一种电动车锂电池系统寿命预测评估方法及系统技术方案

本发明专利技术公开了一种电动车锂电池系统寿命预测评估方法，根据系统参数和工况参数，结合设定的工况分布概率模型，随机模拟整车的具体工况，并统计各工况的特征分布。电芯寿命数据和统计的工况分布输入至电芯寿命模型内，通过加权算法可得系统在此工况下的日历寿命曲线和循环寿命曲线。整车参数和统计的工况分布输入至续航里程修正模型，在能量效率、配件能耗和载重影响三个方面对续航里程进行修正。最终，系统寿命迭代模型整合所有参数和数据，对系统的寿命进行预测并得到置信区间本发明专利技术在整车寿命预测中结合单体电芯寿命数据，考虑整车运行工况对系统寿命的影响，对续航里程进行修正，实现了锂电池系统使用寿命的预测评估。实现了锂电池系统使用寿命的预测评估。实现了锂电池系统使用寿命的预测评估。

【技术实现步骤摘要】
一种电动车锂电池系统寿命预测评估方法及系统


[0001]本专利技术涉及新能源汽车
，具体来说是一种电动车锂电池系统寿命预测评估方法及系统。

技术介绍

[0002]锂离子电池作为新一代的绿色能源，因其具有能量密度大、工作电压高、循环寿命长等优势，被广泛应用在电动汽车，储能系统领域。作为电动汽车的核心组成部分，锂电池系统的性能对整车使用有着至关重要的作用，需要对其有充分的研究来确保电池包的经济寿命和寿命期内的可靠性。电池系统最为大家关注的就是电池容量的退化。
[0003]其中，锂电池的衰减可分为日历衰减和循环衰减两个部分。日历衰减受环境温度和搁置SOC状态影响，循环衰减受环境温度、充放电倍率、放电深度等因素影响。目前，对锂电池系统进行寿命评估只是简单的将单体电芯的日历衰减和循环衰减相加得到系统的衰减情况。不考虑整车工况、日历衰减和循环衰减耦合作用的影响。因此，无法较为精准地评估锂电池系统的寿命趋势。本专利技术在整车寿命预测中结合单体电芯寿命数据，考虑整车运行工况对系统寿命的影响，对续航里程进行修正，采用迭代算法对日历衰减和循环衰减进行耦合计算，实现了锂电池系统使用寿命的预测评估。
[0004]如申请号为CN201910023616.3公开的一种锂离子电池的寿命预测方法，该方法，首先建立表征电池存储寿命的第一容量衰减模型，根据存储实验的存储实验数据求解第一容量衰减模型的未知参数，然后，根据确定的第一容量衰减模型，结合电池的在设定时间内的充放电循环次数，建立第二容量衰减模型，根据充放电循环实验的循环实验数据，求解第二容量衰减模型的未知参数，从而最终确定表征电池存储寿命和循环寿命的第二容量衰减模型。最后，将电池实际使用的工况信息代入第二容量衰减模型，从而求得电池的预测寿命。相对于现有技术中单纯预测存储寿命或循环寿命的方法更符合电池的实际使用情况，能够快速预测电池的实际使用寿命。该方法针对单体电芯进行寿命预测，没有考虑整车公开，无法直接得到电池系统的寿命预测结果。

技术实现思路

[0005]本专利技术所要解决的技术问题在于提供一种考虑整车运行工况对电池系统寿命影响的锂电池系统寿命预测评估方法。
[0006]本专利技术通过以下技术手段实现解决上述技术问题的：
[0007]一种电动车锂电池系统寿命预测评估方法，包括以下步骤：
[0008]S1、统计具体车辆的工况数据，至少包括每日里程、平均速度和运营区域作为寿命预测的工况参数，将总电量和续航里程作为寿命预测的整车参数；
[0009]S2、对单体电芯进行日历寿命和循环寿命测试，测试结果作为寿命预测模型的电芯寿命参数；
[0010]S3、根据整车参数和工况参数，结合对应的工况分布概率模型，随机模拟整车的具
体工况，并统计各工况的特征分布；其中，工况分布概率模型包括私家车工况模型、运营车工况模型；工况分布概率模型为：
[0011][0012]将车辆起始出行时刻的分布主要划分为n个时间区间，μ
n
表示第n个时间区间，f(x)表示当前区间某一时刻的概率，w
n
为当前时间区间的权重，σ
n
为当前时间区间的概率参数。
[0013]S4、电芯寿命数据和各工况的特征分布输入至电芯寿命模型内，通过加权算法可得电池系统在此工况下的日历寿命曲线和循环寿命曲线；
[0014]S5、整车参数和统计的工况特征分布输入至续航里程修正模型，在能量效率、配件能耗和载重影响三个方面对续航里程进行修正；
[0015]S6、电池系统寿命迭代整合整车参数和工况参数，对电池系统的寿命进行预测。
[0016]本专利技术在整车寿命预测中结合单体电芯寿命数据，考虑整车运行工况对系统寿命的影响，对续航里程进行修正，采用迭代算法对日历衰减和循环衰减进行耦合计算，实现了锂电池系统使用寿命的预测评估。
[0017]进一步的，所述步骤S3中将车辆起始出行时刻的分布主要划分为四个时间区间，分别为[6，10)、[10，14)、[14，20)、[20，24]。
[0018]进一步的，所述私家车工况模型和运营车工况模型中的权重和概率参数分别设置为：
[0019]1)私家车工况分布概率模型对应于四个时间区间的概率参数σ
n
分别为：1、1.5、1.5、0.5；四个时间区间对应的权重w
n
分别为：0.35、0.15、0.45、0.1。
[0020]2)运营工况分布概率模型对应于四个时间区间的概率参数σ
n
分别为：2，2，2，2；四个时间区间对应的权重w
n
分别为：0.3、0.2、0.3、0.2。
[0021]进一步的，所述步骤S3中工况包括充电、放电、搁置；工况特征分布包括温度分布、SOC分布、电流倍率分布；所述工况特征分布具体为：
[0022][0023]其中，cha、dch、sta分别表示充电状态、放电状态、搁置状态。SOC每隔20％划分，电流倍率每隔0.2C划分，温度每隔10℃划分；因此，w
sta/soc_50
表示搁置状态下，SOC位于[40％，60％]的时间占比，w
dch/temp_25
表示放电状态下，温度位于[20℃，30℃]的时间占比，w
cha/rate_0.5
表示放充电状态下，充电倍率位于[0.4C，0.6C]的时间占比。
[0024]进一步的，所述步骤S4中加权算法如下：
[0025]Cal
sys
(τ)＝∑Cal
cell
(T，s，τ)*w
sta/soc_s
*w
sta/temp_t
[0026]Cyc
sys
(n)＝∑Cyc
cell
(T，s，n)*w
cha/rate_r
*w
cha/temp_t
[0027]其中，Cal
sys
(τ)、Cyc
sys
(τ)、Cal
cell
(T，s，τ)、Cyc
cell
(T，s，τ)分别表示电池系统的日历寿命曲线和循环寿命曲线、单体电芯的日历寿命曲线和循环寿命曲线；单体电芯的日历寿命曲线是温度(T)、SOC(s)和搁置时间(τ)的衰减曲线；单体电芯的循环寿命曲线是温度(T)、充电倍率(r)和循环次数(n)的衰减曲线。
[0028]进一步的，所述步骤S5中修正因子如下：
[0029]f＝f
e
/(f
a
*f
m
)
[0030]f
e
＝∑E
t
*w
dch/temp_t
[0031][0032][0033]其中，f、f
e
、f
a
、f
m
分别表示总修正因子、能量效率因子、配件能耗因子和载重影响因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动车锂电池系统寿命预测评估方法，其特征在于，包括以下步骤：S1、统计具体车辆的工况数据，至少包括每日里程、平均速度和运营区域作为寿命预测的工况参数，将总电量和续航里程作为寿命预测的整车参数；S2、对单体电芯进行日历寿命和循环寿命测试，测试结果作为寿命预测模型的电芯寿命参数；S3、根据整车参数和工况参数，结合对应的工况分布概率模型，随机模拟整车的具体工况，并统计各工况的特征分布；其中，工况分布概率模型包括私家车工况模型、运营车工况模型；工况分布概率模型为：将车辆起始出行时刻的分布主要划分为n个时间区间，μ
n
表示第n个时间区间，f(x)表示当前区间某一时刻的概率，w
n
为当前时间区间的权重，σ
n
为当前时间区间的概率参数。S4、电芯寿命数据和各工况的特征分布输入至电芯寿命模型内，通过加权算法可得电池系统在此工况下的日历寿命曲线和循环寿命曲线；S5、整车参数和统计的工况特征分布输入至续航里程修正模型，在能量效率、配件能耗和载重影响三个方面对续航里程进行修正；S6、电池系统寿命迭代整合整车参数和工况参数，对电池系统的寿命进行预测。2.根据权利要求1所述的一种电动车锂电池系统寿命预测评估方法，其特征在于，所述步骤S3将车辆起始出行时刻的分布主要划分为四个时间区间，分别为[6，10)、[10，14)、[14，20)、[20，24]。3.根据权利要求2所述的一种电动车锂电池系统寿命预测评估方法，其特征在于，所述私家车工况模型和运营车工况模型中的权重和概率参数分别设置为：1)私家车工况分布概率模型对应于四个时间区间的概率参数σ
n
分别为：1、1.5、1.5、0.5；四个时间区间对应的权重w
n
分别为：0.35、0.15、0.45、0.1。2)运营工况分布概率模型对应于四个时间区间的概率参数σ
n
分别为：2，2，2，2；四个时间区间对应的权重w
n
分别为：0.3、0.2、0.3、0.2。4.根据权利要求3所述的一种电动车锂电池系统寿命预测评估方法，其特征在于，所述步骤S3中工况包括充电、放电、搁置；工况特征分布包括温度分布、SOC分布、电流倍率分布；所述工况特征分布具体为：其中，cha、dch、sta分别表示充电状态、放电状态、搁置状态。SOC每隔20％划分，电流倍率每隔0.2C划分，温度每隔10℃划分；因此，w
sta/soc_50
表示搁置状态下，SOC位于[40％，
60％]的时间占比，w
dch/temp_25
表示放电状态下，温度位于[20℃，30℃]的时间占比，w
cha/rate_0.5
表示放充电状态下，充电倍率位于[0.4C，0.6C]的时间占比。5.根据权利要求1至4任一所述的一种电动车锂电池系统寿命预测评估方法，其特征在于，所述步骤S4中加权算法如下：Cal
sys
(τ)＝∑Cal
cell
(T，s，τ)*W
sta/soc_s
*W
sta/temp_t
Cyc
sys
(n)＝∑Cyc
cell
(T，s，n)*w
cha/rate_r
*w
cha/temp_t
其中，Cal
sys
(τ)、Cyc
sys
(τ)、Cal
cell
(T，s，τ)、Cyc
cell
(T，s，τ)分别表示电池系统的日历寿命曲线和循环寿命曲线、单体电芯的日历寿命曲线和循环寿命曲线；单体电芯的日历寿命曲线是温度(T)、SOC(s)和搁置时间(τ)的衰减曲线；单体电芯的循环寿命曲线是温度(T)、充电倍率(r)和循环次数(n)的衰减曲线。6.根据权利要求1至4任一所述的一种电动车锂电池系统寿命预测评估方法，其特征在于，所述步骤S5中修正因子如下：f＝f
e
/(f
a
*f
m
)f
e
＝∑E
t
*w
dch/temp_tdch/temp_t
其中，f、f
e
、f
a
、f
m
分别表示总修正因子、能量效率因子、配件能耗因子和载重影响因子；能量效率因子f
e
与单体电芯在不同温度下的放电能量效率相关，E
t
表示特定温度下单体电芯的放电能量效率；w
t
表示空调开启下温度区间的占比，e
t
表示该温度条件的空调小时能耗；u和ec分别表示平均车速和整车的百公里能耗；load表示载重与整车重量的比值。7.根据权利要求1至4任一所述的一种电动车锂电池系统寿命预测评估方法，其特征在于，所述步骤S6中迭代算法为：Q
cal，sys
＝Cal
sys
[＞＝Q
loss，sys
](Δτ)Q
cyc，sys
＝Cyc
sys
[＞＝Q
loss，sys
](Δn)Q
loss，sys
+＝Q
cal，sys
+Q
cyc，sys
m+＝Δm其中，m、Q
loss，sys
分别表示迭代过程中累积行驶里程、累积容量衰减率，Δm、Δτ、Δn分别表示一次迭代周期内里程增长量、搁置时间、循环次数；Q
cal，sys
、Q
cyc，sys
分别表示一次迭代周期内日历衰减和循环衰减。8.一种电动车锂电池系统寿命预测评估系统，其特征在于，包括：参数设置模块，...

【专利技术属性】
技术研发人员：赵长军，厉运杰，周祥，杨思文，
申请(专利权)人：合肥国轩高科动力能源有限公司，
类型：发明
国别省市：