一种基于负极锂损失过程的锂电池存储衰减寿命预测方法技术

本公开揭示了一种基于负极锂损失过程的锂电池存储衰减寿命预测方法，步骤包括：基于负极锂损失过程建立电池自放电的机理模型，并建立容量衰减随时间变化的理论模型；进行不同

【技术实现步骤摘要】
一种基于负极锂损失过程的锂电池存储衰减寿命预测方法


[0001]本公开属于锂电池存储寿命检预测领域，具体涉及一种基于负极锂损失过程的锂电池存储衰减寿命预测方法
。

技术介绍

[0002]清洁能源领域得到迅速发展，锂电池在动力和储能等领域得到广泛应用，同时锂电池的高能量密度也带来了安全性问题，需要关注电池的健康状态及寿命
。
[0003]为满足用户对电池性能和安全性的需求，需要有合适的模型或方案对电池的健康状态进行监控，以对电池的寿命进行评估和预测，从而提前预知电池的当前状态和性能
。
相比受到大家普遍关注的电池循环寿命，电池寿命中的另一重要组成部分存储寿命则获得的关注度较低
。
但在众多的实际应用场景中，锂离子电池处于接近开路的存储搁置状态的时长远大于处于充放电过程的时长，而在存储搁置过程中其性能同样会因发生自放电现象而发生衰退并影响寿命，电池的存储寿命对于电池的全寿命具有显著影响
。
[0004]电池的自放电现象指的是电池在不连接任何外电路的非工作状态下，其容量随时间流逝而自发损失的现象
。
运用合适的方式研究电池在存储过程中的自放电现象，得到相关特性并建立容量变化模型，不仅能够为电池管理系统提供全面的电池信息，提升电池组使用的安全性，避免因电池个体不一致性而导致的性能加速衰减以及更严重的安全事故，而且对常规的电池充放电循环寿命模型是一个重要补充，使电池的寿命模型更加健全，提高电池寿命管理水平，防止电池滥用，增加其寿命
。
因此，建立模型估计电池存储寿命，对于电池寿命模型完善及电池安全应用有十分重要的意义
。

技术实现思路

[0005]针对现有技术中的不足，本公开的目的在于提供一种基于负极锂损失过程的锂电池存储衰减寿命预测方法，该方法利用电池的负极锂损失及
SEI
膜的生长作为电池在存储自放电过程的主要老化原因，可以准确地预测长时间处于存储状态的锂电池剩余寿命
。
[0006]为实现上述目的，本公开提供以下技术方案：
[0007]一种基于负极锂损失过程的锂电池存储衰减寿命预测方法，包括如下步骤：
[0008]S100
：基于负极锂损失过程建立电池自放电的机理模型，并建立容量衰减随时间变化的理论模型；
[0009]S200
：进行不同
SOC
和不同存储温度下电池自放电试验，以获得试验数据和不同影响因素下的电池容量衰减变化规律；
[0010]S300
：通过所述试验数据与所述变化规律对所述理论模型中的待定参量进行拟合，以得到不同初始
SOC、
不同存储温度下电池存储时的容量衰减模型；
[0011]S400
：在所述容量衰减模型的基础上建立锂电池存储衰减寿命预测模型；
[0012]S500
：获取待预测锂离子电池的初始
SOC
以及存储温度数据，将所述初始
SOC
以及存储温度数据代入所述锂电池存储衰减寿命预测模型，得到预测的存储寿命
。
[0013]优选的，所述
SOC
定义为：
[0014][0015]式中：
C
remain
为当前时刻电池的存储电量
/Ah
；
Q
now
为电池当前的可用容量
/Ah。
[0016]优选的，步骤
S100
中，基于负极锂损失过程建立电池自放电的机理模型，并建立容量衰减随时间变化的理论模型如下：
[0017][0018]式中：
Q
为电池存储过程中不可逆容量损失量，
e
为单个电子所带电荷量即
1.6
×
10
‑
19
A
·
s
，
N
为阿伏伽德罗常数即
6.02
×
10
23
，
S
为电池
SEI
膜的总面积，
Z
x
是存储过程生成产物
x
的摩尔量，
k3为反应速率常数，
a
和
b
分别为电子和生成物的反应级数，
c0为初始
SEI
膜表面的平均电子浓度，
t
为对应的反应时刻
。
[0019]优选的，步骤
S200
中，进行不同
SOC
和不同存储温度下电池自放电试验包括如下流程：容量标定流程
、
不同
SOC
下的自放电测试流程
、
不同存储温度下的自放电测试流程
。
[0020]优选的，步骤
S300
中，所述理论模型中待定参量拟合过程如下：
[0021]S301
：简化电池容量衰减随时间变化的理论模型，减少不同
SOC
和不同存储温度影响下的容量衰减模型待定参数；
[0022]S302
：整理电池在不同存储条件下进行自放电实验数据，结合理论模型与实验数据，并采用莱文贝格－马夸特法
(Levenberg
–
Marquardt algorithm)
的优化算法进行拟合；
[0023]S303
：应用拟合统计学相关参数和相关性参数以及标准误差验证对与待定参量的拟合效果
。
[0024]优选的，步骤
S400
中，锂电池存储衰减寿命预测模型的建立采用的是基于蒙特卡洛方法的存储寿命分布模拟
。
[0025]优选的，所述的参数拟合结果的验证过程通过不同影响因素下的待定参数变化随
SOC
以及存储温度变化的线性程度来进行分析
。
[0026]本公开还提出一种基于负极锂损失过程的锂电池存储衰减寿命预测装置，所述装置包括：
[0027]测量单元，用于进行长时间存储状态下锂离子电池
SOC
测试以及温度测试试验；
[0028]分类单元，用于对测量所得不同
SOC
以及不同温度下的容量数据进行分类拟合；
[0029]数据单元，在不同
SOC
以及不同存储温度的分类下，用于对不同容量数据进行理论模型中待定参数的拟合；
[0030]模型单元，通过数据单元拟合验证后的模型参数，完善不同初始
SOC、
不同存储温度下电池存储时的容量衰减模型，以获得锂电池存储衰减寿命预测模型；
[0031]检测单元，用于对待测存储状态下锂离子电池进行内部温度以及
SOC
测试，将获得的数据代入所述锂电池存储衰减寿命预测模型，得到预测的存储寿命
。
...

【技术保护点】

【技术特征摘要】
1.
一种基于负极锂损失过程的锂电池存储衰减寿命预测方法，其特征在于，所述方法包括如下步骤：
S100
：基于负极锂损失过程建立电池自放电的机理模型，并建立容量衰减随时间变化的理论模型；
S200
：进行不同
SOC
和不同存储温度下电池自放电试验，以获得试验数据和不同影响因素下的电池容量衰减变化规律；
S300
：通过所述试验数据与所述变化规律对所述理论模型中的待定参量进行拟合，以得到不同初始
SOC、
不同存储温度下电池存储时的容量衰减模型；
S400
：在所述容量衰减模型的基础上建立锂电池存储衰减寿命预测模型；
S500
：获取待预测锂离子电池的初始
SOC
以及存储温度数据，将所述初始
SOC
以及存储温度数据代入所述锂电池存储衰减寿命预测模型，得到预测的存储寿命
。2.
根据权利要求1所述的方法，其特征在于，优选的，所述
SOC
定义为：式中：
C
remain
为当前时刻电池的存储电量
/Ah
；
Q
now
为电池当前的可用容量
/Ah。3.
根据权利要求1所述的方法，其特征在于，步骤
S100
中，所述容量衰减随时间变化的理论模型如下：式中：
Q
为电池存储过程中不可逆容量损失量，
e
为单个电子所带电荷量即
1.6
×
10
‑
19
A
·
s
，
N
为阿伏伽德罗常数即
6.02
×
10
23
，
S
为电池
SEI
膜的总面积，
Z
x
是存储过程生成产物
x
的摩尔量，
k3为反应速率常数，
a
和
b
分别为电子和生成物的反应级数，
c0为初始
SEI
...

【专利技术属性】
技术研发人员：董明，李晓枫，熊锦晨，刘王泽宇，罗阳，常益，杨章，贺馨仪，吴倩，柳玉洁，刘胤康，关宇，张崇兴，任明，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：