一种锂电池电动车实时寿命预测方法及装置制造方法及图纸

本发明专利技术公开了一种锂电池电动车实时寿命预测方法及装置，所述方法包括：收集电动车远程监控系统实时采集的数据；实时统计充电工况和搁置工况信息，形成充电工况加权因子矩阵和搁置工况加权因子矩阵；实时计算电池的状态信息，所述状态信息包括循环次数和搁置天数；对单体电芯的循环衰减数据和日历衰减数据进行拟合处理，得到循环衰减矩阵和日历衰减矩阵；对全工况统计下的循环衰减和日历衰减进行加权拟合处理，得到全工况的循环衰减加权曲线和日历衰减加权曲线；采用周期迭代方法预测下一周期系统衰减总量，从而进行寿命预测；本发明专利技术的优点在于：过程简单，易于投入使用，寿命预测结果较为准确。结果较为准确。结果较为准确。

【技术实现步骤摘要】
一种锂电池电动车实时寿命预测方法及装置


[0001]本专利技术涉及新能源汽车数据分析
，更具体涉及一种锂电池电动车实时寿命预测方法及装置。

技术介绍

[0002]在政策鼓励、市场需求等诸多因素的共同推动下，新能源汽车行业正蓬勃发展。其中，动力电池作为新能源汽车的动力来源，也迎来了巨大变化。锂电池的优势如能量密度高、工作电压高、使用温度范围宽，使得其在新能源汽车中的应用得以持续增长，几乎处于垄断地位。但是续航里程及其衰减也越来越受到人们的重视。如何准确地预测锂电池系统在不同使用条件下的剩余使用寿命已经成为行业内关注的热点。这不仅能保证电池系统更加安全可靠地运行，并且能够最大化利用电池系统的剩余价值，为电池管理和梯次利用提供至关重要的基础。
[0003]中国专利公开号CN113406522A，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。该专利申请提供的方法过程复杂，难以投入实际使用，且寿命预测的时候直接叠加日历衰减和循环衰减的结果，没有考虑两者之间的影响，导致预测结果不够准确。

技术实现思路

[0004]本专利技术所要解决的技术问题在于现有技术电动车寿命预测方法存在过程复杂，难以投入实际使用，预测结果不够准确的问题。
[0005]本专利技术通过以下技术手段实现解决上述技术问题的：一种锂电池电动车实时寿命预测方法，所述方法包括：
[0006]步骤一：收集电动车远程监控系统实时采集的数据；
[0007]步骤二：实时统计充电工况和搁置工况信息，形成充电工况加权因子矩阵和搁置工况加权因子矩阵；
[0008]步骤三：实时计算电池的状态信息，所述状态信息包括循环次数和搁置天数；
[0009]步骤四：基于电池的状态信息，对单体电芯的循环衰减数据和日历衰减数据进行拟合处理，得到循环衰减矩阵和日历衰减矩阵；
[0010]步骤五：对全工况统计下的循环衰减和日历衰减进行加权拟合处理，得到全工况的循环衰减加权曲线和日历衰减加权曲线；
[0011]步骤六：基于循环衰减加权曲线和日历衰减加权曲线，采用周期迭代方法通过公式α
i+1
＝α
i
+(Δα
i+1，cyc
+Δα
i+1，cald
)预测下一周期系统衰减总量，从而进行寿命预测，其中，α
i+1
、α
i
分别表示第i+1个周期、第i个周期的系统衰减总量，Δα
i+1，cyc
、Δα
i+1，cald
分别表示第i+1个周期循环衰减量和日历衰减量。
[0012]本专利技术提供的方法不需要建模，不需要复杂的计算，过程简单，易于投入使用，且对全工况统计下的循环衰减和日历衰减进行加权拟合处理，得到全工况的循环衰减加权曲线和日历衰减加权曲线，考虑循环衰减和日历衰减相互之间的影响，并不是简单的叠加两者的结果得到最终预测结果，而是基于循环衰减加权曲线和日历衰减加权曲线，采用周期迭代方法预测下一周期系统衰减总量，从而进行寿命预测，预测结果较为准确。
[0013]进一步地，所述步骤一中实时采集的数据包括采集时间、温度、充电容量、SOC、里程。
[0014]进一步地，所述步骤二中充电工况加权因子的获取方式为：以温度为横向因素，倍率为纵向因素，构建矩阵，根据采集的数据对应的温度和倍率信息在矩阵中找到对应位置加1，所有数据采集结束后，矩阵中每个元素除以采集的数据总量，最终得到充电工况加权因子矩阵FM
cha
。
[0015]进一步地，所述步骤二中搁置工况加权因子的获取方式为：以温度为横向因素，SOC状态为纵向因素，构建矩阵，根据采集的数据对应的温度和SOC状态信息在矩阵中找到对应位置加1，所有数据采集结束后，矩阵中每个元素除以采集的数据总量，最终得到搁置工况加权因子矩阵FM
rest
。
[0016]进一步地，所述步骤三包括：实时累积计算充电容量C
n
、各状态时间占比t
cha
：t
dch
：t
rest
、总行驶里程m，其中，t
cha
为充电状态，t
dch
为放电状态，t
rest
为搁置状态，估算循环次数n＝C
n
/C
sys
，C
sys
表示电动车系统的标称容量，则每天循环次数n
day
＝n/days，days为循环总天数，每天搁置时间t
day
＝days*t
rest
，每天行驶里程m
day
＝m/days。
[0017]进一步地，所述步骤四包括：对单体电芯的循环衰减数据进行拟合处理，拟合公式为f(n)＝k*n
γ
，k、γ为拟合参数，n为循环次数，衰减数据拟合后考虑充电工况因子，将拟合后的衰减数据按照温度和倍率对应排布，形成循环衰减矩阵DM
cyc
；对单体电芯的日历衰减数据进行拟合处理，拟合公式为f(T)＝k
′
*T
γ
′
，k
′
、γ
′
为拟合参数，T为搁置天数，衰减数据拟合后考虑搁置工况因子，将拟合后的衰减数据按照温度和SOC对应排布，形成日历衰减矩阵DM
cald
。
[0018]进一步地，所述步骤五包括：
[0019]通过公式
[0020][0021][0022]对全工况统计下的循环衰减和日历衰减进行加权拟合处理，得到全工况的循环衰减加权曲线f
cyc
(n)和日历衰减加权曲线f
cald
(t)，其中，DM
i，j；cyc
是温度水平为i，倍率水平为j的循环衰减数据，FM
i，j；cha
是温度水平为i，倍率水平为j的充电工况加权因子；DM
i，j；cald
是温度水平为i，SOC水平为j的日历衰减数据，FM
i，j；rest
是温度水平为i，SOC水平为j的搁置工
况加权因子。
[0023]进一步地，所述步骤六中第i+1个周期循环衰减量Δα
i+1，cyc
的计算方法是在循环衰减加权曲线f
cyc
(n)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂电池电动车实时寿命预测方法，其特征在于，所述方法包括：步骤一：收集电动车远程监控系统实时采集的数据；步骤二：实时统计充电工况和搁置工况信息，形成充电工况加权因子矩阵和搁置工况加权因子矩阵；步骤三：实时计算电池的状态信息，所述状态信息包括循环次数和搁置天数；步骤四：基于电池的状态信息，对单体电芯的循环衰减数据和日历衰减数据进行拟合处理，得到循环衰减矩阵和日历衰减矩阵；步骤五：对全工况统计下的循环衰减和日历衰减进行加权拟合处理，得到全工况的循环衰减加权曲线和日历衰减加权曲线；步骤六：基于循环衰减加权曲线和日历衰减加权曲线，采用周期迭代方法通过公式α
i+1
＝α
i
+(Δα
i+1，cyc
+Δα
i+1，cald
)预测下一周期系统衰减总量，从而进行寿命预测，其中，α
i+1
、α
i
分别表示第i+1个周期、第i个周期的系统衰减总量，Δα
i+1，cyc
、Δα
i+1，cald
分别表示第i+1个周期循环衰减量和日历衰减量。2.根据权利要求1所述的一种锂电池电动车实时寿命预测方法，其特征在于，所述步骤一中实时采集的数据包括采集时间、温度、充电容量、SOC、里程。3.根据权利要求1所述的一种锂电池电动车实时寿命预测方法，其特征在于，所述步骤二中充电工况加权因子的获取方式为：以温度为横向因素，倍率为纵向因素，构建矩阵，根据采集的数据对应的温度和倍率信息在矩阵中找到对应位置加1，所有数据采集结束后，矩阵中每个元素除以采集的数据总量，最终得到充电工况加权因子矩阵FM
cha
。4.根据权利要求1所述的一种锂电池电动车实时寿命预测方法，其特征在于，所述步骤二中搁置工况加权因子的获取方式为：以温度为横向因素，SOC状态为纵向因素，构建矩阵，根据采集的数据对应的温度和SOC状态信息在矩阵中找到对应位置加1，所有数据采集结束后，矩阵中每个元素除以采集的数据总量，最终得到搁置工况加权因子矩阵FM
rest
。5.根据权利要求1所述的一种锂电池电动车实时寿命预测方法，其特征在于，所述步骤三包括：实时累积计算充电容量C
n
、各状态时间占比t
cha
：t
dch
：t
rest
、总行驶里程m，其中，t
cha
为充电状态，t
dch
为放电状态，t
rest
为搁置状态，估算循环次数n＝C
n
/C
sys
，C
sys
表示电动车系统的标称容量，则每天循环次数n
day
＝n/days，days为循环总天数，每天搁置时间t
day
＝days*t
rest
，每天行驶里程m
day
＝m/days。6.根据权利要求1所述的一种锂电池电动车实时寿命预测方法，其特征在于，所述步骤四包括：对单体电芯的循环衰减数据进行拟合处理，拟合公式为f(n)＝k*n
γ
，k、γ为拟合参数，n为循环次数，衰减数据拟合后考虑充电工况因子，将拟合后的衰减数据按照温度和倍率对应排布，形成循环衰减矩阵DM
cyc
；对单体电芯的日历衰减数据进行拟合处理，拟合公式为f(T)＝k
′
*T
γ
′
，k
′
、γ
′
为拟合参数，T为搁置天数，衰减数据拟合后考虑搁置工况因子，将拟合后的衰减数据按照温度和SOC对应排布，形成日历衰减矩阵DM
cald
。7.根据权利要求1所述的一种锂电池电动车实时寿命预测方法，其特征在于，所述步骤五包括：通过公式
对全工况统计下的循环衰减和日历衰减进行加权拟合处理，得到全工况的循环衰减加权曲线f
...

【专利技术属性】
技术研发人员：赵长军，厉运杰，杨思文，林楠，
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：