变温变流工况下锂电池退化演变基准路径的构建方法技术

本发明专利技术涉及一种变温变流工况下锂电池退化演变基准路径的构建方法，具体方案如下：1)基于不同温度、不同电流工况下锂电池退化数据的退化演变路径构建；2)不同温度、不同电流工况下锂电池退化演变基准路径的转换方法；3)基于机器学习方法的变温、变流下锂电池基准路径中退化容量的计算。本发明专利技术的优点在于：本发明专利技术方法填补了现有技术的空白，同时考虑温度、电流两者变化工况下锂电池退化演变过程，该过程符合实际应用工况。

Construction of reference path for lithium battery degradation evolution under variable temperature and variable flow conditions

The present invention relates to a method for constructing a reference path of lithium battery degradation evolution under variable temperature and current conditions. The specific scheme is as follows: 1) constructing the degradation evolution path based on lithium battery degradation data under different temperature and current conditions; 2) transforming the reference path of lithium battery degradation evolution under different temperature and current conditions; Based on machine learning method, the calculation of the degradation capacity of the lithium battery reference path under variable temperature and variable flow is presented. The invention has the advantages that the method of the invention fills the blank of the prior art, and at the same time considers the degradation evolution process of the lithium battery under the changing conditions of temperature and current, and the process conforms to the actual application conditions.

【技术实现步骤摘要】
变温变流工况下锂电池退化演变基准路径的构建方法
本专利技术涉及一种变温变流工况下锂电池退化演变基准路径的构建方法，属于变工况下锂电池退化演变建模

技术介绍
表征锂电池退化路径常用电池容量退化与循环次数(寿命)的关系表示。电池容量可通过每个放电周期内对电流的积分求取，在恒温、恒流条件下，电池容量退化路径具有单调、弱非线性特点，但在变温、变流条件下，退化路径呈现非单调、强非线性和动态性。相同的退化观测值可对应不同的退化路径，同样的电池容量，其剩余寿命可能不同。对于放电周期内温度、电流随机变化的锂电池，直接积分所得电池容量并不能直接作为寿命预测的特征参数。现在的技术方法或是温度、电流都恒定工况，或单独考虑变温、变流工况，但在锂电池实际应用中，温度、电流常同时随机变化，而针对实际应用工况变温、变流同时存在的电池退化路径构建方法尚未见有关技术报道。
技术实现思路
本专利技术的目的在于提供一种变温变流工况下锂电池退化演变基准路径的构建方法，以解决现有技术中尚无同时考虑变温、变流工况下锂电池退化路径构建的缺陷。本专利技术一种变温变流工况下锂电池退化演变基准路径的构建方法，首先对两个时变条件单独作用下锂电池退化函数予以分析，然后耦合两个时变条件，研究变流、变温两个隐含变量共同作用下的锂电池退化演变规律，利用剩余寿命一致性原则，将变温、变流的退化数据映射为基准条件的退化数据，为基于数据驱动的锂电池剩余寿命预测提供基准数据。具体方案如下：1)基于不同温度、不同电流工况下锂电池退化数据的退化演变路径构建首先在不同温度、不同电流下，通过退化加速试验获得同批次的锂电池退化数据。考虑试验过程的可操作性，分别控制温度、电流中某一变量恒定，另一变量变化，温度、电流间隔分别设置为0.5℃、0.25c，重复试验，初步获得退化路径数据。在上述退化数据的基础上，构建不同温度条件下，容量退化和循环次数的关系模型；构建不同电流条件下，容量退化和循环次数的关系模型。这两种关系模型如如式(1)所示。Q(t；θ)＝a·exp(bt)+c·exp(dt)(1)其中，Q为电池容量，t为循环次数，a,b,c,d是受温度或电流影响的待求参数。对于温度为T0，不同电流的退化路径不同，在电流Ik下，电池容量与循环次数的关系可表示为：可通过最小二乘法、雅克比迭代法等方法拟合得到不同电流下参数a0,a1,L,ak；b0,b1,L,bk；c0,c1,L,ck；d0,d,L,dk，求得退化演变路径函数。2)不同温度、不同电流工况下锂电池退化演变基准路径的转换方法在不同温度、不同电流条件下，锂电池退化路径不同，显然，这种情况下的数据并不能直接用于剩余寿命预测。为此，需将复杂工况(变温、变流)下锂电池退化容量映射到基准工况下的容量，即将不同温度、不同电流工况下Q*统一转换为某一固定温度、电流工况下的Q**，基于剩余寿命的一致性原则，在工况Tm,Ik时，当前寿命为tk，若测得Q＝Q*，Q*相当于在T0,I0条件下的Q**(这两个容量应该对应相同的剩余寿命τ)。由式(2),可得：设tend为失效阈值0.8Q0所对应的寿命。τ＝tend-tk(5)综上，类似的数值计算可以得到与一一映射。综上，可构建不同温度、不同电流的退化数据集，如表1所示。表1：不同温度、电流工况下电池容量退化数据集3)基于机器学习方法的变温、变流下锂电池基准路径中退化容量的计算依据上述方法，可得到不同温度、不同电流下的电池容量，但仍无法获得变温、变流下的退化容量，因为实际运行中，每个放电周期的温度、电流是随机变化的，而只有通过一个放电周期才能得到一个电池容量。为此，将每个周期离散为n个区间，每个区间温度、电流可视为恒定。每个区间可对电流实时积分以获得电池容量ΔQ1,ΔQ2,LΔQn。考虑到温度、电流影响作用，利用步骤2)构建的不同温度、不同电流的退化数据集，基于机器学习的方法，如神经网络，支持向量机等，计算区间电池容量所对应的基准工况下电池容量。以神经网络为例来说明如何计算基准工况下电池容量。先构建以温度、电流、电池实际容量为输入参数，基准工况下电池容量为输出的神经网络模型，利用表1部分数据作为训练样本，训练神经网络权重，待误差满足要求后，以区间内温度、电流、电池容量作为输入，输出则为基准工况下的电池容量，依次计算得到各区间基准工况下电池容量ΔQ1*,ΔQ2*,LΔQn*。由此，可计算基准工况下放电周期内的电池容量为：Q*＝ΔQ1*+ΔQ2*+LΔQn*(7)据式(7)可得到变温、变流工况下电池容量所对应的基准工况下退化路径数据集，在此数据集的基础上，可有效开展锂电池在实际复杂使用工况下剩余寿命预测研究。本专利技术一种变温变流工况下锂电池退化演变基准路径的构建方法，其优点在于：本专利技术方法填补了现有技术的空白，同时考虑温度、电流两者变化工况下锂电池退化演变过程，该过程符合实际应用工况。附图说明图1所示为本专利技术方法流程框图。图2所示为锂电池退化演变基准路径构建过程示意图。具体实施方式下面结合附图，对本专利技术的技术方案做进一步的说明。本专利技术一种变温变流工况下锂电池退化演变基准路径的构建方法，如图1所示，具体步骤如下：1)基于不同温度、不同电流工况下锂电池退化数据的退化演变路径构建首先在不同温度、不同电流下，通过退化加速试验(基于EKF方法和NSDP-AR模型融合型锂离子电池循环寿命预测方法)获得同批次的锂电池退化数据。考虑试验过程的可操作性，分别控制温度、电流中某一变量恒定，另一变量变化，温度、电流间隔分别设置为0.5℃、0.25c，重复试验，初步获得退化路径数据。在上述退化数据的基础上，构建不同温度条件下，容量退化和循环次数的关系模型；构建不同电流条件下，容量退化和循环次数的关系模型。这两种关系模型如如式(1)所示。Q(t；θ)＝a·exp(bt)+c·exp(dt)(1)其中，Q为电池容量，t为循环次数，a,b,c,d是受温度或电流影响的待求参数。对于温度为T0，不同电流的退化路径不同，在电流Ik下，电池容量与循环次数的关系可表示为：可通过最小二乘法、雅克比迭代法等方法拟合得到不同电流下参数a0,a1,L,ak；b0,b1,L,bk；c0,c1,L,ck；d0,d,L,dk，求得退化演变路径函数。2)不同温度、不同电流工况下锂电池退化演变基准路径的转换方法在不同温度、不同电流条件下，锂电池退化路径不同，显然，这种情况下的数据并不能直接用于剩余寿命预测。为此，需将复杂工况(变温、变流)下锂电池退化容量映射到基准工况下的容量，即将不同温度、不同电流工况下Q*统一转换为某一固定温度、电流工况下的Q**，其过程如图2所示。基于剩余寿命的一致性原则，在工况Tm,Ik时，当前寿命为tk，若测得Q＝Q*，Q*相当于在T0,I0条件下的Q**(这两个容量应该对应相同的剩余寿命τ)。由式(2),可得：设tend为失效阈值0.8Q0所对应的寿命。τ＝tend-tk(5)综上，类似的数值计算可以得到与一一映射。综上，可构建不同温度、不同电流的退化数据集，如下表1所示。表1：不同温度、电流工况下电池容量退化数据集3)基于机器学习方法的变温、变流下锂电池基准路径中退化容量的计算依据上述方法，可得到不同温度、不同电流下的电池容量，但仍无本文档来自技高网...

【技术保护点】
1.一种变温变流工况下锂电池退化演变基准路径的构建方法，其特征在于：该方法包括如下步骤：1)基于不同温度、不同电流工况下锂电池退化数据的退化演变路径构建首先在不同温度、不同电流下，通过退化加速试验获得同批次的锂电池退化数据；考虑试验过程的可操作性，分别控制温度、电流中某一变量恒定，另一变量变化，温度、电流间隔分别设置为0.5℃、0.25c，重复试验，初步获得退化路径数据；在上述退化数据的基础上，构建不同温度条件下，容量退化和循环次数的关系模型；构建不同电流条件下，容量退化和循环次数的关系模型；这两种关系模型如如式(1)所示；Q(t；θ)＝a·exp(bt)+c·exp(dt)     (1)其中，Q为电池容量，t为循环次数，a,b,c,d是受温度或电流影响的待求参数；对于温度为T0，不同电流的退化路径不同，在电流Ik下，电池容量与循环次数的关系可表示为：

【技术特征摘要】
1.一种变温变流工况下锂电池退化演变基准路径的构建方法，其特征在于：该方法包括如下步骤：1)基于不同温度、不同电流工况下锂电池退化数据的退化演变路径构建首先在不同温度、不同电流下，通过退化加速试验获得同批次的锂电池退化数据；考虑试验过程的可操作性，分别控制温度、电流中某一变量恒定，另一变量变化，温度、电流间隔分别设置为0.5℃、0.25c，重复试验，初步获得退化路径数据；在上述退化数据的基础上，构建不同温度条件下，容量退化和循环次数的关系模型；构建不同电流条件下，容量退化和循环次数的关系模型；这两种关系模型如如式(1)所示；Q(t；θ)＝a·exp(bt)+c·exp(dt)(1)其中，Q为电池容量，t为循环次数，a,b,c,d是受温度或电流影响的待求参数；对于温度为T0，不同电流的退化路径不同，在电流Ik下，电池容量与循环次数的关系可表示为：可通过最小二乘法、雅克比迭代法等方法拟合得到不同电流下参数a0,a1,L,ak；b0,b1,L,bk；c0,c1,L,ck；d0,d,L,dk，求得退化演变路径函数；2)不同温度、不同电流工况下锂电池退化演变基准路径的转换方法将复杂工况下锂电池退化容量映射到基准工况下的容量，即将不同温度、不同电流工况下Q*统一转换为某一固定温度、电流工况下的Q**，基于剩余寿命的一致性原则，在工况Tm,Ik时，当前寿命为tk，若测得Q＝Q*，Q*相当于在T0,I0条件下的Q**；由式(2),可得：设tend为失效阈值0.8Q0所对应的寿命；τ＝tend-tk(5)综...

【专利技术属性】
技术研发人员：吴立锋，张震宇，袁慧梅，关永，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：北京,11