[发明专利]一种快速预测电芯寿命的方法

说明书

本发明涉及电池电芯技术领域，具体是公开了一种快速预测电芯寿命的方法，包括以下步骤：获取电池电芯的性能参数，并对所述性能参数进行数据清洗，得到数据集；建立电芯寿命衰减模型；通过模拟退火算法对电芯寿命衰减模型进行精度优化；通过精度优化后的电芯寿命衰减模型输出结果，并以该结果为初值输入列文伯格马夸尔特算法进行优化，并输出结果；根据列文伯格马夸尔特算法输出的结果校正原工况的预测曲线，得到新的预测曲线。本发明克服了现有技术的不足，结合了传统的梯度下降优化方法和模拟退火的智能优化算法，弥补了主流最小二乘法拟合精度差和数据驱动的智能优化算法需求大量实验数据，计算时间长的缺陷。

技术领域

本发明涉及电池电芯技术领域，具体属于一种快速预测电芯寿命的方法。

背景技术

随着着锂离子电池的广泛应用，其寿命问题日益突出，尤其是在一些高/低温、高倍率充放电等工况下，寿命大大缩短，不仅难以满足某些条件下对电池寿命的要求，更有可能引发严重事故，影响其商业化大规模应用，有效预测并掌握其剩余寿命具有重要意义。

经验模型驱动型的方法是一种常用的用来进行锂离子寿命预测的方式，是通过研究电池的衰退机理，建立相应的物理模型，结合实验数据推导得出经验公式，并通过公式参数的校准拟合，来达到准确预测锂电池寿命衰减过程的目的。

目前，现有的经验模型主要是使用简单的线性拟合或者多项式拟合的方式。

这些模型较为简单，在优化方法上采用最小二乘法进行拟合，计算效率和精度较差，并不能有效预测在某些特殊情况下的寿命衰减情况，甚至存在长周期后电芯预测容量小于零等不符合现实的情况；同时对于高温衰减预测较好，却难以预测低温的析锂衰减。

另外，部分学者也推导出了多项式衰退模型和指数衰退模型的综合优化模型，然而所提出的模型优化预测的算法需要大量的实验数据进行驱动，预测结果有较大的置信区间，无法有效验证模型的准确性。

发明内容

本发明的目的是提供了一种快速预测电芯寿命的方法，克服了现有技术的不足，结合了传统的梯度下降优化方法和模拟退火的智能优化算法，弥补了主流最小二乘法拟合精度差和数据驱动的智能优化算法需求大量实验数据，计算时间长的缺陷。

为解决上述问题，本发明所采取的技术方案如下：

一种快速预测电芯寿命的方法，包括以下步骤：

步骤一，获取电池电芯的性能参数，并对所述性能参数进行数据清洗，得到数据集；

步骤二，建立电芯寿命衰减模型；

步骤三，通过模拟退火算法对电芯寿命衰减模型进行精度优化；

步骤四，通过精度优化后的电芯寿命衰减模型输出结果，并以该结果为初值输入列文伯格马夸尔特算法进行优化，并输出结果；

步骤五，根据列文伯格马夸尔特算法输出的结果校正原工况的预测曲线，得到新的预测曲线。

进一步，步骤二中所述电芯寿命衰减模型包括通过威布尔分布推导出的电池循环容量衰减公式和电池储存容量衰减公式；

所述电池循环容量衰减公式，表示为：

所述电池储存容量衰减公式，表示为：

进一步，步骤三中所述模拟退火算法将内能E模拟为目标函数值f，温度T演化成控制参数t，由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或丢弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解。

进一步，所述模拟退火算法的具体步骤：