[发明专利]变温变流工况下锂电池退化演变基准路径的构建方法

权利要求书

1.一种变温变流工况下锂电池退化演变基准路径的构建方法，其特征在于：该方法包括如下步骤：

1)基于不同温度、不同电流工况下锂电池退化数据的退化演变路径构建

首先在不同温度、不同电流下，通过退化加速试验获得同批次的锂电池退化数据；

考虑试验过程的可操作性，分别控制温度、电流中某一变量恒定，另一变量变化，温度、电流间隔分别设置为0.5℃、0.25c，重复试验，初步获得退化路径数据；在上述退化数据的基础上，构建不同温度条件下，容量退化和循环次数的关系模型；构建不同电流条件下，容量退化和循环次数的关系模型；这两种关系模型如式(1)所示；

Q(t；ϑ)＝a·exp(bt)+c·exp(dt) (1)

其中，Q为电池容量，t为循环次数，a,b,c,d是受温度或电流影响的待求参数；

对于温度为T₀，不同电流的退化路径不同，在电流I_k下，电池容量与循环次数的关系可表示为：

通过最小二乘法、雅克比迭代法拟合得到不同电流下参数

a₀,a₁,…,a_k；b₀,b₁,…,b_k；c₀,c₁,…,c_k；d₀,d,…,d_k，求得退化演变路径函数；

2)不同温度、不同电流工况下锂电池退化演变基准路径的转换方法

将复杂工况下锂电池退化容量映射到基准工况下的容量，即将不同温度、不同电流工况下Q*统一转换为某一固定温度、电流工况下的Q**，

基于剩余寿命的一致性原则，在工况T_m,I_k时，当前寿命为t_k，若测得Q＝Q*，Q*相当于在T₀,I₀条件下的Q**；

由式(2),可得：

设t_end为失效阈值0.8Q₀所对应的寿命；

τ＝t_end-t_k (5)

综上，

类似的数值计算可以得到与一一映射；综上，可构建不同温度、不同电流的退化数据集；

3)基于机器学习方法的变温、变流下锂电池基准路径中退化容量的计算

实际运行中，每个放电周期的温度、电流是随机变化的，而只有通过一个放电周期才能得到一个电池容量；为此，将每个周期离散为n个区间，每个区间温度、电流可视为恒定；每个区间可对电流实时积分以获得电池容量ΔQ₁,ΔQ₂,…ΔQ_n；考虑到温度、电流影响作用，利用步骤2)构建的不同温度、不同电流的退化数据集，基于机器学习的方法计算区间电池容量所对应的基准工况下电池容量；所述的机器学习的方法包括神经网络或支持向量机。

2.根据权利要求1所述的变温变流工况下锂电池退化演变基准路径的构建方法，其特征在于：所述的神经网络的方法具体如下：先构建以温度、电流、电池实际容量为输入参数，基准工况下电池容量为输出的神经网络模型，利用步骤2)构建的不同温度、不同电流的退化数据集部分数据作为训练样本，训练神经网络权重，待误差满足要求后，以区间内温度、电流、电池容量作为输入，输出则为基准工况下的电池容量，依次计算得到各区间基准工况下电池容量ΔQ₁*,ΔQ₂*,…ΔQ_n*；由此，可计算基准工况下放电周期内的电池容量为：

Q*＝ΔQ₁*+ΔQ₂*+…ΔQ_n* (7)

据式(7)可得到变温、变流工况下电池容量所对应的基准工况下退化路径数据集，在此数据集的基础上，可有效开展锂电池在实际复杂使用工况下剩余寿命预测研究。