[发明专利]一种电芯的日历寿命扩展预测方法

权利要求书

1.一种电芯的日历寿命扩展预测方法，其特征在于，所述方法包括如下步骤：

步骤1、选取至少三组电芯的日历实验数据，各组存储荷电量不同，相同组别的日历存储实验，应记录至少5次不同时间的日历寿命衰退数据；

同组实验数据存储荷电量相同，但存储温度不同，且有至少两组包含大于2种不同的存储温度；

步骤2、利用半经验公式预测不同存储温度的寿命，利用神经网络模型预测不同存储荷电量的存储的寿命。

2.根据权利要求1所述的电芯的日历寿命扩展预测方法，其特征在于，步骤2中，所述半经验公式如式Ⅰ所示：

式中，为电池的日历容量损失率，B_cal(SOC)为与存储荷电量相关的系数，Ea_cal为活化能系数，R为摩尔气体常量，取值8.314J/(mol·K)，T为存储温度，t为时间，z_cal为无量纲常数。

3.根据权利要求1或2所述的电芯的日历寿命扩展预测方法，其特征在于，所述神经网络模型为误差逆向传播神经网络模型。

4.根据权利要求3所述的电芯的日历寿命扩展预测方法，其特征在于，所述误差逆向传播神经网络模型的层数至少为3层。

5.根据权利要求1-4任一项所述的电芯的日历寿命扩展预测方法，其特征在于，所述步骤2为：先利用半经验公式预测不同存储温度的寿命，再利用神经网络模型预测不同存储荷电量的存储的寿命；

或

先利用神经网络模型预测不同存储荷电量的存储的寿命，再利用半经验公式预测不同存储温度的寿命。

6.根据权利要求1-5任一项所述的电芯的日历寿命扩展预测方法，其特征在于，所述步骤2中，利用半经验公式预测不同温度存储的寿命具体包括：

将步骤1中的各个实验数据代入半经验公式，标定出B_cal(SOC)和Ea_cal两个参数，再根据B_cal(SOC)和Ea_cal两个参数已知的半经验公式，推导出相同存储荷电量，不同存储温度的其它寿命衰退数据。

7.根据权利要求6所述的电芯的日历寿命扩展预测方法，其特征在于，将寿命衰退数据包括存储时间、存储温度和存储荷电量作为神经网络模型的输入，将日历寿命作为神经网络模型的输出，预测任意温度、存储荷电量和时间上的寿命衰退数据。

8.一种电芯的日历寿命扩展预测方法，其特征在于，所述方法包括如下步骤：

步骤1、选取至少三组电芯的日历实验数据，各组存储荷电量不同，相同组别的日历存储实验，应记录至少5次不同时间的日历寿命衰退数据；

同组实验数据存储荷电量相同，但存储压力或湿度不同，且有至少两组包含大于2种不同的存储压力或湿度；

步骤2、利用半经验公式预测不同存储压力或湿度的寿命，利用神经网络模型预测不同存储荷电量的存储的寿命。

9.根据权利要求8所述的电芯的日历寿命扩展预测方法，其特征在于，步骤2中，所述半经验公式如式Ⅱ所示：

式中，为电池日历容量损失率，B_cal(SOC)为与存储荷电量相关的系数，Ea_cal为活化能参数，R为为摩尔气体常量，取值8.314J/(mol·K)，X为存储压力或存储湿度，t为时间，z_cal为无量纲常数；

优选地，所述神经网络模型为误差逆向传播神经网络模型；

优选地，所述误差逆向传播神经网络模型的层数至少为3层。

10.根据权利要求8或9所述的电芯的日历寿命扩展预测方法，其特征在于，所述步骤2为：先利用半经验公式预测不同存储压力或湿度的寿命，再利用神经网络模型预测不同存储荷电量的存储的寿命；

或

先利用神经网络模型预测不同存储荷电量的存储的寿命，再利用半经验公式预测不同存储压力或湿度的寿命；

优选地，所述步骤2中，利用半经验公式预测不同存储压力或湿度的寿命具体包括：

将步骤1中的各个实验数据代入半经验公式，标定出B_cal(SOC)和Ea_cal两个参数，再根据B_cal(SOC)和Ea_cal两个参数已知的半经验公式，推导出相同存储荷电量，不同存储压力或存储湿度的其它寿命衰退数据；

优选地，将寿命衰退数据包括存储时间、存储温度和存储荷电量作为神经网络模型的输入，将日历寿命作为神经网络模型的输出，预测任意存储压力或存储湿、存储荷电量和时间上的寿命衰退数据。