一种快速预测电芯寿命的方法技术

本发明专利技术涉及电池电芯技术领域，具体是公开了一种快速预测电芯寿命的方法，包括以下步骤：获取电池电芯的性能参数，并对所述性能参数进行数据清洗，得到数据集；建立电芯寿命衰减模型；通过模拟退火算法对电芯寿命衰减模型进行精度优化；通过精度优化后的电芯寿命衰减模型输出结果，并以该结果为初值输入列文伯格马夸尔特算法进行优化，并输出结果；根据列文伯格马夸尔特算法输出的结果校正原工况的预测曲线，得到新的预测曲线。本发明专利技术克服了现有技术的不足，结合了传统的梯度下降优化方法和模拟退火的智能优化算法，弥补了主流最小二乘法拟合精度差和数据驱动的智能优化算法需求大量实验数据，计算时间长的缺陷。计算时间长的缺陷。

【技术实现步骤摘要】
一种快速预测电芯寿命的方法


[0001]本专利技术涉及电池电芯
，具体属于一种快速预测电芯寿命的方法。

技术介绍

[0002]随着着锂离子电池的广泛应用，其寿命问题日益突出，尤其是在一些高/低温、高倍率充放电等工况下，寿命大大缩短，不仅难以满足某些条件下对电池寿命的要求，更有可能引发严重事故，影响其商业化大规模应用，有效预测并掌握其剩余寿命具有重要意义。
[0003]经验模型驱动型的方法是一种常用的用来进行锂离子寿命预测的方式，是通过研究电池的衰退机理，建立相应的物理模型，结合实验数据推导得出经验公式，并通过公式参数的校准拟合，来达到准确预测锂电池寿命衰减过程的目的。
[0004]目前，现有的经验模型主要是使用简单的线性拟合或者多项式拟合的方式。
[0005]这些模型较为简单，在优化方法上采用最小二乘法进行拟合，计算效率和精度较差，并不能有效预测在某些特殊情况下的寿命衰减情况，甚至存在长周期后电芯预测容量小于零等不符合现实的情况；同时对于高温衰减预测较好，却难以预测低温的析锂衰减。
[0006]另外，部分学者也推导出了多项式衰退模型和指数衰退模型的综合优化模型，然而所提出的模型优化预测的算法需要大量的实验数据进行驱动，预测结果有较大的置信区间，无法有效验证模型的准确性。

技术实现思路

[0007]本专利技术的目的是提供了一种快速预测电芯寿命的方法，克服了现有技术的不足，结合了传统的梯度下降优化方法和模拟退火的智能优化算法，弥补了主流最小二乘法拟合精度差和数据驱动的智能优化算法需求大量实验数据，计算时间长的缺陷。
[0008]为解决上述问题，本专利技术所采取的技术方案如下：
[0009]一种快速预测电芯寿命的方法，包括以下步骤：
[0010]步骤一，获取电池电芯的性能参数，并对所述性能参数进行数据清洗，得到数据集；
[0011]步骤二，建立电芯寿命衰减模型；
[0012]步骤三，通过模拟退火算法对电芯寿命衰减模型进行精度优化；
[0013]步骤四，通过精度优化后的电芯寿命衰减模型输出结果，并以该结果为初值输入列文伯格马夸尔特算法进行优化，并输出结果；
[0014]步骤五，根据列文伯格马夸尔特算法输出的结果校正原工况的预测曲线，得到新的预测曲线。
[0015]进一步，步骤二中所述电芯寿命衰减模型包括通过威布尔分布推导出的电池循环容量衰减公式和电池储存容量衰减公式；
[0016]所述电池循环容量衰减公式，表示为：
[0017][0018]所述电池储存容量衰减公式，表示为：
[0019][0020]进一步，步骤三中所述模拟退火算法将内能E模拟为目标函数值f，温度T演化成控制参数t，由初始解i和控制参数初值t开始，对当前解重复“产生新解
→
计算目标函数差
→
接受或丢弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解。
[0021]进一步，所述模拟退火算法的具体步骤：
[0022]步骤一：选定初始解x0，令当前解x
i
＝x0；当前迭代步数k＝0；当前温度t
k
＝t
max
；
[0023]步骤二：若在该温度达到内循环停止条件，则进入步骤三；否则随机生成新解x
j
，计算δ＝f(x
j
)
‑
f(x
i
)，若δ≤0，则x
i
＝x
j
；否则若则x
i
＝x
j
，重复步骤二；
[0024]步骤三：k＝k+1，t
k+1
＝d(t
k
)，若满足终止条件，进入步骤四，否则回到步骤二；
[0025]步骤四：输出计算结果，停止。
[0026]进一步，步骤四中所述列文伯格马夸尔特算法的具体步骤包括：
[0027]步骤一：给出初始解x0，λ＞0，ε＞0，k＝0；
[0028]步骤二：若终止条件满足，则输出有关信息，停止迭代；
[0029]步骤三：计算Jacobi矩阵，求解方程得出dk；
[0030]步骤四：计算得出用于μk修正的γ；
[0031]步骤五：若0＜γ＜0.25，则λ
k+1
＝4λ
k
；若γ＞0.75，则λ
k+1
＝λ
k
/2；否则λ
k+1
＝λ
k
；
[0032]步骤六：若γ＜0，则x
k+1
＝x
k
；否则，x
k+1
＝x
k
+d
k
，k＝k+1，回到步骤。
[0033]本专利技术与现有技术相比较，本专利技术的实施效果如下：
[0034]1、本专利技术基于威布尔分布，结合常用的Arrhenius公式，从高低温双衰减的方式去表征电芯的实际衰减，提高了低SOH下的预测精度，并能计算低温较常温的容量衰减加速。
[0035]2、本专利技术采用循环过程中的阻抗增加的方法去表征SOP的衰减，并非用和SOH绑定的方式，使SOP的衰减同真实情况更为一致，并能表征不同衰减路径对电芯性能的影响。
[0036]3、本专利技术结合了传统的梯度下降优化方法和模拟退火的智能优化算法，弥补了主流最小二乘法拟合精度差和数据驱动的智能优化算法需求大量实验数据，计算时间长的缺陷。
具体实施方式
[0037]下面结合实施例对本专利技术作进一步的描述，但本专利技术不仅限于这些实例，在为脱离本专利技术宗旨的前提下，所为任何改进均落在本专利技术的保护范围之内。
[0038]本专利技术所述的一种快速预测电芯寿命的方法，包括以下步骤：
[0039]步骤一，获取电池电芯的性能参数，并对性能参数进行数据清洗，得到数据集；
[0040]步骤二，建立电芯寿命衰减模型；
[0041]步骤三，通过模拟退火算法对电芯寿命衰减模型进行精度优化；
[0042]步骤四，通过精度优化后的电芯寿命衰减模型输出结果，并以该结果为初值输入
列文伯格马夸尔特算法进行优化，并输出结果；
[0043]步骤五，根据列文伯格马夸尔特算法输出的结果校正原工况的预测曲线，得到新的预测曲线。
[0044]步骤二中电芯寿命衰减模型包括通过威布尔分布推导出的电池循环容量衰减公式和电池储存容量衰减公式；
[0045]电池循环容量衰减公式，表示为：
[0046][0047]电池储存容量衰减公式，表示为：
[0048][0049]威布尔分布是统计学中可靠性分析和寿命检验的重要内容，是可靠性分析和寿命检验的理论基础。威布尔分布在可靠性工程中被广泛应用于研究机械、化工、电气、电子、材料的失效。由于它可以利用概率值很容易地推断出它的分布参数，被广泛应用于各种寿命试验的数据处理。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快速预测电芯寿命的方法，其特征在于：包括以下步骤：步骤一，获取电池电芯的性能参数，并对所述性能参数进行数据清洗，得到数据集；步骤二，建立电芯寿命衰减模型；步骤三，通过模拟退火算法对电芯寿命衰减模型进行精度优化；步骤四，通过精度优化后的电芯寿命衰减模型输出结果，并以该结果为初值输入列文伯格马夸尔特算法进行优化，并输出结果；步骤五，根据列文伯格马夸尔特算法输出的结果校正原工况的预测曲线，得到新的预测曲线。2.根据权利要求1所述的一种快速预测电芯寿命的方法，其特征在于：步骤二中所述电芯寿命衰减模型包括通过威布尔分布推导出的电池循环容量衰减公式和电池储存容量衰减公式；所述电池循环容量衰减公式，表示为：所述电池储存容量衰减公式，表示为：3.根据权利要求1所述的一种快速预测电芯寿命的方法，其特征在于：步骤三中所述模拟退火算法将内能E模拟为目标函数值f，温度T演化成控制参数t，由初始解i和控制参数初值t开始，对当前解重复“产生新解
→
计算目标函数差
→
接受或丢弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解。4.根据权利要求3所述的一种快速预测电芯寿命的方法，其特征在于：所述模拟退火算法的具体步骤：步骤一：选定初始解x0，令当前解x
i
＝x0；当前迭代步数k＝0；当前温度t
k
＝t
max
；步骤二：若在该温度达到内循环停止条件，则进入步骤三；否则随...

【专利技术属性】
技术研发人员：陶亦鸣，李鹏程，
申请(专利权)人：海仿上海科技有限公司，
类型：发明
国别省市：