[发明专利]一种锂离子电池放电容量的预测方法

说明书

技术领域

本发明涉及一种锂离子电池容量的预测方法，尤其是一种利用前馈神经 网络预测锂离子电池放电容量的方法。

背景技术

锂离子电池以其优异的性能在通讯、电子、汽车等领域得到了越来越广 泛的应用。然而，目前国内生产的锂离子电池由于工艺、电池材料等方面的 限制造成电池的实际容量与额定容量并不相同，而且，即使同批生产的同型 号的电池，也会出现电化学特性不一致的缺陷。因此，为了保证电池的品质， 出厂前必须对每一块电池进行放电容量、内阻的分选。目前传统的容量检测 方法是将电池按照IEC标准以恒流恒压充满电，然后恒流放电至终止电压， 恒定电流与放电时间的乘积就代表该电池的放电容量。

然而，上述传统方法的恒流放电时间长，分容过程能耗高。另外，即使 同型号电池实际放电容量也会有差别，引起完成检测的时间差距较大，降低 了设备的利用率。

前馈神经网络是人工神经网络的一种，也叫BP神经网络，在电池容量 预测领域应用广泛。“锂离子电池容量快速预测的新方法”(于智龙王伟力， 电源技术，2007.9，vol.31，No.9，P744～746)在分析了锂离子电池开路电压 和内阻与电池容量关系的基础上，通过部分放电，运用人工神经网络预测锂 离子电池放电容量。对不同使用情况下的锂离子电池恒流恒压充满电后，以 电池在10％、20％、30％额定容量的放电状态下的开路电压、内阻作为人工 神经网络的输入，最终的放电容量作为输出，构成神经网络的训练样本对， 从而利用人工神经网络预测电池的放电容量，误差在3％左右。神经网络的 模型如图1所示。这种方法由于要测试不同放电状态下的电池的开路电压和 内阻，所以步骤较繁锁，适合实验室研究，不适合大规模工业生产的应用。

发明内容

为了解决现有技术的上述问题，本发明提供一种利用BP神经网络模型， 用锂离子电池至少前10min恒流放电过程的路端电压作为BP神经网络的输 入，电池放电容量为输出预测锂离子放电容量的方法。该方法包括如下步骤：

(1)在待测电池中随机抽取至少20支电池，测试这些电池至少前10min 恒流放电过程的路端电压

(2)将步骤(1)得到的路端电压作为前馈神经网络的训练样本的输入， 训练前馈神经网络，输出电池放电容量

(3)将余下的电池至少前10min恒流放电过程的路端电压作为输入，用 步骤(2)训练好的前馈神经网络输出电池放电容量

本发明所述的BP神经网络的模型如图2所示。

本发明中使用的锂离子电池是BYD公司生产的SL412454软包装锂离 子电池和LP053450ARUL锂钴电池。

上述步骤中，电池至少前10min恒流放电过程的路端电压是指恒流放电 过程的至少前10min内电池放出不同电量时所对应的一系列路端电压。

上述步骤中的锂离子电池为同型号的没有经过充放电的锂离子电池。一 方面，选取这样的电池作为测试样本，可以排除电池内阻对BP网络输出结 果的影响；另一方面，由于电池放电过程中的路端电压或开路电压与电池放 电容量有较好的相关性，而工业生产中，路端电压的测试较开路电压方便， 所以选择路端电压为BP网络的输入端。现有技术中，用BP神经网络预测 电池容量时，输入端可以有很多种选择，而发明人通过大量实验发现，用随 机抽取的至少25支电池的至少前10min，优选至少前15min恒流放电过程 的路端电压作为BP网络训练样本的输入，才能保证在操作步骤大大减少， 能耗显著降低的情况下，使预测误差满足工业生产的要求。

恒流放电测试时间越长，电性能检测柜记录的放电过程的路端电压值就 越多，BP网络输入端数据覆盖范围越大，预测结果就越准确，此为本领域 公知常识。所以，待测电池数量较多，而抽取的样本电池数量相对较少时， 可以通过适当延长恒流放电测试时间来保证预测精度。

上述步骤中，使用电性能检测柜对电池进行充放电控制，并自动进行数 据记录和采集。本发明中使用的蓝奇BK3512L检测柜自动采集恒流放电至 少前10min的至少30个路端电压数据。

用MATLAB软件中的BP神经网络拟合路端电压U与放电容量C的函 数关系，从而输出电池放电容量C。

BP神经网络模型可以有多种选择，其优选模型为：

隐含层神经元传递函数tansig；