据权利要求1所述的基于机器学习的钠离子电池建模方法，其特征在于，获取钠离子电池包和各个钠离子电池单体的充放电数据，包括：
3.根据权利要求2所述的基于机器学习的钠离子电池建模方法，其特征在于，所述不同工作温度包括0℃、10℃、20℃和30℃。
4.根据权利要求2所述的基于机器学习的钠离子电池建模方法，其特征在于，所述确定各个所述钠离子电池包和各个所述钠离子电池单体在不同工作温度下的内阻数据，包括：
5.根据权利要求1所述的基于机器学习的钠离子电池建模方法，其特征在于，所述泛化电化学模型包括：
6.根据权利要求5所述的基于机器学...
【专利技术属性】
技术研发人员：蔡明军，李荐，王利华，尚雷，刘斌，
申请(专利权)人：新疆煌能新能源有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。