System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及锂电池检测,尤其涉及一种基于温度加速的锂离子电池超线性循环寿命预测方法。
技术介绍
1、锂离子电池因其高能量密度、高功率密度、低自放电率和长寿命周期等优势在储能行业占据主导地位。然而电池在使用过程中,随着环境温度的变化、循环周期的增加、时间的积累,其内部会发生一系列导致性能退化的副反应,如活性锂的减少,活性材料的损失,电解液和添加剂的消耗,电极机械形变等。电池性能的逐渐下降,容量逐步衰减影响电池使用寿命,威胁道路交通安全,因此对电池进行寿命预测十分必要。而锂电池实际寿命测试周期较长,经济成本过高,所以选择加速衰减实验缩短测试周期,以达到快速预测电芯寿命的目的。
2、在加速循环实验中,目前多基于阿伦尼乌斯公式qloss=b*exp(-ea/rt)*tz进行构建,但该模型多适用于线性衰减。当锂电池的寿命曲线表现出两相衰减,即前期为缓慢衰减阶段,后期为快速衰减阶段,中间出现明显的拐点,该模型不再适用。在经验退化模型中,双项指数模型ck=α1*exp(α2*k)+α3*exp(α4*k)以及双项对数模型ck=α1+α2*ln(k+m)+α3*ln(1-α4*k)虽可以模拟两相退化,但中国香港城市大学kwok-leung tsui等人研究发现,双项指数模型产生较高的预测误差,双项对数模型须根据经验选择参数,使其有一定局限性,并且两者都未将应力因素考虑在内。因此,在此提出一种基于温度加速的双幂次函数模型来预测具有明显拐点的超线性锂电池循环曲线。
技术实现思路
1、为解
2、本专利技术提出的一种基于温度加速的锂离子电池超线性循环寿命预测方法,包括如下步骤:
3、s100、将同一体系的锂电池分为至少三组,分别置于温度梯度的恒温箱内,连接在测试柜上,以设定的倍率进行充放电循环;
4、s200、根据循环数据,创建循环次数和环境温度应力因子的容量退化模型,优选为双幂次函数模型;
5、s300、根据模型得到目标条件下的循环寿命曲线模型,并确定s200中的模型参数;
6、s400、验证目标条件下的循环曲线与拟合模型曲线的误差。
7、具体地,所述步骤s200中创建的双幂次函数模型为:y=y=1-k1*nb1-k2*nb2,其中k1=exp(a*t+b),k2=exp(c*t+d),b2=e*t+f;y为电池当前归一化放电容量,n为循环次数,采用非线性回归技术进行建模,k1,b1,k2,b2为模型系数,k1,k2为与温度相关的指数函数,b2为与温度相关的一次函数,a、b、c、d、e、f为模型参数,t为电池循环过程中的实际温度。
8、具体地,所述步骤s200的模型中,第一项幂函数k1*nb1主要模拟循环曲线上拐点前指数小于1的缓慢衰减过程,一般归属于sei膜造成的容量损失;第二项幂函数k2*nb2主要模拟循环曲线上拐点后的快速衰减过程,主要模拟析锂或内阻的增加等不可逆损失。
9、具体地,所述步骤s200中的模型系数,第一项幂函数中,sei膜造成的容量损失速率逐步降低,因此b1与应力因素无关,一般为0.5左右;第二项幂函数中,析锂或内阻的增加等不可逆损失造成的容量损失在达到一定阈值后快速增长,影响程度逐渐超过sei膜损失,导致循环曲线上出现明显拐点,因此b2大于1。经初步拟合发现,k1,k2随温度的升高呈指数形式增长,b2随温度的升高线性下降。因此k1,k2为上述与温度相关的指数函数,b2为与温度相关的一次函数。
10、所述步骤s300中,使用的拟合方法为全局拟合。
11、所述步骤s300中,全局拟合的前提是保证电池衰减机制一致。
12、所述步骤s300中,只有得到两组完整的包含两相衰减阶段的电池循环数据,才可以依据此模型对目标条件下的电芯实施寿命预测。
13、所述预测方法适用于电池正极为lfp、licoo2、li(nicoal)o2(nca)或li(nimnco)o2(ncm),负极为石墨或si/c等材料的寿命曲线产生两相衰减的锂离子电池。
14、所述步骤s100中,温度的选择范围一般为10℃-60℃。
15、所述步骤s100中锂离子电池适用于所有锂离子全电池体系包括方形电池、软包电池、圆柱电池。
16、本专利技术中,所提出的一种基于温度加速的锂离子电池超线性循环寿命预测方法,锂电池随着循环的进行,性能逐步衰退,造成安全隐患,因此对其进行寿命预测和状态评估意义重大。目前对于非线性循环系统的锂电池经验模型存在一定局限性,而本专利技术基于温度加速应力,创建双幂次函数模型,能够实现对常温下锂电池非线性循环的寿命预测,该方法操作简单,测试周期短,简单易行,在锂电池寿命预测方面具有很好的应用前景。
17、本专利技术的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,所述步骤S200中创建的双幂次函数容量退化模型为:Y=1-K1*Nb1-K2*Nb2,其中K1=exp(A*T+B),K2=exp(C*T+D),b2=E*T+F;Y为电池当前归一化放电容量,N为循环次数,采用非线性回归技术进行建模,K1,b1,K2,b2为模型系数,K1,K2为与温度相关的指数函数,b2为与温度相关的一次函数,A、B、C、D、E、F为模型参数,T为电池循环过程中的实际温度。
3.根据权利要求2所述的一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,第一项幂函数K1*Nb1主要模拟循环曲线上拐点前指数小于1的缓慢衰减过程,归属于SEI膜造成的容量损失;第二项幂函数K2*Nb2主要模拟循环曲线上拐点后的快速衰减过程,模拟析锂或内阻的增加不可逆损失。
4.根据权利要求3所述的一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,b1与应力因
5.根据权利要求1所述的一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,所述步骤S300中,使用的拟合方法为全局拟合。
6.根据权利要求5所述的一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,全局拟合的前提是该组电池衰减机制一致。
7.根据权利要求1所述的一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,所述步骤S100中,温度的选择范围为10℃-60℃。
8.根据权利要求1所述的一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,上述预测方法适用于电池正极为LFP、LiCoO2、Li(NiCoAl)O2(NCA)或Li(NiMnCo)O2(NCM),负极为石墨或Si/C材料的能产生两相衰减行为的锂离子电池。
9.根据权利要求1所述的一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,所述步骤S100中锂离子电池适用于所有锂离子全电池体系包括方形电池、软包电池、圆柱电池。
...【技术特征摘要】
1.一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,所述步骤s200中创建的双幂次函数容量退化模型为:y=1-k1*nb1-k2*nb2,其中k1=exp(a*t+b),k2=exp(c*t+d),b2=e*t+f;y为电池当前归一化放电容量,n为循环次数,采用非线性回归技术进行建模,k1,b1,k2,b2为模型系数,k1,k2为与温度相关的指数函数,b2为与温度相关的一次函数,a、b、c、d、e、f为模型参数,t为电池循环过程中的实际温度。
3.根据权利要求2所述的一种基于温度加速的锂离子电池超线性循环寿命预测方法,其特征在于,第一项幂函数k1*nb1主要模拟循环曲线上拐点前指数小于1的缓慢衰减过程,归属于sei膜造成的容量损失;第二项幂函数k2*nb2主要模拟循环曲线上拐点后的快速衰减过程,模拟析锂或内阻的增加不可逆损失。
4.根据权利要求3所述的一种基于温度加速的锂离子电池超线性循环寿命预测...
【专利技术属性】
技术研发人员:秦丹,吴欢欢,朱振东,
申请(专利权)人:安徽国轩新能源汽车科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。