[发明专利]一种长寿命快充型磷酸铁锂电池的寿命预测方法

权利要求书

1.一种长寿命快充型磷酸铁锂电池的寿命预测方法，所述长寿命快充型磷酸铁锂电池包含至少1个电池单体，其特征在于，寿命预测方法包括如下过程：

(一)利用快充型智能充放电测试仪收集磷酸铁锂电池影响因子，包括：截止电压U、充电截止电流I、充电周期内平均温度T、充放电电流倍率C、放电深度DOD、储能单体电池容量一致性系数k；

(二)计算寿命预测模型修正系数δ＝k*δ₁*δ₂*δ₃*δ₄*δ₅；其中，δ₁为充电截止电压对电池寿命的影响系数、δ₂充电截止电流对电池寿命的影响系数、δ₃充电周期内平均温度对电池寿命的影响系数、δ₄充放电电流倍率对电池寿命的影响系数、δ₅放电深度对电池寿命的影响系数；

(三)基于历史数据拟合电池剩余有效容量C_y与储能循环次数x拟合关系式为：f(C_y)＝1+k₁(DOD)*x+k₂(DOD)*x²+k₃(DOD)*x³

其中，k₁(DOD)、k₂(DOD)、k₃(DOD)为拟合参数，是放电深度DOD的函数，各拟合参数分别为：

k₁(DOD)＝-2.667e^-6*DOD+8.722e^-5，

k₂(DOD)＝7.342e^-10*DOD-2.859e^-8，

k₃(DOD)＝1.495e^-12*DOD-1.514e^-12，

C_y＝γ*g(C_ii*Δt)，其中，γ为容量衰减率，C_ii为各电池单体的充电容量，△t为测试有效时间；

(四)长寿命磷酸铁锂电池寿命衰减因子动态函数N_Now＝N-δ*f(C_y)＝N-δ*f(γ*g(C_ii*Δt))；δ为寿命预测模型修正系数，N_Now为当前动力电池的剩余寿命，N为长寿命磷酸铁锂电池的标准使用寿命；

(五)寿命预测模型修正系数及容量衰减率计算步骤如下：

基于影响动力电池的寿命因素，建立人工神经网络算法模型，共4层和14个节点(节点编号i＝1、2、3、4、5、6、7、8、9、10、11、12、13、14)，各节点是连续可微的；定义输入量为U、I、T、DOD、△t、N、M、测试前的修正系数δ'、测试前的储能单体电池容量一致性系数k'，则δ₁、δ₂、δ₃、δ₄、δ₅、k、γ作为输出量，M为测试次数；

设定每次计算网络输出只有一个输出O_j(j＝1、2、3、4……14)分别为δ₁、δ₂、δ₃、δ₄、δ₅、k、γ，将历史测试数据划分为M个样本(x_z，y_z)，(z＝1、2、3……M)；

任何一个节点i的输出为O_zi；对任何一个节点，如果输入为x_z，输出为y_z，则节点i的输出为O_zi，

输入层与第一个隐含层以及另外两个隐含层之间的传递函数均采用双曲正切s型激活函数，当第L层的第i个节点输入z(z＝1、2、3……M)个样本时，节点i的输出为：表示第L-1层第i个节点的输出；输入第z个样本时，第i个节点的输出

第L-1输入层与第L输出层之间的关系如下：

其中：Xi为各层输入量，M为测试次数，A为输出量，b为变量偏差，是神经网络的实际输出；

总误差为

E_m为第m次测试结果下的误差；

存在如下关系：为各层各节点的修正权值；

若节点i为输出单元，则

若节点i不为输出单元，则

前一层的输出为下一层的输入，正向计算各层的输出net_L-1z、反向计算各层的输出，并设置修正权值其中μ神经网络计算步长，μ>0。