一种锂电子电池析锂检测模型构建方法技术

本发明专利技术公开了一种锂电子电池析锂检测模型构建方法，涉及电池检测技术领域。其构建步骤如下：S1：选取多个型号和规格一致的电池包，并且按照不同的实验条件将多个电池包等比例的分为多个实验组；S2：将每一个实验组内部的所有电池包均放置于与其相对应实验条件中，并对每个实验组内的所有电池包进行恒流恒压充电和恒流放电的周期性充放电循环，并记录每个恒流恒压充电和恒流放电周期中的充放电数据。本发明专利技术通过提取IC曲线特征结合支持向量机二分类算法对锂离子电池的析锂进行预测，其预测精度为91.4％，精度较高，对后续的锂电池在循环过程中是否发生析锂具有很好的预测效果。环过程中是否发生析锂具有很好的预测效果。环过程中是否发生析锂具有很好的预测效果。

【技术实现步骤摘要】
一种锂电子电池析锂检测模型构建方法


[0001]本专利技术涉及电池检测
，具体为一种锂电子电池析锂检测模型构建方法。

技术介绍

[0002]目前，商用锂离子电池在3C数码、电动汽车、储能设备等领域得到广泛引用，促使锂离子电池的产量日益剧增。在锂离子电池普及使用的背景下，锂电池的安全性问题或者是锂电池的电化学性能尤为重要，例如电池的寿命、倍率性能、安全性能、析锂特性等。其中锂离子电池的析锂一直是制造商以及用户关注的重点问题，析锂不仅对电池的循环性能具有较大的影响，对电池的安全性能也是不可忽视的隐患。
[0003]现在电池的析锂检测方法主要有两种方法：其分别为有损析锂检测和无损析锂检测。顾名思义，有损析锂检测就是对电池进行拆解，然后结合极片表面现象以及一些物理表征来判断电池是否析锂。而无损析锂检测通过提取锂电池充放电过程的充放电数据，并从中提取能表征电池析锂特性的参数，对这些参数进行后处理，以此来评判电池的析锂特性，在实际运用中更倾向于无损析锂检测，但是目前市面上的无损析锂检测以及在电池循环析锂早期的检测精度都不高。

技术实现思路

[0004]本专利技术的目的在于提供一种锂电子电池析锂检测模型构建方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种锂电子电池析锂检测模型构建方法，其构建步骤如下：
[0006]S1：选取多个型号和规格一致的电池包，并且按照不同的实验条件将多个电池包等比例的分为多个实验组；
[0007]S2：将每一个实验组内部的所有电池包均放置于与其相对应实验条件中，并对每个实验组内的所有电池包进行恒流恒压充电和恒流放电的周期性充放电循环，并记录每个恒流恒压充电和恒流放电周期中的充放电数据；
[0008]S3：循环至n个恒流恒压充电和恒流放电周期后，在每个实验组中选择至少一个充满电的电池包进行物理拆解，并观察其电芯负极表面是否析锂，将其结果分别记录为“析锂”和“不析锂”，其中，n为大于1的正整数；
[0009]S4：将每个拆解过的电池包所对应的第n个循环周期数和第m个循环周期数的满充充电数据进行处理，提取充电过程中恒流阶段的电压和容量数据，绘制出对应的Q
‑
V曲线，其分别为Q
‑
V
n
曲线和Q
‑
V
m
曲线，并通过对上述得到的Q
‑
V曲线进行微分得到IC曲线，通过Q
‑
V
n
曲线和Q
‑
V
m
曲线得到对应的IC
n
曲线和IC
m
曲线，其中n＞m，且m为正整数；
[0010]S5：通过特征分析，选取每一个电池包IC
m
曲线和IC
n
曲线之间的多个特征值形成特征值组，其中将z个电池包中得到的z个特征值组进行汇总，形成特征值合集，其中z为拆解的电池包数量，为正整数；
[0011]S6：采用支持向量机对上述特征值合集进行建模分析，并经过建模训练后，输出预测精度较高的锂电子电池析锂检测模型。
[0012]本技术方案中优选的，在S1步骤中不同的实验条件设定为不同的实验温度和不同的充电倍率，且每一种实验条件所对应的实验组中设置5至15个平行样。
[0013]本技术方案中优选的，在步骤S1中实验组包含20个，其中，每个实验组所对应的实验温度分别为10℃、25℃、35℃和45℃中的任意一个，并且每个实验组所对应的充电倍率为0.33C、0.50C、1.00C、1.50C和2.00C中的任意一个。
[0014]本技术方案中优选的，在S2步骤中每个电池包的充电截止倍率为0.05C，其放电时采用1C的放电倍率进行恒流放电，充放电数据记录的踩点频率为0.1s。
[0015]本技术方案中优选的，n为100的倍数并且n小于电池包中电芯的寿命终止循环数，m的具体范围为2至20。
[0016]本技术方案中优选的，在步骤S4中通过Q
‑
V曲线得到IC曲线的方法为：利用三次抽样插值拟合对Q
‑
V曲线进行线性插值，然后计算得到IC曲线，其中：线性插值电压的范围在处理全部数据时必须保持一致且能覆盖IC曲线的全部特征值。
[0017]本技术方案中优选的，在线性插值电压的范围内，线性插值点的个数为500至1000个。
[0018]本技术方案中优选的，在步骤S5中特征值包括IC
m
曲线和IC
n
曲线之间差值的平均值、最小值、最大值、中值、方差、IC
n
曲线中的峰1、峰2和峰3的峰面积和高度与IC
m
曲线中对应的峰1、峰2和峰3的峰面积和高度的比值，其中，峰1的起始电压为线性插值电压的范围的初始值，终止电压为峰1和峰2之间的最低处所对应的电压；峰2的起始电压为峰1和峰2之间的最低处所对应的电压，终止电压为峰2和峰3之间的最低处所对应的电压；峰3的起始电压为峰2和峰3之间的最低处所对应的电压，终止电压为线性插值电压的范围的终止值。
[0019]本技术方案中优选的，在S6步骤中采用支持向量机得到锂电子电池析锂检测模型的具体步骤如下：
[0020]S61：首先采用特征值归一法将特征值合集z个特征值组中的特征值进行归一化处理；
[0021]S62：然后采用5折交叉验证的方法将数据集分成5份，其中4份作为训练集，另外1份作为测试集，依次进行交叉验证；
[0022]S63：通过优化支持向量机内部的核函数、惩罚系数C、degree以及gamma的选择进行建模训练，直至输出预测精度较高的锂电子电池析锂检测模型。
[0023]与现有技术相比，本专利技术的有益效果是：
[0024]该锂电子电池析锂检测模型构建方法，通过提取IC曲线特征结合支持向量机二分类算法对锂离子电池的析锂进行预测，其预测精度为91.4％，精度较高，对后续的锂电池在循环过程中是否发生析锂具有很好的预测效果。
[0025]该方法不仅可以对电池是否发生析锂进行预测，还可以将最终的模型应用在商业锂离子电池厂和终端设备上进行检测，电池发生析锂，往往预示这电池性能的快速退化，因此可以给制造商和终端设备发出警示，制造商可以改善电池的后续测试措施来提高电池的循环性能，或者终端设备可以考虑对电池进行检修和更换。
附图说明
[0026]图1为本专利技术实施例中的Q
‑
V曲线图(试验条件：25℃，0.50C)；
[0027]图2为本专利技术实施例中的IC曲线图(试验条件：25℃，0.50C)；
[0028]图3为本专利技术峰1、峰2和峰3的分割示意图；
[0029]图4为本专利技术实施例的模型混淆矩阵图。
具体实施方式
[0030]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、完整地描述，显然，所描述的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂电子电池析锂检测模型构建方法，其特征在于，其构建步骤如下：S1：选取多个型号和规格一致的电池包，并且按照不同的实验条件将多个电池包等比例的分为多个实验组；S2：将每一个实验组内部的所有电池包均放置于与其相对应实验条件中，并对每个实验组内的所有电池包进行恒流恒压充电和恒流放电的周期性充放电循环，并记录每个恒流恒压充电和恒流放电周期中的充放电数据；S3：循环至n个恒流恒压充电和恒流放电周期后，在每个实验组中选择至少一个充满电的电池包进行物理拆解，并观察其电芯负极表面是否析锂，将其结果分别记录为“析锂”和“不析锂”，其中，n为大于1的正整数；S4：将每个拆解过的电池包所对应的第n个循环周期数和第m个循环周期数的满充充电数据进行处理，提取充电过程中恒流阶段的电压和容量数据，绘制出对应的Q
‑
V曲线，其分别为Q
‑
V
n
曲线和Q
‑
V
m
曲线，并通过对上述得到的Q
‑
V曲线进行微分得到IC曲线，通过Q
‑
V
n
曲线和Q
‑
V
m
曲线得到对应的IC
n
曲线和IC
m
曲线，其中n＞m，且m为正整数；S5：通过特征分析，选取每一个电池包IC
m
曲线和IC
n
曲线之间的多个特征值形成特征值组，其中将z个电池包中得到的z个特征值组进行汇总，形成特征值合集，其中z为拆解的电池包数量，为正整数；S6：采用支持向量机对上述特征值合集进行建模分析，并经过建模训练后，输出预测精度较高的锂电子电池析锂检测模型。2.根据权利要求1所述的锂电子电池析锂检测模型构建方法，其特征在于，在S1步骤中不同的实验条件设定为不同的实验温度和不同的充电倍率，且每一种实验条件所对应的实验组中设置5至15个平行样。3.根据权利要求2所述的锂电子电池析锂检测模型构建方法，其特征在于，在步骤S1中实验组包含20个，其中，每个实验组所对应的实验温度分别为10℃、25℃、35℃和45℃中的任意一个，并且每个实验组所对应的充电倍率为0.33C、0.50C、1.00C、...

【专利技术属性】
技术研发人员：何孟军，
申请(专利权)人：楚能新能源股份有限公司，
类型：发明
国别省市：